修改上述代码，最近四年是从2017-05-30开始往前数四年

根据你的要求，修改代码以选择最近四年的数据。你可以使用`datetime`模块来处理日期，并设置一个起始日期，然后筛选出在这个起始日期之后的数据。下面是修改后的代码示例：

import pandas as pd

# 读取订单数据
df = pd.read_excel('sales.xlsx')

# 设置起始日期为当前日期往前数四年
start_date = pd.to_datetime('2017-05-30')

# 筛选出在起始日期之后的数据
df = df[df['提交日期'] >= start_date]

# 计算最近购买日期、购买频率和消费金额
rfm_data = df.groupby('会员ID').agg({
    '提交日期': lambda x: (df['提交日期'].max() - x.max()).days,
    '订单号': 'count',
    '提交金额': 'sum'
}).rename(columns={
    '提交日期': 'R',
    '订单号': 'F',
    '提交金额': 'M'
})

# 对R、F、M进行分段打分
rfm_data['R_score'] = pd.cut(rfm_data['R'], bins=[-float('inf'), 30, 60, 90, float('inf')], labels=[4, 3, 2, 1], right=False)
rfm_data['F_score'] = pd.cut(rfm_data['F'], bins=[-float('inf'), 1, 2, 3, float('inf')], labels=[1, 2, 3, 4], right=False)
rfm_data['M_score'] = pd.cut(rfm_data['M'], bins=[-float('inf'), 1000, 2000, 3000, float('inf')], labels=[1, 2, 3, 4], right=False)

# 计算RFM得分
rfm_data['RFM_score'] = rfm_data['R_score'].astype(str) + rfm_data['F_score'].astype(str) + rfm_data['M_score'].astype(str)

# 打印RFM得分数据
print(rfm_data)

# 将RFM得分数据写入Excel文件
rfm_data.to_excel('rfm_scores.xlsx')

在上述代码中，我们使用`pd.to_datetime()`将起始日期转换为日期时间格式，并使用这个起始日期筛选出在起始日期之后的数据。然后继续计算RFM指标和打分，最后打印RFM得分数据并将其写入Excel文件中。

请根据你的实际需求和数据对代码进行必要的调整。