我有一个包含许多日期的表（有些日期是 NaN），我需要找到最旧的日期，所以一行可能有 DATE_MODIFIED、WIDDRAWN_DATE、SOLD_DATE、STATUS_DATE 等。
因此，对于每一行，一个或多个字段中都会有一个日期，我想找到其中最旧的字段并在数据框中创建一个新列。
像这样，如果我只做一个，例如 DATE MODIFIED 我得到一个结果但是当我添加第二个如下
table['END_DATE']=min([table['DATE_MODIFIED']],[table['SOLD_DATE']])
我得到：
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
就此而言，假设我最初创建正确的日期列，这个构造是否可以找到最小日期？
只需min沿轴 = 1 应用该函数。
In [1]: import pandas as pd
In [2]: df = pd.read_csv('test.cvs', parse_dates=['d1', 'd2', 'd3'])
In [3]: df.ix[2, 'd1'] = None
In [4]: df.ix[1, 'd2'] = None
In [5]: df.ix[4, 'd3'] = None
In [6]: df
Out[6]:
d1 d2 d3
0 2013-02-07 00:00:00 2013-03-08 00:00:00 2013-05-21 00:00:00
1 2013-02-07 00:00:00 NaT 2013-05-21 00:00:00
2 NaT 2013-03-02 00:00:00 2013-05-21 00:00:00
3 2013-02-04 00:00:00 2013-03-08 00:00:00 2013-01-04 00:00:00
4 2013-02-01 00:00:00 2013-03-06 00:00:00 NaT
In [7]: df.min(axis=1)
Out[7]:
0 2013-02-07 00:00:00
1 2013-02-07 00:00:00
2 2013-03-02 00:00:00
3 2013-01-04 00:00:00
4 2013-02-01 00:00:00
dtype: datetime64[ns]
如果table是您的 DataFrame，则min在相关列上使用其方法：
table['END_DATE'] = table[['DATE_MODIFIED','SOLD_DATE']].min(axis=1)
与 Felix Zumstein 的略有不同
table['END_DATE'] = table[['DATE_MODIFIED','SOLD_DATE']].min(axis=1).astype('datetime64[ns]')
astype('datetime64[ns]')在当前版本的 pandas（2015 年 7 月）中，这是必要的，以避免获取float64日期的表示。