如何基于多列datetime值生成记录最新日期列名的新列？

我需要基于first_test、second_test、third_test这三列日期时间数据，创建一个新列max_test，每行取这三列里最新的日期（最大值）对应的列名填进去。

现有数据 #

emp_id    first_test         second_test               third_test
a123                  2023-01-19 12:31:00-06:00  2023-02-09 12:31:00-06:00
a321                  2023-02-09 11:43:00-04:30 
a543 
a211 2023-02-18 11:43:00-04:30 
a134 2023-04-23 16:33:00-03:40                   2023-01-09 11:43:00-04:30

预期输出 #

emp_id   first_test         second_test               third_test               max_test
a123                  2023-01-19 12:31:00-06:00  2023-02-09 12:31:00-06:00  third_test
a321                  2023-02-09 11:43:00-04:30                            second_test  
a543      
a211 2023-02-18 11:43:00-04:30                                              first_test       
a134 2023-04-23 16:33:00-03:40                   2023-01-09 11:43:00-04:30  first_test

我尝试用for循环实现，但处理空值时总是出错，目前写的代码片段如下：

for i in range(len(test)):
    first_date = test['first_test'][i]
    second_test_date = test['second_test'][i]
    third_test = test['third_test'][i]
    if second_test > third_test:

请问有没有可行的实现方法？

用Pandas内置的idxmax方法可以高效处理这个需求，同时自动跳过空值，不用手动写循环判断：

步骤1：转换日期列类型 #

首先确保三列是datetime类型，把空值转为NaT（时间类型的空值）：

import pandas as pd

# 将目标列转换为带时区的datetime类型，无法转换的空值转为NaT
test[['first_test', 'second_test', 'third_test']] = test[['first_test', 'second_test', 'third_test']].apply(
    pd.to_datetime, errors='coerce', utc=True
)

步骤2：生成max_test列 #

使用idxmax(axis=1)按行找出最大值对应的列名，skipna=True自动忽略空值：

# 按行取最大值对应的列名，全空的行返回NaN
test['max_test'] = test[['first_test', 'second_test', 'third_test']].idxmax(axis=1, skipna=True)

说明 #

• pd.to_datetime的errors='coerce'参数会把无效的日期值（比如空字符串）转为NaT，避免后续比较出错；utc=True统一时区，确保跨时区的日期能正确比较。
• idxmax(axis=1)会遍历每行的三个日期列，找出值最大的那个列的名称，空值会被自动跳过。如果某一行所有列都是空值，max_test会显示NaN，和预期输出一致。

内容的提问来源于stack exchange，提问作者Vivo