Pandas查找DataFrame起始日期后满足值条件的首条记录

确保时间字段为标准datetime类型，按时间升序排序后做双条件筛选取首条即可，逻辑完全匹配需求。

前置准备 #

不管Date是普通列还是索引，先统一做类型转换和排序，避免原始数据倒序导致结果错误：

import pandas as pd

# 如果Date是索引，执行下面的类型转换+排序
df.index = pd.to_datetime(df.index)
df_sorted = df.sort_index(ascending=True)

# 如果Date是普通列，把上面两行替换成下面两行
# df['Date'] = pd.to_datetime(df['Date'])
# df_sorted = df.sort_values('Date', ascending=True)

你提供的示例数据是日期从新到旧倒序排列的，不排序直接取首条会得到错误结果2022-06-24。

单组参数计算 #

对应你举的测试案例，参数为Start Date=2022-06-14、Start Value=927：

start_date = pd.to_datetime('2022-06-14')
start_value = 927

# 双条件过滤：日期严格晚于起始日期 + 数值大于等于起始值
filter_mask = (df_sorted.index > start_date) & (df_sorted['Value'] >= start_value)
# 取过滤后第一条的日期
first_recurrence = df_sorted[filter_mask].index[0]

print(first_recurrence)
# 输出：Timestamp('2022-06-23 00:00:00')，和预期结果完全一致

按规则不需要处理End Date参数，过滤逻辑里直接忽略即可。

批量参数表计算 #

如果你的多组范围参数存在独立的参数DataFrame中，可以直接逐行应用计算逻辑生成First recurrence列：

# 先把参数表的日期列转成datetime类型
param_df['Start Date'] = pd.to_datetime(param_df['Start Date'])

def calc_first_recur(row):
    s_date = row['Start Date']
    s_val = row['Start Value']
    mask = (df_sorted.index > s_date) & (df_sorted['Value'] >= s_val)
    return df_sorted[mask].index[0]

param_df['First recurrence'] = param_df.apply(calc_first_recur, axis=1)

常见问题说明 #

• 日期判断必须用>而非>=，符合「起始日期之后」的要求
• 之前出现过滤后长度不一致的问题，是因为没有先限定日期范围，把起始日期之前符合数值条件的记录也纳入了匹配范围
• 排序是必要步骤，否则取到的"第一条"是数据物理存储位置的首条，不是时间最早的匹配记录

内容的提问来源于stack exchange，提问作者Hamilton Filho