使用pd判断，如果excel的一列中的时间比今天时间少60天

可以使用 pandas 的 datetime 模块进行日期时间的处理，具体实现如下：

import pandas as pd
from datetime import datetime, timedelta

# 读取 Excel 文件
df = pd.read_excel('example.xlsx')

# 获取今天时间
today = datetime.today()

# 判断时间是否比今天时间早60天
df['时间'] = pd.to_datetime(df['时间'])  # 将 Excel 中的时间列转换为 datetime 类型
df['时间是否早于60天'] = df['时间'] < (today - timedelta(days=60))

# 输出结果
print(df)

其中，`pd.to_datetime()` 方法将 Excel 中的时间列转换为 pandas 的 datetime 类型，`timedelta(days=60)` 表示 60 天的时间间隔。最后输出的 `df` 数据框中，新增一列 `时间是否早于60天`，表示该行记录的时间是否早于今天60天。

相关问题

使用pd判断，如果excel的一列中的时间比今天时间少30天

可以使用 Pandas 库中的 `pd.to_datetime()` 函数将 Excel 中的时间列转换为 Pandas 中的时间类型，然后再与当前时间相减，判断时间差是否大于等于 30 天。具体实现如下：

import pandas as pd
from datetime import datetime, timedelta

# 读取 Excel 文件，假设时间列名为 'time'
df = pd.read_excel('file.xlsx', parse_dates=['time'])

# 获取当前时间
now = datetime.now()

# 判断时间差是否大于等于 30 天
mask = (now - df['time']) >= timedelta(days=30)

# 根据 mask 过滤数据
result = df[mask]

其中，`timedelta(days=30)` 表示时间差为 30 天。`mask` 是一个布尔数组，表示每个时间是否符合要求。最后，根据 `mask` 过滤数据即可。

使用pd判断，如果excel的一列中的时间减去今天时间少于等于30天

可以使用 Pandas 库读取 Excel 文件，然后使用 datetime 模块计算时间差，最后使用 Pandas 的条件判断进行筛选。以下是示例代码：

import pandas as pd
from datetime import datetime

# 读取 Excel 文件
df = pd.read_excel('example.xlsx')

# 获取今天日期
today = datetime.now().date()

# 计算时间差，单位为天数
df['时间差'] = (today - df['日期列']).dt.days

# 筛选时间差小于等于30天的行
result = df[df['时间差'] <= 30]

其中，`example.xlsx` 是你要读取的 Excel 文件名，`日期列` 是你要计算时间差的日期列的列名。`result` 就是时间差小于等于30天的行。