Python Pandas：动态获取最新日期列值，计算‘Bps away from 1Y Min’列

原始数据 #

需求 #

新增列Bps away from 1Y Min，计算逻辑为：最新日期列的值 - 1Y Min列的值，要求最新日期列能动态识别，当新增日期列时自动更新。

期望输出 #

用户尝试的错误代码 #

def dt_helper(dt_string):
    try:
        return datetime.datetime.strptime(dt_string, '%m/%d/%Y').date()
    except:
        return datetime.date(1900,1,1)

df['Bps away from 1Y Min'] = df[max(df.columns, key=dt_helper)] - df('1Y Min')

问题分析与修正代码 #

核心问题 #

原代码存在两个关键问题：

1. 语法错误：访问DataFrame列必须使用方括号[]，而非圆括号()，正确写法为df['1Y Min']。
2. （可选）非日期列可能潜在干扰最新日期的判断，更严谨的方式是先筛选出日期列再进行判断。

修正后的简洁代码 #

import datetime

def dt_helper(dt_string):
    try:
        return datetime.datetime.strptime(dt_string, '%m/%d/%Y').date()
    except:
        # 非日期列返回极小日期，确保不会被选为最新列
        return datetime.date(1900, 1, 1)

# 获取最新日期列
latest_date_col = max(df.columns, key=dt_helper)
# 计算新列
df['Bps away from 1Y Min'] = df[latest_date_col] - df['1Y Min']

更严谨的写法（推荐） #

先筛选出所有符合日期格式的列，再从中定位最新日期列，彻底避免非日期列的干扰：

import datetime

# 筛选所有符合日期格式的列
date_columns = []
for col in df.columns:
    try:
        datetime.datetime.strptime(col, '%m/%d/%Y').date()
        date_columns.append(col)
    except ValueError:
        pass

# 获取最新日期列
latest_date_col = max(date_columns, key=lambda x: datetime.datetime.strptime(x, '%m/%d/%Y').date())
# 计算新列
df['Bps away from 1Y Min'] = df[latest_date_col] - df['1Y Min']

额外注意事项 #

如果仍出现选取最早日期的情况，需检查日期格式字符串是否与列名的日期格式完全匹配，比如若列名是dd/mm/yyyy格式，需将%m/%d/%Y改为%d/%m/%Y。

内容的提问来源于stack exchange，提问作者Saanchi