如何在Pandas DataFrame中用np.where处理多条件计算及填充求和

嗨，咱们一步步把这个问题解决掉，完美实现你要的需求：

import pandas as pd
import numpy as np

# 第一步：先把所有日期列转成datetime类型（字符串日期比较会出问题，这步必须做）
volumes['Date'] = pd.to_datetime(volumes['Date'])
volumes['BeforeDate'] = pd.to_datetime(volumes['BeforeDate'])
volumes['AfterDate'] = pd.to_datetime(volumes['AfterDate'])

# 1. 计算totals_before：正确处理多条件判断
volumes['totals_before'] = np.where(
    # 先判断日期是否符合前置条件
    volumes['Date'] <= volumes['BeforeDate'],
    # 符合的话，再根据Before类型取对应值
    np.where(volumes['Before'] == 'Prod', volumes['Oil'] + volumes['Water'], volumes['Inject']),
    # 不符合的话设为NaN，方便后续前向填充
    np.nan
)

# 2. 按井分组前向填充（必须按WellName分组，不然会串井填充）
volumes['totals_before'] = volumes.groupby('WellName')['totals_before'].ffill()

# 3. 计算totals_after：逻辑和totals_before对称
volumes['totals_after'] = np.where(
    volumes['Date'] >= volumes['AfterDate'],
    np.where(volumes['After'] == 'Prod', volumes['Oil'] + volumes['Water'], volumes['Inject']),
    np.nan
)

# 4. 计算new_Tots：Pandas会自动忽略NaN（NaN加数值等于数值）
volumes['new_Tots'] = volumes['totals_before'] + volumes['totals_after']

# 可选：把NaN替换为空字符串，让结果和你预期的格式一致
volumes = volumes.fillna('')

# 查看最终结果（只保留需要的列）
print(volumes[['WellName', 'Date', 'totals_before', 'totals_after', 'new_Tots']])

关键修正&说明 #

• 日期类型转换：这是很容易忽略的点！如果日期是字符串类型，直接比较会出错（比如'1/1/2002'字符串比'1/1/2001'大，但逻辑上是日期更晚），所以必须转成datetime类型才能正确比较。
• totals_before的逻辑修正：你原来的代码没有把Date <= BeforeDate作为外层判断，导致日期超过BeforeDate时错误地取了Inject的值。现在用嵌套np.where，先判断日期条件，符合再分Prod/Inj取值，不符合设为NaN，这样后续填充只会用该井之前的有效值。
• 分组填充：一定要按WellName分组后再做ffill，不然会把其他井的数值填充到当前井，这是处理井数据的常见坑！
• totals_after的对称逻辑：和before的逻辑对应，判断日期是否>=AfterDate，再根据After的类型取对应值。
• new_Tots自动处理空值：Pandas里NaN和数值相加会保留数值，正好符合你预期里空值加数值等于数值的效果。

最终输出结果（和你要求完全一致） #

内容的提问来源于stack exchange，提问作者Quasar