Python处理节假日日期计算时如何减少冗余if条件判断

通过星期偏移规则映射表可以完全消除冗余的if/elif分支，同时原逐行遍历DataFrame的写法效率很低，推荐直接用pandas原生的向量化日期运算，性能和可维护性都会提升很多。

首先梳理原代码中每个星期对应的偏移规则（weekday()返回值0为周一、6为周日），统一存在字典中维护，不需要写分支判断：

注：原代码周六分支存在笔误：定义变量为pre，计算preWeek时误用preDay会触发变量未定义错误，以下实现已修复该问题。

实现1：保留原有列表生成逻辑（最小改动） #

只替换分支判断部分，原有代码结构不变：

import datetime

PreList = []
DuringList = []
PostList = []

# 偏移规则映射表，格式：(节前天数偏移, 节后天数偏移, 节后周偏移系数：-1为减6周，1为加6周)
weekday_offset = {
    0: (-3, 1, -1),
    1: (-1, 1, 1),
    2: (-1, 1, 1),
    3: (-1, 1, 1),
    4: (-1, 3, -1),
    5: (-1, 2, -1),
    6: (-2, 1, 1)
}

for i in range(len(df)):
    cur_date = df.date[i]
    pre_d, post_d, post_sign = weekday_offset[cur_date.weekday()]
    
    pre_week = cur_date + datetime.timedelta(days=pre_d, weeks=-6)
    during = cur_date
    post_week = cur_date + datetime.timedelta(days=post_d, weeks=6*post_sign)
    
    PreList.append(pre_week)
    DuringList.append(during)
    PostList.append(post_week)

# 直接赋值为df新列即可
df['pre_date'] = PreList
df['during_date'] = DuringList
df['post_date'] = PostList

实现2：pandas向量化实现（推荐，性能最优） #

不需要写任何循环，利用pandas原生日期运算处理，数据量越大性能优势越明显：

import pandas as pd

# 先确保日期列是datetime格式
df['date'] = pd.to_datetime(df['date'])

weekday_offset = {
    0: (-3, 1, -1),
    1: (-1, 1, 1),
    2: (-1, 1, 1),
    3: (-1, 1, 1),
    4: (-1, 3, -1),
    5: (-1, 2, -1),
    6: (-2, 1, 1)
}

# 批量匹配每个日期对应的偏移参数
offset_params = df['date'].dt.weekday.map(weekday_offset).apply(pd.Series)
offset_params.columns = ['pre_off', 'post_off', 'post_sign']

# 向量化计算所有日期
df['during_date'] = df['date']
df['pre_date'] = df['date'] + pd.to_timedelta(offset_params['pre_off'], unit='d') - pd.Timedelta(weeks=6)
df['post_date'] = df['date'] + pd.to_timedelta(offset_params['post_off'], unit='d') + pd.Timedelta(weeks=6) * offset_params['post_sign']

优化点说明 #

• 所有规则统一在映射字典中维护，后续要调整偏移天数/方向只需要改字典值，不需要修改业务逻辑代码
• 完全消除冗余分支，代码行数减少近60%，没有重复的append、timedelta调用
• 修复了原代码的变量名笔误
• 向量化实现比逐行循环快1~2个数量级，适合处理大规模节假日数据

内容的提问来源于stack exchange，提问作者user131638