如何按门店提取最近及次近DateTime，生成含NaN的新df

你可以用pandas的分组（groupby）结合聚合方法来实现，步骤如下：

1. 先确保「Date Time」列是datetime格式（避免字符串排序出错）：

import pandas as pd

# 原始数据
data = {
    'Store': [100, 100, 100, 101, 102],
    'Date Time': ['2022-03-24 19:04:00', '2022-05-05 10:29:00', '2022-07-29 11:58:00', '2022-03-15 08:56:00', '2022-04-15 10:21:00']
}
df = pd.DataFrame(data)

# 转换日期格式
df['Date Time'] = pd.to_datetime(df['Date Time'])

2. 按「Store」分组，分别提取每组的最近访问日期（最后一条记录）和次近访问日期（倒数第二条记录，没有则返回NaN）：

# 分组聚合
result_df = df.groupby('Store')['Date Time'].agg(
    Most_Recent_Visit_Date='last',
    Previous_Visit_Date=lambda x: x.nth(-2) if len(x)>=2 else pd.NA
).reset_index()

# 调整列顺序（和目标df一致）
result_df = result_df[['Store', 'Previous_Visit_Date', 'Most_Recent_Visit_Date']]

3. 运行后得到的result_df就是你要的目标格式：

补充说明 #

• 用groupby分组后，last()直接取每组排序后的最后一条（也就是最新日期）；
• lambda x: x.nth(-2) if len(x)>=2 else pd.NA用来判断组内记录数，有2条及以上就取倒数第二条，否则返回空值；
• 如果你已经提前按「Store」和「Date Time」排过序，那这个方法直接生效，不需要额外排序，因为groupby会保留原组内的顺序，或者你也可以在分组时先排序：df.sort_values(['Store', 'Date Time']).groupby('Store')['Date Time']...

内容的提问来源于stack exchange，提问作者Zane