Pandas聚合员工休假数据时日期格式异常及多类型统计方案

问题根源 #

• 原代码中str(group["date"])会将整个date Series转为带元数据的字符串（例如0 2024-01-01\n1 2024-01-02\nName: date, dtype: datetime64[ns]），导致holiday_date出现重复内容和格式异常。
• 使用group["date"].values时，datetime64类型与空字符串str()无法兼容，触发类型不匹配错误。

解决方案：自定义聚合函数实现精准统计 #

直接针对每种休假状态筛选对应日期并格式化，避免类型冲突，同时生成清晰的统计结果：

1. 确保日期列格式正确

import pandas as pd

# 若date列未转为datetime类型，先执行转换
df['date'] = pd.to_datetime(df['date'])

2. 定义聚合函数处理三种休假类型

def agg_leave_details(group):
    # 提取并格式化假期（H）的日期
    holiday_dates = group[group['status'] == 'H']['date'].dt.strftime('%Y-%m-%d').tolist()
    # 提取并格式化事假（*AL）的日期
    leave_dates = group[group['status'] == '*AL']['date'].dt.strftime('%Y-%m-%d').tolist()
    # 提取并格式化病假（*SL）的日期
    sick_dates = group[group['status'] == '*SL']['date'].dt.strftime('%Y-%m-%d').tolist()
    
    return pd.Series({
        'holiday_count': len(holiday_dates),
        'holiday_dates': ', '.join(holiday_dates) if holiday_dates else '',
        'leave_count': len(leave_dates),
        'leave_dates': ', '.join(leave_dates) if leave_dates else '',
        'sick_leave_count': len(sick_dates),
        'sick_leave_dates': ', '.join(sick_dates) if sick_dates else ''
    })

3. 分组统计并重置索引

result_df = df.groupby(['emp_code', 'emp_name']).apply(agg_leave_details).reset_index()

4. 导出结果到Excel

result_df.to_excel('员工休假统计.xlsx', index=False)

备选方案：使用PivotTable模块化处理 #

如果需要更模块化的实现，可以拆分计数和日期拼接逻辑：

# 先格式化日期为字符串
df['formatted_date'] = df['date'].dt.strftime('%Y-%m-%d')

# 统计各类型休假天数
count_table = df.pivot_table(
    index=['emp_code', 'emp_name'],
    columns='status',
    values='date',
    aggfunc='count',
    fill_value=0
).rename(columns={
    'H': 'holiday_count',
    '*AL': 'leave_count',
    '*SL': 'sick_leave_count'
})

# 拼接各类型休假日期
date_table = df.pivot_table(
    index=['emp_code', 'emp_name'],
    columns='status',
    values='formatted_date',
    aggfunc=lambda x: ', '.join(x) if x.size > 0 else '',
    fill_value=''
).rename(columns={
    'H': 'holiday_dates',
    '*AL': 'leave_dates',
    '*SL': 'sick_leave_dates'
})

# 合并结果
result_df = pd.concat([count_table, date_table], axis=1).reset_index()

内容的提问来源于stack exchange，提问作者Redgrave