如何用Pandas基于特定值偏移生成最近GP就诊日期列？

原始DataFrame如下：

需要新增一列Last GP，记录每行对应的最近一次GP就诊日期，最终效果如下：

尝试过基于条件的shift操作但无法实现，考虑过逐行分析或拆分DataFrame查找，但希望找到更简便的方案。

可以通过Pandas的where、ffill和shift组合实现，无需逐行遍历，步骤如下：

import pandas as pd

# 构造原始数据
data = {
    'Type': ['GP', 'Blood', 'Urine', 'GP', 'GP', 'Physio'],
    'Scheduled': ['08/09/2019', '09/09/2019', '10/09/2019', '11/09/2019', '20/09/2019', '20/09/2019']
}
df = pd.DataFrame(data)

# 1. 将日期列转换为datetime类型，确保日期逻辑正确
df['Scheduled'] = pd.to_datetime(df['Scheduled'], format='%d/%m/%Y')

# 2. 提取Type为GP的日期，其他行填充NaN
df['gp_dates'] = df['Scheduled'].where(df['Type'] == 'GP')

# 3. 向前填充（ffill），得到每行当前及之前最近的GP日期
df['gp_ffill'] = df['gp_dates'].ffill()

# 4. 生成Last GP列：GP行取上一次的GP日期（shift后的ffill值），非GP行直接用最近的GP日期
df['Last GP'] = df['gp_ffill'].shift(1).where(df['Type'] == 'GP', df['gp_ffill'])

# 5. 转换回原日期字符串格式，清理临时列
df['Last GP'] = df['Last GP'].dt.strftime('%d/%m/%Y').replace('NaT', 'nan')
df['Scheduled'] = df['Scheduled'].dt.strftime('%d/%m/%Y')
df = df.drop(['gp_dates', 'gp_ffill'], axis=1)

# 输出结果
print(df)

逻辑说明： #

• where：筛选出所有GP类型的就诊日期，其他行留空；
• ffill：向前填充空值，让每一行都能获取到截至当前行最近的GP日期（包括当天的）；
• shift(1)：对GP行，需要的是上一次的GP日期，因此将填充后的日期向下偏移一行，第一行GP会得到NaN，符合需求；
• 最后转换回原日期格式并清理临时列，得到目标结果。

内容的提问来源于stack exchange，提问作者Paul O