基于前一行值计算Pandas列值时遇KeyError的解决方法

现有包含多日期订单的DataFrame，需计算每个订单的实际完成时间，规则如下：

• 若前一个订单的完成时间晚于当前订单的原始开始时间，则当前订单的实际开始时间更新为前一个订单的完成时间；
• 计算需按日期分段，每日首个订单不依赖前一日最后一个订单的完成时间。

示例数据及DataFrame创建代码：

data = {'Date': ['2022-12-01', '2022-12-01', '2022-12-01', '2022-12-01', '2022-12-02', '2022-12-02', '2022-12-02', '2022-12-02'],
        'Order Start Time': ['2022-12-01 10:50:00.000', '2022-12-01 10:53:33.721', '2022-12-01 10:58:14.217', '2022-12-01 10:58:57.162', 
                             '2022-12-02 10:50:00.000', '2022-12-02 10:53:33.721', '2022-12-02 10:58:14.217', '2022-12-02 10:58:57.162'],
        'Order Rank Within Day': [1, 2, 3, 4, 1, 2, 3, 4],
        'Expected Completion Time': [125, 153, 75, 99, 165, 133, 85, 129]}

df = pd.DataFrame(data, columns=['Date', 'Order Start Time', 'Order Rank Within Day', 'Expected Completion Time'])

用户尝试的代码（运行出现KeyError）：

for row in df.itertuples():
  df['completion_time'] = np.where(df['Order Rank Within Day']==1, pd.to_datetime(df['Order Start Time']) + pd.to_timedelta(df['Expected Completion Time'], unit='s'), df['completion_time'].at[row.Index-1])

1. 初始化错误：第一次循环时，row.Index为0，访问row.Index-1=-1，且completion_time列尚未创建，直接触发KeyError；
2. 逻辑错误：np.where是整列批量操作，循环中每次覆盖整列，无法实现「当前订单依赖前一个订单结果」的递推计算；
3. 分组缺失：未按Date分组，会导致跨日期订单互相影响，违反「每日独立计算」的需求。

采用按日期分组+组内递推计算的方式，实现符合需求的逻辑：

步骤1：转换时间格式 #

先将Order Start Time转换为datetime类型，便于时间运算：

import pandas as pd

df['Order Start Time'] = pd.to_datetime(df['Order Start Time'])

步骤2：定义组内计算函数 #

针对每个日期的订单组，逐行递推计算实际开始时间和完成时间：

def calculate_daily_completion(group):
    # 确保组内按订单排序（示例已排序，此步为通用兼容）
    group = group.sort_values('Order Rank Within Day').reset_index(drop=True)
    # 初始化实际开始时间：首个订单用原始开始时间
    group['Actual Start Time'] = group['Order Start Time']
    
    # 从第二个订单开始递推
    for i in range(1, len(group)):
        # 获取前一个订单的完成时间
        prev_completion = group['Actual Start Time'].iloc[i-1] + pd.to_timedelta(group['Expected Completion Time'].iloc[i-1], unit='s')
        # 实际开始时间取「原始开始时间」和「前一个完成时间」的较大值
        group['Actual Start Time'].iloc[i] = max(group['Order Start Time'].iloc[i], prev_completion)
    
    # 计算实际完成时间
    group['Actual Completion Time'] = group['Actual Start Time'] + pd.to_timedelta(group['Expected Completion Time'], unit='s')
    return group

步骤3：分组应用函数 #

按Date分组后应用上述函数，得到最终结果：

df = df.groupby('Date').apply(calculate_daily_completion).reset_index(drop=True)

优化版（矢量化递推，避免显式循环） #

如果订单量较大，可使用expanding结合apply实现矢量化递推，提升效率：

def vectorized_completion(group):
    group = group.sort_values('Order Rank Within Day').reset_index(drop=True)
    # 计算每个订单的理论完成时间（原始开始+时长）
    group['Theoretical Completion'] = group['Order Start Time'] + pd.to_timedelta(group['Expected Completion Time'], unit='s')
    
    # 递推计算实际完成时间：取当前理论完成时间和前一个实际完成时间的较大值
    group['Actual Completion Time'] = group['Theoretical Completion'].expanding().apply(
        lambda x: max(x.iloc[-1], x.iloc[-2]) if len(x)>=2 else x.iloc[0]
    )
    
    # 反推实际开始时间
    group['Actual Start Time'] = group['Actual Completion Time'] - pd.to_timedelta(group['Expected Completion Time'], unit='s')
    return group

df = df.groupby('Date').apply(vectorized_completion).reset_index(drop=True)

内容的提问来源于stack exchange，提问作者D Patel