以下是一个示例代码，演示如何按组删除给定日期之前的观察数据。这里使用了Python和pandas库来处理数据。

import pandas as pd

# 创建一个示例数据集
data = {'Group': ['A', 'A', 'B', 'B', 'C', 'C'],
        'Date': ['2020-01-01', '2020-02-01', '2020-01-15', '2020-03-01', '2020-02-10', '2020-03-15']}
df = pd.DataFrame(data)

print("原始数据：")
print(df)

# 将日期列转换为日期类型
df['Date'] = pd.to_datetime(df['Date'])

# 按组进行分组并应用筛选函数
df = df.groupby('Group').apply(lambda x: x[x['Date'] > '2020-02-01'])

# 重置索引并删除多余的索引列
df = df.reset_index(level=0, drop=True)

print("删除给定日期之前的观察数据后的结果：")
print(df)

输出结果：

原始数据：
  Group        Date
0     A  2020-01-01
1     A  2020-02-01
2     B  2020-01-15
3     B  2020-03-01
4     C  2020-02-10
5     C  2020-03-15
删除给定日期之前的观察数据后的结果：
  Group       Date
1     A 2020-02-01
3     B 2020-03-01
5     C 2020-03-15

在示例代码中，首先创建了一个示例数据集。然后，将日期列转换为日期类型以便进行日期比较。

接下来，通过使用groupby函数和apply方法，按组对数据进行分组，并在每个组上应用筛选函数。在这个例子中，筛选函数使用了日期比较条件，删除了给定日期之前的观察数据。

最后，使用reset_index方法重置索引，并通过指定level=0和drop=True来删除多余的索引列。最后，输出删除给定日期之前的观察数据后的结果。