本文详解如何在pandas中根据多个条件（如市场类型为eex/ice且目标列为空）自动填充“月末最后一天”到指定列，并提供可直接运行的函数式与向量化方案。
在实际数据分析项目中，常需基于复合逻辑动态填充DataFrame中的缺失值。本例需求明确：对ValuedteTo列进行条件填充——仅当该列当前为空（NaN）且Market列为'EEX'或'ICE'时，将其设为Value Dte所在月份的最后一天；其余情况（如已有值或市场为'OTC'）则保留原值。
首先需确保日期列已正确解析为datetime64类型，否则后续日期运算将失败：
import pandas as pd from datetime import timedelta # 假设 df 已加载 df['Value Dte'] = pd.to_datetime(df['Value Dte']) df['ValuedteTo'] = pd.to_datetime(df['ValuedteTo'], errors='coerce') # 空字符串转为 NaT
关键在于准确计算月末日期。原代码中last_day_of_month函数存在两个问题：
- 输入参数误用（应传入row['Value Dte']而非df['valueDate_From_']）；
- 返回值未统一为date类型，导致与ValuedteTo列（datetime64）类型不兼容。
修正后的稳健实现如下：
def last_day_of_month(any_day):
"""输入任意日期，返回其所在月份最后一天（date对象）"""
if pd.isna(any_day):
return pd.NaT
next_month = any_day.replace(day=28) + timedelta(days=4)
return (next_month - timedelta(days=next_month.day)).date()
def fill_valuedteto(row):
"""按规则填充 ValuedteTo 列"""
if pd.isna(row['ValuedteTo']) and row['Market'] in ['EEX', 'ICE']:
return last_day_of_month(row['Value Dte'])
else:
return row['ValuedteTo']
df['ValuedteTo'] = df.apply(fill_valuedteto, axis=1)✅ 注意事项： pd.isna() 同时兼容 None、np.nan 和 pd.NaT，比 x is None 或 pd.isnull() 更鲁棒； 使用 row['Market'] in ['EEX', 'ICE'] 比多次 == 判断更简洁可扩展； 若需保持ValuedteTo列始终为datetime64类型（便于后续时间运算），可将last_day_of_month返回值改为pd.Timestamp(...)，或在赋值后统一转换：df['ValuedteTo'] = pd.to_datetime(df['ValuedteTo'])。
进阶建议：避免apply以提升性能
对于大数据集，推荐使用向量化操作替代apply：
mask = df['ValuedteTo'].isna() & df['Market'].isin(['EEX', 'ICE'])
df.loc[mask, 'ValuedteTo'] = (
df.loc[mask, 'Value Dte'] + pd.offsets.MonthEnd(0)
).dt.date # .dt.date 转为 date 类型；若需 datetime，省略 .date此方案利用pd.offsets.MonthEnd(0)直接获取月末，无需自定义函数，执行效率显著更高，且代码更简洁专业。
最终结果中，EEX/ICE行的空ValuedteTo将被精确填充为对应Value Dte的月末日期（如2024-03-01 → 2024-03-31），而OTC行及已有值保持不变——完全满足业务逻辑要求。
