Pandas如何高效实现类似Excel的累加逻辑求解项目最终活动结束日期

原方案性能问题 #

你现在用的逐行循环方案不是最高效的实现方式，核心问题在于：

• Pandas的loc逐行赋值属于标量操作，每一次赋值都有额外的索引匹配开销，当数据量超过千行时性能会出现明显下降
• 每次循环都重复计算np.ceil和pd.to_timedelta，存在大量冗余计算
• 若活动存在多个前驱依赖，原循环会出现赋值覆盖问题，无法正确取所有前驱的最晚结束时间作为当前活动的开始时间，计算结果会出错

性能更优的实现方案 #

优化核心思路是用Pandas原生的矢量操作替代逐行循环，按拓扑顺序处理活动依赖，一次性完成全量数据计算，具体实现步骤如下：

步骤1：统一预处理时长数据 #

先把所有活动的时长一次性向上取整并转为timedelta格式，避免循环内重复计算：

import pandas as pd
import numpy as np

# 提取所有活动时长列
duration_cols = [col for col in df.columns if col.startswith("Duration Act.")]
# 整列批量处理为天级timedelta
df[duration_cols] = df[duration_cols].apply(np.ceil).apply(pd.to_timedelta, unit="D")

步骤2：生成活动拓扑排序 #

基于依赖字典生成活动的拓扑序，保证所有前驱活动的处理顺序早于后继活动，避免依赖缺失：

from collections import deque

def topological_sort(path):
    # 构建入度表
    in_degree = {}
    all_nodes = set()
    for pre, posts in path.items():
        all_nodes.add(pre)
        for post in posts:
            all_nodes.add(post)
            in_degree[post] = in_degree.get(post, 0) + 1
    for node in all_nodes:
        if node not in in_degree:
            in_degree[node] = 0
    # 拓扑排序
    q = deque([node for node in in_degree if in_degree[node] == 0])
    topo_order = []
    while q:
        u = q.popleft()
        topo_order.append(u)
        for v in path.get(u, []):
            in_degree[v] -= 1
            if in_degree[v] == 0:
                q.append(v)
    return topo_order

topo_order = topological_sort(path)

步骤3：按拓扑序批量计算活动时间 #

直接对整列做矢量计算，多前驱的活动取所有前驱结束时间的最大值作为开始时间：

# 先算起始活动的结束时间
start_act = topo_order[0]
df[f"End Date {start_act}"] = df[f"Start Date {start_act}"] + df[f"Duration {start_act}"]

# 按拓扑序处理后续活动
for act in topo_order[1:]:
    # 收集当前活动的所有前驱
    pres = [pre for pre, posts in path.items() if act in posts]
    # 取所有前驱的最晚结束时间作为当前活动开始时间
    df[f"Start Date {act}"] = df[[f"End Date {pre}" for pre in pres]].max(axis=1)
    # 计算当前活动结束时间
    df[f"End Date {act}"] = df[f"Start Date {act}"] + df[f"Duration {act}"]

极限优化（不需要中间过程时使用） #

如果你只需要最终的项目结束时间，不需要存储所有中间活动的开始/结束日期，可以先预计算每个项目的关键路径（最长依赖路径）总时长，直接加上首个活动的开始时间即可，计算速度最快。

性能对比 #

假设你有10万行项目数据，原逐行方案的耗时通常在分钟级，优化后的矢量操作方案耗时可以控制在秒级，性能提升可达100倍以上。

内容的提问来源于stack exchange，提问作者Bricam