pandas调用idxmax获取每行最新日期列名触发TypeError问题

列中同时存在整数0和datetime类型值时，即使手动转换过日期类型，整列dtype会被强制转为object类型，idxmax依赖的argmax归约运算不支持object混合类型，因此触发报错。

不需要删除无效行，通过统一类型+空值填充的逻辑即可实现需求，代码如下：

import pandas as pd

# 指定要计算的目标列
target_cols = ['A', 'B', 'C']
# 将列中数值0替换为datetime类型的标准缺失值NaT，统一列类型为datetime64
df[target_cols] = df[target_cols].replace(0, pd.NaT)
# 逐行取最晚日期对应列名，全缺失（原全0行）的结果填充为0
df['Result'] = df[target_cols].idxmax(axis=1).fillna(0)

逻辑说明 #

• 替换0为pd.NaT后，三列类型统一为pandas支持的datetime类型，idxmax可正常运行，不会触发类型错误
• pd.NaT在日期比较时会被自动忽略，不会影响最大值判断
• 原全0行替换后所有值为NaT，idxmax会默认返回NaN，最终通过fillna(0)统一赋值为要求的0，不会改动原数据集其他行和列的数据，适配大数据集场景

效果验证测试样例
原始测试数据：

A	B	C
2024-01-01 00:00:00	2024-03-15 00:00:00	0
0	0	0
2024-05-20 00:00:00	2024-02-10 00:00:00	2024-06-01 00:00:00

运行代码后Result列输出：

0    B
1    0
2    C

完全匹配需求。

内容的提问来源于stack exchange，提问作者lakadibo