如何在Pandas DataFrame中将3列Datetime值合并为单列，生成包含每行最早日期的新列

我来帮你搞定这个问题！首先咱们先明确需求：从每行的三个日期列（DATE_BEGIN、DATE_START、DATE_REGISTERED）中筛选出最早的日期，生成新列ACTUAL_START_DATE，同时自动忽略NaN值。

第一步：构造示例DataFrame #

先把你的示例数据转换成可复现的pandas DataFrame，顺便把日期列转为datetime格式：

import pandas as pd
import numpy as np

data = {
    'CLIENT_ID': [1, 2, 3, 4],
    'DATE_BEGIN': ['2020-01-01', '2020-01-02', np.nan, '2020-01-01'],
    'DATE_START': ['2020-01-01', '2020-02-01', '2020-05-01', '2020-01-02'],
    'DATE_REGISTERED': ['2020-01-01', '2020-01-01', '2020-04-01', np.nan]
}

df = pd.DataFrame(data)
# 将日期列转为datetime类型
date_columns = ['DATE_BEGIN', 'DATE_START', 'DATE_REGISTERED']
df[date_columns] = df[date_columns].apply(pd.to_datetime)

第二步：生成ACTUAL_START_DATE列 #

最直接高效的方法是使用pandas的min()方法，指定按行计算（axis=1），并设置skipna=True忽略空值：

df['ACTUAL_START_DATE'] = df[date_columns].min(axis=1, skipna=True)

运行后你会得到完全符合预期的结果：

关于bfill变体的可行性 #

结论：不能通过bfill的变体实现这个需求

原因很简单：bfill（backward fill）的核心作用是填充缺失值，它会用当前位置后方的非空值来填补NaN，完全不涉及值的大小比较。比如如果我们尝试对日期列按行执行bfill：

df[date_columns].bfill(axis=1)

第三行的DATE_BEGIN会被填充为DATE_START的2020-05-01，但我们需要的是更早的DATE_REGISTERED（2020-04-01），这显然不符合需求。

咱们的需求是聚合每行的非空值并选取最小值，和bfill的填充逻辑完全不匹配，所以min方法才是最适合的解决方案。

内容的提问来源于stack exchange，提问作者Mazil_tov998