如何在Pandas中基于日期条件交换两列的值？

首先得给你的思路点个赞：必须先把字符串日期转换为datetime类型，因为字符串直接比大小是按字符顺序来的，完全不符合日期逻辑（比如"09 August 2016"和"10 July 2016"字符串对比会认为前者更大，但实际日期后者更早）。所以第一步先统一转换日期格式，pandas的pd.to_datetime能自动识别多种常见格式，非常省心：

# 将字符串日期转换为datetime类型，自动适配多种格式
myDataFrame['Effective_Date'] = pd.to_datetime(myDataFrame['Effective_Date'])
myDataFrame['Paid_Off_Time'] = pd.to_datetime(myDataFrame['Paid_Off_Time'])

接下来，你想要更简洁的方式实现「当Effective_Date > Paid_Off_Time时交换两列」的需求，其实完全不用创建新DataFrame或者写两次np.where。这里给你几个更高效简洁的方案：

方案1：用apply取每行的最小/最大值（逻辑直观） #

直接对每行的两个日期列取最小值和最大值，分别赋值给Effective_Date和Paid_Off_Time，一行代码搞定核心逻辑：

# 每行取早的日期给Effective_Date，晚的给Paid_Off_Time
myDataFrame[['Effective_Date', 'Paid_Off_Time']] = myDataFrame[['Effective_Date', 'Paid_Off_Time']].apply(
    lambda x: pd.Series([min(x), max(x)]), axis=1
)

方案2：用numpy排序（大数据量更高效） #

如果你的数据集很大，用numpy的排序函数效率会更高，按行排序后直接重新赋值：

import numpy as np

# 按行对两列日期排序，早的在前晚的在后
sorted_dates = np.sort(myDataFrame[['Effective_Date', 'Paid_Off_Time']], axis=1)
myDataFrame[['Effective_Date', 'Paid_Off_Time']] = sorted_dates

方案3：简化版np.where写法（精准定位交换行） #

如果还是想用np.where的思路，也可以简化成一次掩码定位，直接交换目标行的列值：

# 找出需要交换的行
swap_mask = myDataFrame['Effective_Date'] > myDataFrame['Paid_Off_Time']
# 对符合条件的行直接交换两列值
myDataFrame.loc[swap_mask, ['Effective_Date', 'Paid_Off_Time']] = myDataFrame.loc[swap_mask, ['Paid_Off_Time', 'Effective_Date']].values

这几种方法都比你现有的代码更简洁，而且逻辑清晰：处理后Effective_Date永远是更早的日期，Paid_Off_Time是更晚的日期，完美解决「日期插错列」的问题。

内容的提问来源于stack exchange，提问作者bibscy