如何按规则将问卷DataFrame空缺随访日期替换为No answer和too early

需求说明 #

需处理1000+行的调研问卷日期数据，问卷共设基线（baseline）、30天、60天、90天四个阶段，以基线日期为参照校验30/60/90天的随访日期更新情况：对应列存在日期即为有效，超出对应天数填写也符合要求。空缺的NA值按以下两个规则替换：

• No answer：基线日期叠加对应天数（30/60/90天）后仍无填写日期，属于超期未填
• too early：基线日期叠加对应天数尚未到达，暂不满足填报条件

原始数据结构 #

期望处理结果 #

Python pandas实现代码 #

import pandas as pd
from datetime import timedelta

# 预处理：转换所有日期列为datetime格式
df['Baseline'] = pd.to_datetime(df['Baseline'])
for col in ['Dates_30d', 'Dates_60d', 'Dates_90d']:
    df[col] = pd.to_datetime(df[col], errors='coerce')

# 自定义统计截止日期，可根据实际业务时间调整
current_date = pd.to_datetime('2019-08-10')

# 定义NA值替换逻辑
def fill_na_status(row, days):
    # 已有日期直接返回格式化后的结果
    if pd.notna(row[f'Dates_{days}d']):
        return row[f'Dates_{days}d'].strftime('%Y-%m-%d')
    # 计算对应随访阶段的截止日期
    follow_deadline = row['Baseline'] + timedelta(days=days)
    return 'too early' if current_date < follow_deadline else 'No answer'

# 批量处理三个随访列
df['Dates_30d'] = df.apply(fill_na_status, axis=1, days=30)
df['Dates_60d'] = df.apply(fill_na_status, axis=1, days=60)
df['Dates_90d'] = df.apply(fill_na_status, axis=1, days=90)

上述逻辑处理1000+行数据耗时可忽略，调整current_date参数即可适配不同时间的统计需求。

内容的提问来源于stack exchange，提问作者Meli