Pandas如何基于动态更新的关联行计算甘特图任务起始日期

你的问题本质是多层依赖场景下，一次性向量化计算会读取未更新的上游数据，导致下游计算结果为空。以下两种是比df.iterrows()更优雅的实现方案：

方案1：循环迭代法（无额外依赖，适合小数据量场景） #

核心逻辑是每次只计算上游任务Date已就绪的行，逐层迭代直到所有Date计算完成，全程都是向量化操作，性能远高于逐行遍历：

# 你的初始化代码不变
import pandas as pd
import numpy as np

data_dict = dict(
    UUID= [1,2,3,4,5],
    Link= [None, None, 2, 3, None],
    Date= [10,11,None,None,14],
    Length= [1,1,1,1,1],
    # 兼容你提到的Offset字段，无偏移默认填0即可
    Offset= [0,0,0,0,0]
)

df = pd.DataFrame.from_dict(data_dict)
df = df.set_index('UUID')
mask = pd.notna(df['Link'])

# 迭代计算逻辑
while df['Date'].isna().any():
    # 筛选可更新的行：有依赖、上游Date非空、自身Date未计算
    linked_date_notna = df.loc[df['Link'], 'Date'].notna().values
    update_mask = mask & linked_date_notna & df['Date'].isna()
    
    if not update_mask.any():
        # 剩余未计算的为循环依赖或关联ID不存在，可自行加异常处理
        break
    
    # 向量化更新可计算的行
    links = df.loc[update_mask, 'Link']
    df.loc[update_mask, 'Date'] = (
        df.loc[links, 'Date'].values 
        + df.loc[links, 'Length'].values 
        + df.loc[update_mask, 'Offset'].values
    )

运行后输出的df完全符合预期：

方案2：拓扑排序法（适合大数据量/深依赖层级场景） #

甘特图的任务依赖是天然的有向无环图（DAG），可以先对依赖做拓扑排序，再按排序后的顺序依次计算每个任务的Date，全程只需要遍历一次所有任务：

import networkx as nx

# 构建依赖图
G = nx.DiGraph()
G.add_nodes_from(df.index)
# 加边：依赖的任务 -> 当前任务
for uuid, link in df['Link'].dropna().items():
    G.add_edge(link, uuid)

# 拓扑排序后按顺序计算
for uuid in nx.topological_sort(G):
    link = df.loc[uuid, 'Link']
    if pd.notna(link) and pd.isna(df.loc[uuid, 'Date']):
        df.loc[uuid, 'Date'] = (
            df.loc[link, 'Date'] 
            + df.loc[link, 'Length'] 
            + df.loc[uuid, 'Offset']
        )

内容的提问来源于stack exchange，提问作者speed12