Question

df

Employee Id    Manager ID
1                3
2                1
3                4
4                NULL
5                NULL
6                7
7                5  and so on

因此，4和5个emp id是CXO。继承制的预期输出：（经理在他之下的雇员）

Mgr Employees
1  2
2  None
3  1,2
4  3,1,2
5  7,6
6  None
7  6

例如4是3（级别1）的管理者，3是1（级别2）的管理者，1是2（级别3）的管理者。

任何人都可以帮忙。我知道使用SQL，但只想在熊猫中解决问题

Answer 1

我们可以使用networkx创建一个连接的DiGraph，其源为Manager ID，目标为Employee Id，然后在列表理解中使用nx.descendants从源获取所有可访问的节点：

import networkx as nx

G = nx.from_pandas_edgelist(
    df, 'Manager ID', 'Employee Id', create_using=nx.DiGraph())

s = [','.join(map(str, nx.descendants(G, i))) for i in df['Employee Id']]
d = pd.DataFrame({'Manager': df['Employee Id'].tolist(), 'Employee': s}).replace('', np.nan)

结果：

print(d)

   Manager Employee
0        1        2
1        2      NaN
2        3      1,2
3        4    1,2,3
4        5      6,7
5        6      NaN
6        7        6

Answer 2

良好的直接递归...可用于获取经理或员工

df = pd.read_csv(io.StringIO("""Employee Id    Manager ID
1                3
2                1
3                4
4                NULL
5                NULL
6                7
7                5"""), sep="\s\s+", engine="python")

def walk(df, id, f, r, prev=pd.Series(dtype="int64")):
    mgr = df.loc[df[f]==id,][r]
    if not mgr.isna().all():
        prev = walk(df, mgr.tolist()[0], f, r, prev)
    return pd.concat([mgr, prev])


df = df.assign(
    mgrs=lambda x: x["Employee Id"].apply(lambda e: (walk(x, e, "Employee Id", "Manager ID")
                                                     .dropna().astype("int64").tolist())),
    emps=lambda x: x["Employee Id"].apply(lambda e: (walk(x, e, "Manager ID", "Employee Id")
                                                     .dropna().astype("int64").tolist())),
)

输出

 Employee Id  Manager ID       mgrs       emps
           1         3.0     [3, 4]        [2]
           2         1.0  [1, 3, 4]         []
           3         4.0        [4]     [1, 2]
           4         NaN         []  [3, 1, 2]
           5         NaN         []     [7, 6]
           6         7.0     [7, 5]         []
           7         5.0        [5]        [6]

Python熊猫员工层次结构递归函数

2 个答案: