基于双条件为Python数据表新增列：标记国家年度首个日期

需求与原数据 #

现有如下数据表，需要新增一列：若该行是对应国家对应年份的首个日期（即该组内最小日期），标记为1，否则标记为0。

你尝试的自定义函数存在几个问题：

• 直接操作全局DataFrame，没有基于传入的行数据判断
• x==1是比较运算符，不是赋值，应该用x=1
• 函数没有返回值，无法生成结果
• 逐行处理的思路效率低下，不符合Pandas的使用习惯

最优解法（Pandas矢量化操作） #

推荐用groupby结合transform实现，高效且简洁：

import pandas as pd

# 构造示例数据（已有df可跳过）
data = {
    "Country": ["Spain", "Germany", "Italy", "Spain", "Spain"],
    "Year": [2020, 2020, 2019, 2019, 2020],
    "Date": ["2020-08-10", "2020-08-10", "2020-08-11", "2020-08-20", "2020-06-10"]
}
df = pd.DataFrame(data)

# 先将Date转为日期类型，确保日期比较准确
df["Date"] = pd.to_datetime(df["Date"])

# 新增标记列
df["IsFirstDate"] = df.groupby(["Country", "Year"])["Date"].transform(lambda x: x == x.min()).astype(int)

print(df)

运行后得到结果：

逻辑说明 #

1. groupby(["Country", "Year"])：按国家和年份分组，把相同国家同年份的数据归为一组
2. transform(lambda x: x == x.min())：在每个组内，判断每行的日期是否等于该组的最小日期，返回布尔值（True/False）
3. astype(int)：把布尔值转为1/0，符合需求的标记格式

若坚持使用自定义函数（不推荐） #

如果一定要用自定义函数，需要修正逻辑并结合apply逐行处理：

def first_date(row):
    # 根据当前行的国家和年份，筛选对应组的最小日期
    min_date = df[(df["Country"] == row["Country"]) & (df["Year"] == row["Year"])]["Date"].min()
    # 比较当前行日期，返回1或0
    return 1 if row["Date"] == min_date else 0

df["IsFirstDate"] = df.apply(first_date, axis=1)

注意：这种方法在数据量较大时，效率远低于矢量化操作，因此优先推荐第一种解法。

内容的提问来源于stack exchange，提问作者Lasnik23