DataFrame列计算异常：基于Status生成Days列结果不符合预期

我需要遍历DataFrame的['Status']列，根据其值计算['Days']列：

• 当状态为Active时，计算['Date']列日期与今日的天数差
• 当状态为Sold时，值设为0

但运行代码后，Sold行的Days未按预期设为0，而是都计算了日期差，和预期结果不符。

错误代码 #

import pandas as pd
from datetime import date
data={'Status':['Sold', 'Active', 'Sold', 'Active'],
      'Date': ['2024-10-02', '2024-05-06', '2024-11-01', '2024-07-12' ], 
      }

df=pd.DataFrame(data)

d=date.today()
d=pd.to_datetime(d)
df['Date']=pd.to_datetime(df['Date'])

for i in df['Status']:
    if i=='Active':
        values=df['Date']-d
    else:
        values=0

df['Days']=values
print(df)

预期输出 #

Status       Date      Days
0    Sold 2024-10-02  0 days
1  Active 2024-05-06 -204 days
2    Sold 2024-11-01  0 days
3  Active 2024-07-12 -137 days

实际输出 #

Status       Date      Days
0    Sold 2024-10-02  -55 days
1  Active 2024-05-06 -204 days
2    Sold 2024-11-01  -25 days
3  Active 2024-07-12 -137 days

问题原因 #

循环逻辑存在根本性错误：

• 遍历df['Status']时，每次循环都会完全覆盖values变量。如果最后一条记录的Status是Active，values会被设置为全量的日期差；如果最后一条是Sold，values会被设为0。最终赋值给df['Days']时，只会保留最后一次循环的结果。
• 这种逐元素循环的方式不符合Pandas的向量化操作设计，不仅效率低下，还容易出现逻辑漏洞。

解决方法 #

方法1：使用numpy.where（推荐，向量化操作） #

利用numpy.where实现条件判断，一次性生成结果，符合Pandas的最佳实践：

import pandas as pd
from datetime import date
import numpy as np

data={'Status':['Sold', 'Active', 'Sold', 'Active'],
      'Date': ['2024-10-02', '2024-05-06', '2024-11-01', '2024-07-12' ], 
      }

df=pd.DataFrame(data)
today = pd.to_datetime(date.today())
df['Date']=pd.to_datetime(df['Date'])

# 条件判断：Status为Active时计算日期差，否则设为0天
df['Days'] = np.where(df['Status'] == 'Active', df['Date'] - today, pd.Timedelta(days=0))
print(df)

方法2：使用df.apply（逐行处理，适合复杂逻辑） #

如果需要处理更复杂的行级逻辑，可以使用apply逐行计算：

import pandas as pd
from datetime import date

data={'Status':['Sold', 'Active', 'Sold', 'Active'],
      'Date': ['2024-10-02', '2024-05-06', '2024-11-01', '2024-07-12' ], 
      }

df=pd.DataFrame(data)
today = pd.to_datetime(date.today())
df['Date']=pd.to_datetime(df['Date'])

def calculate_days(row):
    if row['Status'] == 'Active':
        return row['Date'] - today
    else:
        return pd.Timedelta(days=0)

df['Days'] = df.apply(calculate_days, axis=1)
print(df)

方法3：使用df.loc索引赋值 #

通过布尔索引分别对不同状态的行赋值，逻辑清晰直观：

import pandas as pd
from datetime import date

data={'Status':['Sold', 'Active', 'Sold', 'Active'],
      'Date': ['2024-10-02', '2024-05-06', '2024-11-01', '2024-07-12' ], 
      }

df=pd.DataFrame(data)
today = pd.to_datetime(date.today())
df['Date']=pd.to_datetime(df['Date'])

# 先初始化Days列为0天
df['Days'] = pd.Timedelta(days=0)
# 为Active状态的行赋值日期差
df.loc[df['Status'] == 'Active', 'Days'] = df.loc[df['Status'] == 'Active', 'Date'] - today
print(df)

内容的提问来源于stack exchange，提问作者slabbe