如何在Pandas中通过函数基于现有日期列生成新日期列？

现有如下代码：

import pandas as pd

file = pd.DataFrame()

file['CASH RECIEVED DATE'] = ['2018-07-23', '2019-09-26', '2017-05-02']

需要创建名为Cash Received Date的列，规则为：当CASH RECIEVED DATE不为空且小于等于2022-09-01时，赋值为2019-09-01，否则取原列值。预期输出的列值为：

['2019-09-01', '2019-09-26', '2019-09-01']

请问如何通过创建函数实现该需求？

步骤1：转换日期列类型 #

原始数据是字符串格式，首先要把CASH RECIEVED DATE列转为pandas的datetime类型，才能正常进行日期比较：

file['CASH RECIEVED DATE'] = pd.to_datetime(file['CASH RECIEVED DATE'])

步骤2：编写自定义处理函数 #

创建一个函数，接收单个日期值，按照规则返回对应结果：

def process_cash_date(date_val):
    # 检查日期非空且符合条件
    if pd.notna(date_val) and date_val <= pd.to_datetime('2022-09-01'):
        return pd.to_datetime('2019-09-01')
    else:
        return date_val

步骤3：应用函数生成新列 #

用apply方法将函数作用于原日期列，生成目标列：

file['Cash Received Date'] = file['CASH RECIEVED DATE'].apply(process_cash_date)

完整可运行代码 #

import pandas as pd

file = pd.DataFrame()
file['CASH RECIEVED DATE'] = ['2018-07-23', '2019-09-26', '2017-05-02']

# 转换日期格式
file['CASH RECIEVED DATE'] = pd.to_datetime(file['CASH RECIEVED DATE'])

# 定义处理函数
def process_cash_date(date_val):
    if pd.notna(date_val) and date_val <= pd.to_datetime('2022-09-01'):
        return pd.to_datetime('2019-09-01')
    else:
        return date_val

# 生成目标列
file['Cash Received Date'] = file['CASH RECIEVED DATE'].apply(process_cash_date)

# 查看结果
print(file['Cash Received Date'])

运行后输出结果符合预期：

0   2019-09-01
1   2019-09-26
2   2019-09-01
Name: Cash Received Date, dtype: datetime64[ns]

补充：大数据集高效替代方案 #

如果数据集规模较大，apply方法效率偏低，可以用矢量化的numpy.where实现逻辑，速度更快：

import numpy as np

file['Cash Received Date'] = np.where(
    (pd.notna(file['CASH RECIEVED DATE'])) & (file['CASH RECIEVED DATE'] <= '2022-09-01'),
    '2019-09-01',
    file['CASH RECIEVED DATE']
)
# 若需保持datetime类型，可再转换一次
file['Cash Received Date'] = pd.to_datetime(file['Cash Received Date'])

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