Создание даты начала и окончания – Python

Вы можете использовать groupby и transform("min"), чтобы получить Start Date, и loc, чтобы получить End Date:

df["Start Date"] = df.groupby(["ID", "SUB ID"])["Extraction Date"].transform("min")
df.loc[df["Condition met (Y/N)"] == "Y", "End Date"] = df["Extraction Date"]

   ID SUB ID Extraction Date Condition met (Y/N) Start Date   End Date
0   1      x      2023-01-02                   N 2023-01-02        NaT
1   1      y      2023-01-02                   N 2023-01-02        NaT
2   1      x      2023-02-15                   N 2023-01-02        NaT
3   2      v      2023-02-15                   N 2023-02-15        NaT
4   2      z      2023-02-15                   N 2023-02-15        NaT
5   1      x      2023-03-15                   Y 2023-01-02 2023-03-15
6   2      v      2023-03-15                   Y 2023-02-15 2023-03-15

Вы почти у цели, в идеале то, что вы хотите использовать groupby для "ID", "SUB ID", Extraction, затем используйте transform с min, что вы и сделали.

затем вы можете использовать max для извлечения последних дат.

Я следую предоставленному вами коду, все, что я сделал, это изменил его, чтобы вы могли сохранить уже имеющуюся у вас концепцию.

Вот фрагмент кода, используемый для создания вашего кода:

import pandas as pd

# Sample Data
data = {
    "ID": [1, 1, 1, 2, 2, 1, 2],
    "SUB ID": ["x", "y", "x", "v", "z", "x", "v"],
    "Extraction Date": [
        "2023-01-02",
        "2023-01-02",
        "2023-02-15",
        "2023-02-15",
        "2023-02-15",
        "2023-03-15",
        "2023-03-15",
    ],
    "Condition met (Y/N)": ["N", "N", "N", "N", "N", "Y", "Y"],
}

# Convert to DataFrame
df = pd.DataFrame(data)
df["Extraction Date"] = pd.to_datetime(df["Extraction Date"])

# Calculate Start Date
df["Start Date"] = df.groupby(["ID", "SUB ID"])["Extraction Date"].transform("min")

# Calculate End Date
# filter rows where the condition is 'Y'
condition_y_df = df[df["Condition met (Y/N)"] == "Y"]

# map latest extraction date with condition 'Y' to each group
end_dates = condition_y_df.groupby(["ID", "SUB ID"])["Extraction Date"].transform("max")

# create series with correct end dates
end_date_series = condition_y_df[["ID", "SUB ID", "Extraction Date"]].copy()
end_date_series["End Date"] = end_dates

# Merge original DataFrame
df = df.merge(
    end_date_series[["ID", "SUB ID", "Extraction Date", "End Date"]],
    on=["ID", "SUB ID", "Extraction Date"],
    how = "left",
)

# Fill NaT values with 'N/A'
df["End Date"] = df["End Date"].fillna("N/A")


print(df)

Результат:

   ID SUB ID Extraction Date Condition met (Y/N) Start Date             End Date
0   1      x      2023-01-02                   N 2023-01-02                  N/A
1   1      y      2023-01-02                   N 2023-01-02                  N/A
2   1      x      2023-02-15                   N 2023-01-02                  N/A
3   2      v      2023-02-15                   N 2023-02-15                  N/A
4   2      z      2023-02-15                   N 2023-02-15                  N/A
5   1      x      2023-03-15                   Y 2023-01-02       2023-03-15
6   2      v      2023-03-15                   Y 2023-02-15       2023-03-15