如何基于Name列条件生成Pandas新Year列？

原始数据 #

首先定义原始DataFrame：

import pandas as pd
from pandas import Timestamp

df = pd.DataFrame({
    'Year': {0: 2018, 1: 2019, 2: 2020, 3: 2020, 4: 2021},
    'IndexDate': {0: pd.NaT, 1: Timestamp('2019-01-09 00:00:00'), 2: Timestamp('2020-11-27 00:00:00'), 3: pd.NaT, 4: pd.NaT},
    'WorkDate': {0: Timestamp('2018-12-12 00:00:00'), 1: Timestamp('2019-01-09 00:00:00'), 2: Timestamp('2020-11-27 00:00:00'), 3: Timestamp('2020-11-27 00:00:00'), 4: Timestamp('2021-01-19 00:00:00')},
    'ID': {0: 9265299, 1: 9265299, 2: 9962241, 3: 9962241, 4: 9962241},
    'Name': {0: 'FV', 1: 'OM', 2: 'PM', 3: 'Other', 4: 'Other'}
})

数据类型：

df.dtypes
# 输出：
# Year                  int64
# IndexDate    datetime64[ns]
# WorkDate     datetime64[ns]
# ID                    int64
# Name                 object
# dtype: object

更新规则 #

需要更新Year列，规则如下：

• 当Name为OM或PM时，保留原Year值；
• 当Name为FV或Other时，替换为该ID对应的IndexDate的年份（每个ID对应唯一有效IndexDate）。

解决方案 #

步骤1：构建ID与IndexDate年份的映射 #

先提取每个ID对应的有效IndexDate年份：

# 过滤出有有效IndexDate的行，构建ID到年份的字典
id_index_year = df.dropna(subset=['IndexDate']).set_index('ID')['IndexDate'].dt.year.to_dict()

步骤2：按规则更新Year列 #

使用np.where高效完成条件替换：

import numpy as np

df['Year'] = np.where(
    df['Name'].isin(['FV', 'Other']),  # 判断是否需要替换的条件
    df['ID'].map(id_index_year),       # 替换后的值：通过ID映射得到对应年份
    df['Year']                         # 不满足条件时保留原Year值
)

最终结果 #

执行后得到目标DataFrame：

print(df)
# 输出：
#    Year IndexDate   WorkDate       ID   Name
# 0  2019       NaT 2018-12-12  9265299     FV
# 1  2019 2019-01-09 2019-01-09  9265299     OM
# 2  2020 2020-11-27 2020-11-27  9962241     PM
# 3  2020       NaT 2020-11-27  9962241  Other
# 4  2020       NaT 2021-01-19  9962241  Other

内容的提问来源于stack exchange，提问作者Shichimi