如何使用diff()函数为人力资源分析识别Pandas中的薪资变化?

时间:2019-04-18 12:01:54

标签: python python-3.x pandas difference

鉴于人力资源员工的薪级和薪资数据集,我希望确定每个员工的薪资和薪资是否都发生了变化。

我能够使用.diff()pandas函数来执行此操作,但是当第二个雇员进来时,它将获取最后一个雇员数据,这不是我期望的。我希望对每个员工使用.diff()函数或其他方式。

这是到目前为止使用的代码。

import pandas as pd

# This is my Dataset
hr = pd.DataFrame({'Employee': ['100201', '100201', '100201', 
'100201', '100201', '100201','100299', '100299'],
                   'Month/Year': ['01.2018', '02.2018', '03.2018', 
'04.2018', '05.2018', '06.2018','01.2019', '02.2019'],
                   'Salary': [12175, 13000, 13000, 13125, 14000, 
14000, 20000, 21000],
                   'Grade': [1, 1, 2, 2, 2, 1, 3, 4],
                   'Position': [1, 1, 2, 2, 2, 2, 3, 4]})

hr

# This is how I check the diff from each month:
hr.set_index('Employee')
hr['Increase'] = hr['Salary'].diff(1)
hr['Grade Change'] = hr['Grade'].diff(1)
hr

# Finally just apply a lambda function
hr['Promotion'] = hr['Increase'].apply(lambda x: x > 0 )
hr['Grade Increase'] = hr['Grade Change'].apply(lambda x: x != 0 )
hr

如您在结果中所见:

Result

我能够理解员工100201的所有职等和薪资变动。但是,对于员工100299,代码从员工100299的索引5中提取了薪水14000,因此提到薪金有6000变动。实际上,员工100299仅在01.2019才加入,开始时的薪水为20000。在02.2019,薪水的变化是正确的。

我真正希望的是在数据集中有新员工时进行一次休息。

我是Python和Pandas的新手,所以这会有所帮助。预先感谢!

1 个答案:

答案 0 :(得分:1)

DataFrame.groupby与groupby 'Employee'一起使用:

hr[['Salary_increase', 'Grade_change']] = hr.groupby('Employee')[['Salary', 'Grade']].diff()
hr[['Promotion', 'Grade_increase']] =  hr[['Salary', 'Grade']].diff().gt(0)

[出]

  Employee Month/Year  Salary  Grade  Position  Salary_increase  Grade_change  \
0   100201    01.2018   12175      1         1              NaN           NaN   
1   100201    02.2018   13000      1         1            825.0           0.0   
2   100201    03.2018   13000      2         2              0.0           1.0   
3   100201    04.2018   13125      2         2            125.0           0.0   
4   100201    05.2018   14000      2         2            875.0           0.0   
5   100201    06.2018   14000      1         2              0.0          -1.0   
6   100299    01.2019   20000      3         3              NaN           NaN   
7   100299    02.2019   21000      4         4           1000.0           1.0   

   Promotion  Grade_increase  
0      False           False  
1       True           False  
2      False            True  
3       True           False  
4       True           False  
5      False           False  
6       True            True  
7       True            True