You need to enable JavaScript to run this app. pandas DataFrame中为每行最后一个非空季节日期添加6个月
优惠活动
大模型
产品
解决方案
定价
更多

pandas DataFrame中为每行最后一个非空季节日期添加6个月

实现方案

核心逻辑

需求本质是逐行定位时间顺序上最后一个非空的季节日期,仅对该位置的日期值增加6个月偏移,其余列的原始值保持不变。
实现时要注意两个细节:

  • 题目示例中的6个月是按自然月对齐的(比如2020-12-31加6个月得到2021-06-30,而非硬算182天的时间差),需要用pandas专门的月份偏移方法处理,避免月末日期错位
  • 所有季节列按S1、S2、S3的先后顺序从左到右排列,直接借助Series自带的last_valid_index()方法即可快速定位最后一个非空值的位置,不需要手动逐格遍历判断

可直接复现的代码

1. 先构造和题目一致的测试DataFrame

import pandas as pd

# 复现题目示例输入
df = pd.DataFrame({
    "S1": ["2020-12-31"] * 4,
    "S2": [pd.NaT, pd.NaT, "2020-12-31", "2020-12-31"],
    "S3": [pd.NaT, pd.NaT, pd.NaT, "2021-01-31"]
})
# 统一转换为datetime格式
df = df.apply(pd.to_datetime)

2. 逐行处理的基础版本(适合中小规模数据)

for idx, row in df.iterrows():
    # 获取当前行最后一个非空值的列名
    target_col = row.last_valid_index()
    # 跳过整行都是空值的边界情况
    if target_col is None:
        continue
    # 给目标日期加6个月,自动适配月末边界
    df.loc[idx, target_col] = row[target_col] + pd.DateOffset(months=6)

运行后得到的输出和题目给出的期望结果完全一致:

S1         S2         S3
0 2021-06-30        NaT        NaT
1 2021-06-30        NaT        NaT
2 2020-12-31 2021-06-30        NaT
3 2020-12-31 2020-12-31 2021-07-31

3. 向量化优化版本(适合十万行以上的大尺寸数据)

逐行循环在数据量较大时效率偏低,可以用列索引定位的方式减少循环开销:

# 生成非空值的布尔掩码
valid_mask = df.notna()
# 从右往左取每行第一个非空的列名,即最后一个有效列
last_valid_cols = valid_mask.loc[:, ::-1].idxmax(axis=1)
# 批量计算偏移后的新日期
new_values = df.apply(lambda r: r[r.last_valid_index()] + pd.DateOffset(months=6), axis=1)
# 回填新值到对应位置
for idx, col in last_valid_cols.items():
    df.loc[idx, col] = new_values.loc[idx]

常见踩坑提醒

  • 不要用pd.Timedelta(days=182)硬加天数:这种方式不会对齐自然月,遇到大小月、闰年的场景很容易出现日期错位,和题目示例的输出逻辑不匹配
  • 确保季节列是按时间先后从左到右排列的,如果列顺序打乱,last_valid_index()返回的位置就不是时间上最晚的季节日期
  • 必须加整行空值的判断,否则遇到全NaT的行时代码会抛出索引错误

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

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.18 12:06:04