如何在带多维度索引的pandas DataFrame中为np.where赋值添加日期过滤

因为你的DataFrame是employee_id和date的多级索引，首先需要通过df.index.get_level_values('date')提取索引中的日期列，再结合需求把日期条件加入np.where逻辑中，分两种常见场景处理：

场景1：仅更新2020-01-01之前的行，其余行保留原Sale值 #

如果只需要对2020-01-01之前的记录执行“取sale_actual和sale_expect较大值”的操作，其他行保持原有Sale数据不变，可以嵌套np.where实现：

# 提取多级索引中的date列
date_index = df.index.get_level_values('date')
# 外层判断日期条件，满足则执行数值逻辑，否则保留原Sale值
df['Sale'] = np.where(
    date_index < '2020-01-01',
    np.where(df.sale_actual > df.sale_expect, df.sale_actual, df.sale_expect),
    df['Sale']
)

场景2：仅当日期符合条件且数值满足时才更新 #

如果需要同时满足“日期在2020-01-01之前”和“sale_actual > sale_expect”两个条件时，才赋值sale_actual，否则统一赋值sale_expect，可以用逻辑与&组合条件：

date_index = df.index.get_level_values('date')
# 复合条件判断
df['Sale'] = np.where(
    (date_index < '2020-01-01') & (df.sale_actual > df.sale_expect),
    df.sale_actual,
    df.sale_expect
)

注意：如果你的date索引不是datetime类型，需要先转成datetime格式，比如pd.to_datetime(df.index.get_level_values('date'))，避免日期比较出错。

内容的提问来源于stack exchange，提问作者Harry