如何在包含NaN值的两列日期中获取最大值？并处理DF的日期校验需求

1. 确保date列始终大于指定日期与pur_date列 #

操作步骤 #

• 先将指定日期转换为datetime类型，避免类型不匹配：

  import pandas as pd
  specified_date = pd.to_datetime("2020-01-01")  # 替换为你的目标指定日期
  

• 定位不符合条件的行：快速筛选出date列不满足要求的数据

  invalid_rows = df[(df['date'] <= specified_date) | (df['date'] <= df['pur_date'])]
  print(invalid_rows)
  

• 修正数据：根据需求选择处理方式
  • 方式1：直接过滤掉不符合条件的行

    df = df[(df['date'] > specified_date) & (df['date'] > df['pur_date'])]
    

  • 方式2：自动调整date列为指定日期与pur_date的最大值加1天（保证date始终更大）

    df['date'] = df[['pur_date', specified_date]].max(axis=1) + pd.Timedelta(days=1)
    

2. 从包含NaN值的两列日期数据中获取最大值 #

pandas的max()方法会自动忽略NaN值，直接对日期列计算即可：

操作步骤 #

• 确保目标列是datetime类型（若未转换）：

  df['date_col1'] = pd.to_datetime(df['date_col1'])
  df['date_col2'] = pd.to_datetime(df['date_col2'])
  

• 计算每行的最大日期，生成新列：

  df['max_date'] = df[['date_col1', 'date_col2']].max(axis=1)
  

示例效果 #

内容的提问来源于stack exchange，提问作者arawind73