Python 如何从数据帧的多个列中获取最接近今天的日期？

我需要两个

col

第一个显示最近的日期，第二个显示

col

d = {'col1': ["id1","id2"] 'Stage 1': [26-01-2021, 04-01-2021],'Stage 2': [27-01-2021, 02-10-2025]}
df = pd.DataFrame(data=d)
df

图像参考

实际的

要求

我试过了

date=datetime.date.today()
idx = plc.index[df[['Stage 1','Stage 2']].index.get_loc(date, 
    method='nearest')]

---

以下内容将帮助您实现目标：

首先将日期转换为

日期时间

，以便在比较操作中使用它们：

df['Stage 1'] = pd.to_datetime(df['Stage 1'])
df['Stage 2'] = pd.to_datetime(df['Stage 2'])

然后查找最近日期的位置，例如使用：

closest = np.argmin([abs(df['Stage 1'].dt.date - date), 
                     abs(df['Stage 2'].dt.date - date)], axis=1)

并使用这些位置获取列的名称。您可以在第一个新列

Requirement 1

df['Requirement 1'] = df.columns[-2:][closest]

然后，您可以使用

要求1

中的列名来获取最接近的原始日期：

df['Requirement 2'] = df.apply(lambda x: x[x['Requirement 1']].date(), axis=1)

我的输出如下所示：

  col1    Stage 1    Stage 2 Requirement 1 Requirement 2
0  id1 2021-01-26 2025-01-27       Stage 1    2021-01-26
1  id2 2025-04-01 2019-02-10       Stage 2    2019-02-10

---

以下内容将帮助您实现目标：

首先将日期转换为

日期时间

，以便在比较操作中使用它们：

df['Stage 1'] = pd.to_datetime(df['Stage 1'])
df['Stage 2'] = pd.to_datetime(df['Stage 2'])

然后查找最近日期的位置，例如使用：

closest = np.argmin([abs(df['Stage 1'].dt.date - date), 
                     abs(df['Stage 2'].dt.date - date)], axis=1)

并使用这些位置获取列的名称。您可以在第一个新列

Requirement 1

df['Requirement 1'] = df.columns[-2:][closest]

然后，您可以使用

要求1

中的列名来获取最接近的原始日期：

df['Requirement 2'] = df.apply(lambda x: x[x['Requirement 1']].date(), axis=1)

我的输出如下所示：

  col1    Stage 1    Stage 2 Requirement 1 Requirement 2
0  id1 2021-01-26 2025-01-27       Stage 1    2021-01-26
1  id2 2025-04-01 2019-02-10       Stage 2    2019-02-10

---

将日期转换为datetime后，可以将其传递给一个函数，该函数可以一次性填充两个新列：

import pandas 
import datetime
d = {'col1': ["id1","id2"], 'Stage 1': ['26-01-2021', '04-01-2021'],'Stage 2': ['27-01-2021', '02-10-2025']}
df = pd.DataFrame(data=d)

df['Stage 1'] = pd.to_datetime(df['Stage 1'], format='%d-%m-%Y')
df['Stage 2'] = pd.to_datetime(df['Stage 2'], format='%d-%m-%Y')
date=pd.to_datetime(datetime.date.today())

def get_date(row):
    date_range = row[['Stage 1', 'Stage 2']]
    closest_date_key = abs(date - date_range).argmin()
    closest_date = date_range[closest_date_key]
    column_name = date_range.keys()[closest_date_key]
    return pd.Series((closest_date, column_name))

df[['Requirement 1', 'Requirement 2']] = df.apply(lambda row:get_date(row), axis=1)

输出：

|    | col1   | Stage 1             | Stage 2             | Requirement 1       | Requirement 2   |
|---:|:-------|:--------------------|:--------------------|:--------------------|:----------------|
|  0 | id1    | 2021-01-26 00:00:00 | 2021-01-27 00:00:00 | 2021-01-27 00:00:00 | Stage 2         |
|  1 | id2    | 2021-01-04 00:00:00 | 2025-10-02 00:00:00 | 2021-01-04 00:00:00 | Stage 1         |

---

将日期转换为datetime后，可以将其传递给一个函数，该函数可以一次性填充两个新列：

import pandas 
import datetime
d = {'col1': ["id1","id2"], 'Stage 1': ['26-01-2021', '04-01-2021'],'Stage 2': ['27-01-2021', '02-10-2025']}
df = pd.DataFrame(data=d)

df['Stage 1'] = pd.to_datetime(df['Stage 1'], format='%d-%m-%Y')
df['Stage 2'] = pd.to_datetime(df['Stage 2'], format='%d-%m-%Y')
date=pd.to_datetime(datetime.date.today())

def get_date(row):
    date_range = row[['Stage 1', 'Stage 2']]
    closest_date_key = abs(date - date_range).argmin()
    closest_date = date_range[closest_date_key]
    column_name = date_range.keys()[closest_date_key]
    return pd.Series((closest_date, column_name))

df[['Requirement 1', 'Requirement 2']] = df.apply(lambda row:get_date(row), axis=1)

输出：

|    | col1   | Stage 1             | Stage 2             | Requirement 1       | Requirement 2   |
|---:|:-------|:--------------------|:--------------------|:--------------------|:----------------|
|  0 | id1    | 2021-01-26 00:00:00 | 2021-01-27 00:00:00 | 2021-01-27 00:00:00 | Stage 2         |
|  1 | id2    | 2021-01-04 00:00:00 | 2025-10-02 00:00:00 | 2021-01-04 00:00:00 | Stage 1         |

---

谢谢很快。仅“今天”应替换为“日期”。这真的很有帮助。你说得对-我更新了答案。请随意选择您问题的答案，并请选择您认为最有用的答案。谢谢。很快。仅“今天”应替换为“日期”。这真的很有帮助。你说得对-我更新了答案。请随意选择你问题的答案，并请选择你认为最有用的答案。