如何获取多列timestamp（时间戳）中的最小值？

嘿，这事儿用Python的pandas库就能轻松搞定，咱们一步步来：

步骤1：准备数据并转换时间格式 #

首先得把你的原始数据转换成pandas的DataFrame，并且把所有timestamp列转换成datetime类型——毕竟字符串没法直接比较时间大小嘛。

import pandas as pd

# 构建你的原始数据
data = {
    'Id': [136, 245, 257, 258, 480],
    'timestamp 1': ['2014-08-27 17:29:23', '2015-09-06 15:46:00', '2014-09-29 22:26:34', pd.NA, '2016-02-02 17:59:54'],
    'timestamp 2': ['2014-11-05 13:02:18', pd.NA, '2016-02-02 17:59:54', pd.NA, '2014-11-05 13:02:18'],
    'timestamp 3': ['2014-09-29 22:26:34', pd.NA, pd.NA, pd.NA, pd.NA]
}

df = pd.DataFrame(data)

# 将所有timestamp列转换为datetime类型
time_cols = [col for col in df.columns if 'timestamp' in col]
df[time_cols] = df[time_cols].apply(pd.to_datetime)

步骤2：计算每行的最小时间戳 #

用min(axis=1)方法就能对每行取最小值，pandas会自动忽略NaN值，完美符合你的需求：

# 计算每行最小时间戳
df['minimal'] = df[time_cols].min(axis=1)

# 提取需要的Id和minimal列
result = df[['Id', 'minimal']]

步骤3：查看结果 #

打印result就能得到你想要的输出：

print(result.to_string(index=False))

输出结果和你期望的完全一致：

Id minimal
136 2014-08-27 17:29:23
245 2015-09-06 15:46:00
257 2014-09-29 22:26:34
258 NaT
480 2014-11-05 13:02:18

（注：这里的NaT是pandas对缺失时间值的表示，和你示例里的NaN意思完全一样，要是想换成字符串NaN，可以加一行result['minimal'] = result['minimal'].astype(str).replace('NaT', 'NaN')）

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