基于业务日的按组带条件反向累积起始日期计算

原始DataFrame #

Group    LT         Start
0      A     5           NaT
1      A    10           NaT
2      A     0    20-03-2024
3      B     3           NaT
4      B     0    04-03-2024
5      C     2           NaT
6      C     4           NaT
7      C     0    04-04-2024
8      C     0    10-04-2024
9      C     0    24-04-2024

需求说明 #

• 按Group列分组，对Start为NaT的行从下往上计算起始日期
• 以组内首个非NaT的Start值（从下往上数第一个有效日期）作为反向累积计算的起点，组切换时停止计算
• LT代表工作日，计算时需跳过周末
• 必须保留已有有效Start值（此类行的LT值无效）
• 每组最后一行必有有效Start日期，因此必有计算起点

期望输出 #

Group    LT         Start
0      A     5    28-02-2024
1      A    10    06-03-2024
2      A     0    20-03-2024
3      B     3    28-02-2024
4      B     0    04-03-2024
5      C     2    27-03-2024
6      C     4    29-03-2024
7      C     0    04-04-2024
8      C     0    10-04-2024
9      C     0    24-04-2024

已尝试的代码及问题 #

尝试1：按组筛选NaT行但未跳过周末 #

groups = df.groupby('Group')
nan_start_mask = df['Start'].isna()
df['Start'] = groups['Start'].bfill()
start_date = df['Start'] - pd.to_timedelta(df['LT'], unit='D')
df.loc[nan_start_mask, 'Start'] = start_date[nan_start_mask]

问题：直接用自然日减法，未跳过周末，不符合LT为工作日的要求。

尝试2：支持工作日计算但覆盖有效日期 #

s = (df.loc[::-1, 'LT'].groupby(df['Group']).cumsum().apply(pd.offsets.BusinessDay))
g = df.groupby('Group')
df['Start'] = pd.to_datetime(g['Start'].transform('first').sub(s))

问题：覆盖所有已有有效Start值，仅保留每组最后一行的计算结果，违反保留原始有效日期的需求。

解决方案 #

代码实现 #

import pandas as pd

# 转换Start列为datetime类型，确保日期格式正确
df['Start'] = pd.to_datetime(df['Start'], format='%d-%m-%Y')

def fill_group_dates(group):
    # 反转组内顺序，从下往上处理
    reversed_group = group.iloc[::-1].copy()
    cum_workdays = 0
    last_valid_date = None
    
    for idx, row in reversed_group.iterrows():
        if pd.notna(row['Start']):
            # 记录当前有效日期，重置累积工作日偏移
            last_valid_date = row['Start']
            cum_workdays = 0
        else:
            # 累积工作日，计算当前行的起始日期
            cum_workdays += row['LT']
            reversed_group.loc[idx, 'Start'] = last_valid_date - pd.offsets.BusinessDay(cum_workdays)
    
    # 反转回原顺序返回
    return reversed_group.iloc[::-1]

# 按Group分组处理，保留原始索引
df = df.groupby('Group', group_keys=False).apply(fill_group_dates)

# 格式化日期为原有的dd-mm-YYYY格式
df['Start'] = df['Start'].dt.strftime('%d-%m-%Y')
print(df)

思路说明 #

1. 日期类型转换：先将Start列转为datetime类型，避免字符串格式导致的计算错误
2. 组内反向遍历：对每个组反转行顺序，从下往上处理，确保以首个有效日期（从下数）为计算起点
3. 累积工作日计算：仅对NaT行累积LT值，用最近的有效日期减去累积工作日偏移（自动跳过周末）
4. 保留有效日期：遇到有效日期时重置累积偏移，不修改原始有效日期
5. 格式还原：计算完成后将日期转回原字符串格式

内容的提问来源于stack exchange，提问作者Prmake