Python pandas DataFrame如何根据行条件匹配符合要求的日期列名

核心逻辑说明 #

所有计算先过滤掉排名为0的无效值，仅基于1-100之间的有效值处理：

• 对应需求1：按日期从早到晚（列从左到右）取第一个有效值对应的日期，作为first_date_rank
• 对应需求2：按日期从晚到早（列从右到左）取第一个有效值对应的日期，作为last_date_rank
• 对应需求3：取所有有效值的最小值为最优排名best_rank，该排名第一次出现的日期为best_latest_date_rank

完整可运行代码 #

import pandas as pd

# 构造示例数据
d = {'ID': ["id1","id2"], '26-01-2021': [0, 15],'01-02-2021': [12, 17],'01-03-2021': [58, 17]}
df = pd.DataFrame(data=d)
date_cols = df.columns.drop('ID').tolist()

def process_row(row):
    date_vals = row[date_cols]
    # 过滤无效0值，保留（日期, 排名）的有序对，顺序和列顺序一致（从早到晚）
    valid_items = [(dt, val) for dt, val in zip(date_cols, date_vals) if val != 0]
    # 计算第一个有效日期
    first_date = valid_items[0][0]
    # 计算最后一个有效日期
    last_date = valid_items[-1][0]
    # 计算最优排名和对应首次出现日期
    best_rank = min([item[1] for item in valid_items])
    best_date = next(item[0] for item in valid_items if item[1] == best_rank)
    return pd.Series([first_date, last_date, best_date, best_rank])

# 新增结果列
df[['first_date_rank', 'last_date_rank', 'best_latest_date_rank', 'best_rank']] = df.apply(process_row, axis=1)
print(df)

输出验证 #

ID  26-01-2021  01-02-2021  ... best_latest_date_rank best_rank
0  id1           0          12  ...            01-02-2021        12
1  id2          15          17  ...            26-01-2021        15
[2 rows x 8 columns]

内容的提问来源于stack exchange，提问作者vish community