Question

我最近不得不编写代码，该代码返回在一个共同项目中在一起工作最多的一对员工。这是我想出的代码：

注意1：程序将空读取为“今天”

注意2：数据来自以下格式的.txt文件：

EmpID,ProjectID,DateFrom,DateTo
1,101,2014-11-01,2015-05-01
1,103,2013-11-01,2016-05-01
2,101,2013-12-06,2014-10-06
2,103,2014-06-05,2015-05-14
3,100,2016-03-01,2018-07-03
3,102,2015-06-04,2017-09-04
3,103,2015-06-04,2017-09-04
4,102,2013-11-13,2014-03-13
4,103,2016-02-14,2017-03-15
4,104,2014-10-01,2015-12-01
5,100,2013-03-07,2015-11-07
5,101,2015-07-09,2019-01-19
5,102,2014-03-15,NULL
6,101,2014-03-15,2014-03-16

我目前遇到的问题是，我必须修改/更改代码以返回工作时间最长的一对员工（不是在单个项目上，而是所有项目组合在一起）。我在适应当前代码方面遇到了麻烦，该代码可以很好地运行，而且我想知道是否应该从头开始做所有这些事情，但是我会花很多时间，但是我不这样做目前没有）。我很难获得在项目上一起工作过的员工的组合。

如果有人可以给我任何提示，我将不胜感激！谢谢！

编辑1：评论中的一个人提醒我说，重叠的日期应计算为例如：

人员A和B在整个六月期间从事两个项目。这意味着应将其计为30天（两个项目）的总常规工作，而不是将两个项目的时间加在一起，这将导致60天。

Answer 1

这是我可以想到的更简单的方法之一。

将时间跨度扩展为每个日期一行。
将所有Days合并到同一个项目中（以得到一起工作的人的所有组合）
删除同一天一起工作但有不同项目的重复人员。
只需查找每个工人配对中有多少行。

代码：

import pandas as pd
import numpy as np

def expand_period_daily(df, start, stop):
    # Allows it to work for one day spans. 
    df.loc[df[stop].notnull(), stop] = (df.loc[df[stop].notnull(), stop] 
                                        + pd.Timedelta(hours=1))

    real_span = df[[start, stop]].notnull().all(1)

    # Resample timespans to daily fields. 
    df['temp_id'] = range(len(df))
    dailydf = (df.loc[real_span, ['temp_id', start, stop]].set_index('temp_id').stack()
                 .reset_index(level=-1, drop=True).rename('period').to_frame())
    dailydf = (dailydf.groupby('temp_id').apply(lambda x: x.set_index('period')
                      .resample('d').asfreq()).reset_index())

    # Merge back other information
    dailydf = (dailydf.merge(df, on=['temp_id'])
                      .drop(columns=['temp_id', start, stop]))

    return dailydf

# Make dates, fill missings.
df[['DateFrom', 'DateTo']] = df[['DateFrom', 'DateTo']].apply(pd.to_datetime, errors='coerce')
df[['DateFrom', 'DateTo']] = df[['DateFrom', 'DateTo']].fillna(pd.to_datetime('today').normalize())

dailydf = expand_period_daily(df.copy(), start='DateFrom', stop='DateTo')

# Merge, remove rows of employee with him/herself.
m = (dailydf.merge(dailydf, on=['period', 'ProjectID'])
            .loc[lambda x: x.EmpID_x != x.EmpID_y])

# Ensure A-B and B-A are grouped the same
m[['EmpID_x', 'EmpID_y']] = np.sort(m[['EmpID_x', 'EmpID_y']].to_numpy(), axis=1)

# Remove duplicated projects on same date between employee pairs
m = m.drop_duplicates(['period', 'EmpID_x', 'EmpID_y'])

m.groupby(['EmpID_x', 'EmpID_y']).size().to_frame('Days_Together')

输出：

                 Days_Together
EmpID_x EmpID_y               
1       2                  344
        3                  333
        4                   78
2       6                    2
3       4                  396
        5                  824

测试用例

为了更清楚地说明其如何处理重叠部分以及如何组合不同的项目，下面是以下测试用例：

   EmpID  ProjectID   DateFrom     DateTo
0      1        101 2014-11-01 2014-11-15
1      1        103 2014-11-01 2014-11-15
2      1        105 2015-11-02 2015-11-03
3      2        101 2014-11-01 2014-11-15
4      2        103 2014-11-01 2014-11-15
5      2        105 2015-10-02 2015-11-05
6      3        101 2014-11-01 2014-11-15

2014年11月，员工1和2在两个项目上完全重叠15天。然后在2015年，他们在另一个项目上又再工作2天。1、2和3在单个项目上都一起工作15天。

运行此测试用例，我们获得：

                 Days_Together
EmpID_x EmpID_y               
1       2                   17
        3                   15
2       3                   15

一对长时间合作的员工-Python / Pandas

1 个答案:

代码：

输出：

测试用例