Pythonで、複数の日付とデータのセットから、最も古いデータを抽出する方法

Question

前提・実現したいこと

行毎に最も古いデータを抽出したいと考えています。

元データフレーム(df)
||A_日付|A_データ|B_日付|B_データ|C_日付|C_データ|
|:--|:--:|--:|
|
|0|1/1 11:11:11|10|1/3 12:12:12|5|NaT|NaN|
|1|NaT|NaN|NaT|NaN|1/1 10:10:10|100|
|2|1/10 10:10:15|5|1/8 12:12:15|5|1/10 03:10:10|5|

　
処理後のデータフレームのイメージ
||A_日付|A_データ|B_日付|B_データ|C_日付|C_データ|選択日付|抽出データ|
|:--|:--:|--:|
|
|0|1/1 11:11:11|7|1/3 12:12:12|5|NaT|NaN|1/1 11:11:11|7|
|1|NaT|NaN|NaT|NaN|1/1 10:10:10|3|1/1 10:10:10|3|
|2|1/10 10:10:15|5|1/8 12:12:15|2|1/10 03:10:10|8|1/8 12:12:15|2|

0行目は、Aが1/1で最も古いので、そのデータ「7」を抽出
1行目は、Cのみにデータがあり、そのデータ「3」を抽出
2行目は、Bが1/8で最も古いので、そのデータ「2」を抽出

発生している問題・エラーメッセージ

A_日付、B_日付、C_日付から最も古い日付を抽出する為に、min関数で処理しようと考えましたが、NaTが含まれると、NaTが選択されてしまいます。

該当のソースコード

NaTが含まれない場合は、下記の記述でイメージするテーブルが作成できました。

def func(row):
    return min(row['A_日付'], row['B_日付'], row['C_日付'])

df['選択日付'] = df.apply(func, axis=1)

df.loc[df['A_日付'] == df['選択日付'], '抽出データ'] = df['A_データ']
df.loc[df['B_日付'] == df['選択日付'], '抽出データ'] = df['B_データ']
df.loc[df['C_日付'] == df['選択日付'], '抽出データ'] = df['C_データ']

試したこと

min関数の中に skipna=True を入れると、下記のエラーとなりました。
TypeError: 'skipna' is an invalid keyword argument for min()

お手数ですが、対処方法をご教示頂けると幸いです。

Comments

[kirara0048]

データフレームの各列のデータ型（`df.dtypes`）を教えていただけますか。

[nao1]

対応頂きありがとうございます。　下記の通りです。
A_日付　　datetime64[ns]
A_データ　　float64
B_日付　　datetime64[ns]
B_データ　　float64
C_日付　　datetime64[ns]
C_データ　　float64
dtype: object

Answer 1

方法は２通りあります。

方法１　funcという関数の中でNaTを除外した最小値を返すような処理をする。
方法２　データフレームのNaTを遠い未来の日付に変更してから処理する。

元のデータを壊したくないなら、方法１ですね。
以下のコードで大丈夫だと思います。

def func(row):
    s = set((row['A_日付'], row['B_日付'], row['C_日付'], pd.NaT))
    s.remove(pd.NaT)
    return min(s)

Comments

[nao1]

ppaulさん、ご回答ありがとうございました。
イメージした通りに動作しました。
ベストアンサーにさせて頂きます。