Pandas DataFrame多条件赋值问题：基于市场类型填充月末日期至目标列

嗨，我看了你的问题和尝试的代码，发现几个关键小问题，咱们一步步来解决它～

首先明确你的核心需求：

• 当Market列是EEX或ICE，或者ValuedteTo列是空值时，用Value Dte列对应日期的当月最后一天填充ValuedteTo
• 对于OTC且ValuedteTo已有值的行，保留原数值不变

先分析你代码里的问题 #

1. Lambda列引用错误：你在lambda里用了df['valueDate_From_']，但apply的lambda参数x是当前行对象，应该取当前行的日期（比如x['Value Dte']），而且要注意列名的大小写/命名一致性——你的DataFrame列名是Value Dte，代码里写的valueDate_From_会导致找不到列报错。
2. 日期类型未转换：如果Value Dte是字符串类型，last_day_of_month函数里的replace方法会直接报错，必须先把日期列转成datetime类型。
3. 条件覆盖不全：你只处理了Market为EEX/ICE的情况，没覆盖ValuedteTo为空的场景。

修正后的完整解决方案 #

步骤1：导入库并转换日期列类型

先把日期列转成datetime，避免字符串操作报错：

import pandas as pd
from datetime import datetime, timedelta

# 转换日期列，errors='coerce'把空值转成NaT（datetime类型的空值）
df['Value Dte'] = pd.to_datetime(df['Value Dte'])
df['ValuedteTo'] = pd.to_datetime(df['ValuedteTo'], errors='coerce')

步骤2：优化月末日期计算函数

你的函数逻辑没问题，加个空值处理更稳妥：

def last_day_of_month(any_day):
    # 处理传入空值的情况
    if pd.isna(any_day):
        return pd.NaT
    # 计算当月最后一天的逻辑保持不变
    next_month = any_day.replace(day=28) + timedelta(days=4)
    return next_month - timedelta(days=next_month.day)

步骤3：多条件赋值（修正版）

用apply结合lambda，同时覆盖两个触发条件：

df['ValuedteTo'] = df.apply(
    lambda x: last_day_of_month(x['Value Dte']) 
    if (x['Market'] in ['EEX', 'ICE'] or pd.isna(x['ValuedteTo']))
    else x['ValuedteTo'],
    axis=1
)

可选优化：矢量化操作（大数据量更快）

如果你的DataFrame数据量很大，apply效率偏低，可以用矢量化的np.where替代：

import numpy as np

# 先批量计算所有行的月末日期
df['temp_last_day'] = df['Value Dte'].apply(last_day_of_month)

# 多条件赋值
df['ValuedteTo'] = np.where(
    (df['Market'].isin(['EEX', 'ICE'])) | pd.isna(df['ValuedteTo']),
    df['temp_last_day'],
    df['ValuedteTo']
)

# 删除临时列
df.drop('temp_last_day', axis=1, inplace=True)

测试后的最终效果 #

处理后你的DataFrame会变成这样：

最后再提醒一句：一定要保证代码里的列名和你的DataFrame列名完全一致（包括大小写、空格），不然会出现KeyError哦～

备注：内容来源于stack exchange，提问作者Redfox