Pandas 基于条件列与分组计算顺序行日期间隔

• apply调用逻辑错误：pandas的apply方法要求传入可调用的函数对象，原代码中df.apply(func(df['offer_req_type'], df['or_date']))的写法是立即执行func函数，将函数的返回结果作为参数传给apply，pandas无法识别这个无名称的返回对象作为合法的可调用函数，因此抛出SpecificationError。
• 业务逻辑缺失：即便修正调用方式，原代码没有按公寓编号拆分计算范围，全局循环时会跨公寓累计报价日期，把不同公寓的报价、请求数据混算；同时函数中对报价行返回-1的处理，和样例中报价行间隔为0的规则不匹配，结果不符合预期。

相比逐行循环的自定义函数，向量化的ffill（向前填充）方案效率更高，逻辑也完全匹配业务规则，步骤如下：

1. 首先将文本格式的日期列转为pandas datetime类型：

   import pandas as pd
   # 转换日期格式
   df['or_date'] = pd.to_datetime(df['or_date'])
   

2. 构造临时列，仅保留所有报价行的日期，请求行的临时值为空：

   df['recent_offer_date'] = df.loc[df['offer_req_type'] == 'offer', 'or_date']
   

3. 按公寓编号分组，在每个公寓的已排序数据中，将最近一次报价的日期向前填充到后续所有行，直到遇到下一次报价才更新值：

   df['recent_offer_date'] = df.groupby('apartment')['recent_offer_date'].ffill()
   

4. 计算日期差，生成目标列：

   # 报价行自身的差值为0，首次报价前的请求行因无匹配报价日期自动得到空值，对应样例中的n/a
   df['days_since_offer'] = (df['or_date'] - df['recent_offer_date']).dt.days
   

• 之前使用df.groupby('offer_req_type').or_date.diff().dt.days的逻辑是按请求、报价类型分组计算相邻行差值，和业务要求的「按公寓追踪最近报价位置」完全不匹配，因此结果必然错误。
• 单纯用shift方法无法适配的核心原因是：shift是固定偏移固定行数，遇到连续多笔请求时，只能拿到上一行的日期，无法跳过中间的请求行、定位到真正的上一次报价日期；配合ffill的向前填充逻辑，就能跳过连续请求行，一直沿用最近的报价日期，直到遇到新的报价再更新。

如果需要沿用原有自定义函数的逻辑，需要将其改造为适配groupby apply的形式，按每个公寓组单独计算，参考写法：

def calc_group_lapse(group):
    offer_dt = None
    lapse_list = []
    for _, row in group.iterrows():
        if row['offer_req_type'] == 'offer':
            offer_dt = row['or_date']
            lapse_list.append(0)
        else:
            # 首次报价前的请求行标记为空，对应n/a
            lapse_list.append((row['or_date'] - offer_dt).days if offer_dt else None)
    group['days_since_offer'] = lapse_list
    return group
# 按公寓分组应用计算，关闭group_keys避免多余层级
df = df.groupby('apartment', group_keys=False).apply(calc_group_lapse)

这个写法的计算结果和向量化ffill方案一致，但数据量大时循环效率会显著低于向量化操作。

内容的提问来源于stack exchange，提问作者KLANGE