如何用Python/Pandas按条件用Obs Date最小值填充Date of Join空值？

需求说明 #

处理员工数据集时需遵循以下规则：

• 若Date of Join为空值，用该员工对应的最小Obs Date填充
• 必须结合Division和Employee共同标识员工（Employee代码会跨Division重复）

原始数据集 #

期望输出 #

实现代码 #

import pandas as pd

# 构造原始数据集
data = {
    'Division': ['DV1', 'Dv2', 'Dv1', 'DV1', 'Dv2'],
    'Employee': ['Emp1', 'Emp1', 'Emp2', 'Emp2', 'Emp2'],
    'Date of Join': ['01/01/1972', '25/10/1989', 'Null', 'Null', '10/10/2000'],
    'Obs Date': ['10/10/1996', '24/05/1999', '02/02/1995', '05/02/1995', '20/05/2001']
}
df = pd.DataFrame(data)

# 将日期列转为datetime类型，同时把'Null'转为Pandas可识别的空值（NaN）
df['Date of Join'] = pd.to_datetime(df['Date of Join'], errors='coerce')
df['Obs Date'] = pd.to_datetime(df['Obs Date'], errors='coerce')

# 按Division+Employee分组，计算每组的最小Obs Date，保持原数据行数匹配
min_obs_date = df.groupby(['Division', 'Employee'])['Obs Date'].transform('min')

# 填充空值：用对应组的最小Obs Date替换Date of Join的NaN
df['Date of Join'] = df['Date of Join'].fillna(min_obs_date)

# 可选：将日期转回原字符串格式（根据需求调整）
df['Date of Join'] = df['Date of Join'].dt.strftime('%d/%m/%Y')
df['Obs Date'] = df['Obs Date'].dt.strftime('%d/%m/%Y')

# 输出结果
print(df)

关键步骤说明 #

1. 日期类型转换：用pd.to_datetime统一日期格式，同时将字符串Null转为Pandas可处理的NaN，避免后续计算出错。
2. 分组计算最小日期：通过groupby(['Division', 'Employee'])确保按真实员工个体分组，transform('min')方法会返回与原数据行数一致的结果，方便直接匹配填充。
3. 空值填充：fillna方法精准替换每组内的Date of Join空值，确保逻辑符合需求。

内容的提问来源于stack exchange，提问作者y R