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。
答案 0 :(得分:2)
这是我可以想到的更简单的方法之一。
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')
Days_Together
EmpID_x EmpID_y
1 2 344
3 333
4 78
2 6 2
3 4 396
5 824
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