如何在Python DataFrame中判定生产日期所属的日期区间

前提准备 #

首先确保所有日期列（包括「生产日期」）都转换为datetime类型，避免字符串比较导致的错误：

import pandas as pd

# 构造示例DataFrame（模拟稀疏日期列场景）
data = {
    'ID': ['aa', 'bb', 'cc'],
    '生产日期': ['6/18/2022', '5/20/2022', '9/10/2022'],
    'date6': ['5/10/2022', '5/15/2022', pd.NA],
    'date7': ['7/20/2022', '5/25/2022', '9/5/2022'],
    'date13': ['6/15/2022', pd.NA, '8/30/2022'],
    'date17': ['8/29/2022', pd.NA, '9/15/2022']
}
df = pd.DataFrame(data)

# 转换日期类型
date_cols = [col for col in df.columns if col not in ['ID', '生产日期']]
df['生产日期'] = pd.to_datetime(df['生产日期'])
for col in date_cols:
    df[col] = pd.to_datetime(df[col])

方法一：逐行处理（适合小数据集） #

定义函数提取每个ID的非NaN日期对，排序后找到符合条件的左边界列名：

def get_left_bound(row):
    prod_date = row['生产日期']
    # 收集当前ID下所有非空的日期列与对应日期值
    valid_dates = [(col, row[col]) for col in date_cols if pd.notna(row[col])]
    if not valid_dates:
        return pd.NA  # 无有效日期时返回空值
    
    # 按日期从小到大排序
    valid_dates.sort(key=lambda x: x[1])
    # 找到小于等于生产日期的最大日期对应的列名
    left_col = None
    for col, dt in valid_dates:
        if dt <= prod_date:
            left_col = col
        else:
            break  # 排序后后续日期更大，无需继续遍历
    return left_col

# 应用函数到每一行
df['标记列'] = df.apply(get_left_bound, axis=1)

方法二：矢量化操作（适合大数据集） #

通过melt转长格式+分组聚合，避免逐行循环的性能瓶颈：

# 将宽表转长表，保留ID、生产日期，拆分日期列与对应值
melted_df = df.melt(
    id_vars=['ID', '生产日期'],
    value_vars=date_cols,
    var_name='日期列',
    value_name='日期值'
)

# 过滤空值与大于生产日期的日期
filtered = melted_df.dropna(subset=['日期值'])
filtered = filtered[filtered['日期值'] <= filtered['生产日期']]

# 按ID分组，找到每个ID下最大日期对应的列名
result = filtered.groupby('ID').apply(
    lambda x: x.loc[x['日期值'].idxmax(), '日期列']
).reset_index(name='标记列')

# 合并回原DataFrame
df = df.merge(result, on='ID', how='left')

关键说明 #

• 两种方法都保留了原DataFrame的所有列，未删除含NaN的列。
• 若某个ID没有任何小于等于生产日期的有效日期，标记列会返回NaN，可根据需求补充逻辑处理这种情况。
• 日期列无需预先排序，代码内部会对每个ID的有效日期进行排序处理。

内容的提问来源于stack exchange，提问作者April