基于DataFrame多条件设置Python变量（含日期变量匹配）

核心问题在于你的DataFrame中Date列是字符串格式，而date = datetime.today()生成的是datetime.datetime对象，两者类型不匹配，直接条件判断会找不到匹配项，这也是你用np.where失败的原因。以下是具体解决方案：

步骤1：统一日期格式 #

先将DataFrame的Date列转为datetime类型，同时处理date变量确保格式一致（去掉时分秒部分）：

import pandas as pd
import datetime
import numpy as np

# 构造示例DataFrame
df = pd.DataFrame({
    'Date': ['28/09/2022', '28/09/2022', '28/09/2022', '27/09/2022', '27/09/2022', '27/09/2022'],
    'Product': ['apple', 'orange', 'pear', 'apple', 'orange', 'pear'],
    'Sales': [10.2, 5.1, 12.3, 4.1, 3.9, 15.0]
})

# 转换Date列为datetime类型（format匹配日/月/年格式）
df['Date'] = pd.to_datetime(df['Date'], format='%d/%m/%Y')

# 处理date变量，仅保留日期部分
date = datetime.datetime.today().date()
# 若目标日期固定为28/09/2022，也可直接指定：
# date = datetime.date(2022, 9, 28)

方法1：布尔索引直接提取（最直观高效） #

通过多条件筛选目标行，直接提取对应Sales值：

last_apple_sales = df[(df['Date'] == date) & (df['Product'] == 'apple')]['Sales'].values[0]
print(last_apple_sales)  # 输出：10.2

方法2：正确使用np.where #

np.where返回满足条件的所有值数组，取第一个元素即可（需确保条件唯一匹配）：

last_apple_sales = np.where((df['Date'] == date) & (df['Product'] == 'apple'), df['Sales'], np.nan)[0]
print(last_apple_sales)  # 输出：10.2

方法3：用df.loc精准定位 #

可读性更强的定位方式，直接指定行条件和目标列：

last_apple_sales = df.loc[(df['Date'] == date) & (df['Product'] == 'apple'), 'Sales'].iloc[0]
print(last_apple_sales)  # 输出：10.2

注意事项 #

• 若条件可能匹配多行数据，需额外处理（如取平均值、最大值），以上示例默认条件唯一匹配。
• 日期转换时format参数需与数据格式对应，若为其他格式需调整（如%Y/%m/%d对应年/月/日）。

内容的提问来源于stack exchange，提问作者AM12