如何为DataFrame每行依次以各列为目标值获取符合条件的最大值

首先看你代码里的核心问题：

1. 逻辑错误：你在循环每一列时，只要遇到一个不小于date1的值，就直接把max设为date1，这会覆盖之前找到的符合条件的最大值。比如AA行的所有其他日期都小于date1，理论上不会触发else分支，但如果你的日期是字符串类型而非datetime，可能会出现比较逻辑错误；另外，你初始max设为2011-1-1，如果日期是字符串格式，和datetime对象比较会直接报错。

2. 语法问题：if row[i] < row['date1']后面缺少冒号，这会导致代码无法正常运行，可能你实际运行时修改了但没写出来？

修正步骤 #

第一步：确保日期列是datetime类型

字符串格式的日期比较会有bug（比如'2019-10-1'作为字符串会比'2019-2-3'小，因为第一个不同字符是1 vs 2），所以先统一转换类型：

df[['date1','date2','date3','date4','date5','date6']] = df[['date1','date2','date3','date4','date5','date6']].apply(pd.to_datetime)

第二步：修正单个target（date1）的代码

我们需要先收集所有小于目标值的日期，再取最大值；如果没有符合条件的日期（即目标值是该行最小值），才返回目标值本身：

date1temp = []
for index, row in df.iterrows():
    target = row['date1']
    # 获取除date1外的所有日期列
    other_dates = row[['date2','date3','date4','date5','date6']]
    # 筛选小于target的日期
    smaller_dates = other_dates[other_dates < target]
    if not smaller_dates.empty:
        max_val = smaller_dates.max()
    else:
        max_val = target
    date1temp.append((index, max_val, target))

cols = ['index','max','target']
result = pd.DataFrame(date1temp, columns=cols)

运行这段代码就能得到你期望的输出：

index        max      target
0    AA 2019-05-21 2019-08-01
1    BB 2019-03-12 2019-03-12
2    CC 2019-01-07 2019-01-11

第三步：扩展到所有date1-date6列

如果需要处理所有6个日期列作为target的情况，不用重复写代码，可以封装成函数并应用到每行：

def get_max_less_than_target(row):
    result_rows = []
    date_columns = ['date1','date2','date3','date4','date5','date6']
    for target_col in date_columns:
        target_val = row[target_col]
        # 获取当前target列之外的所有日期列
        other_cols = [col for col in date_columns if col != target_col]
        other_vals = row[other_cols]
        # 筛选小于目标值的项
        filtered = other_vals[other_vals < target_val]
        if not filtered.empty:
            max_less = filtered.max()
        else:
            max_less = target_val
        result_rows.append({
            'index': row.name,
            'target_column': target_col,
            'target_value': target_val,
            'max_less_than_target': max_less
        })
    return pd.DataFrame(result_rows)

# 应用到每行并合并结果
final_output = df.apply(get_max_less_than_target, axis=1).concat()

这样就能一次性得到所有列作为target的结果啦。

内容的提问来源于stack exchange，提问作者Annie