如何在Pandas中提取数据库有但工人未掌握的工人-技能对

数据预处理说明 #

先统一表的结构（若你的表是宽格式，需转成标准长格式）：

• 技能数据库表：最终转为单技能列的长表，包含所有技能的唯一值
• 工人技能配对表：保持工人+技能的长表结构，每行记录一个工人掌握的一项技能

代码实现（Pandas） #

import pandas as pd

# 替换为你的实际数据
# 技能数据库表（示例宽表转长表）
skills_wide = pd.DataFrame({
    'skill1': ['Python'],
    'skill2': ['SQL'],
    'skill3': ['Java'],
    'skill4': ['Excel']
})
all_skills = skills_wide.melt(value_name='skill')['skill'].drop_duplicates()

# 工人已掌握技能表（示例）
worker_skills = pd.DataFrame({
    'worker': ['worker1', 'worker1', 'worker2', 'worker3'],
    'skill': ['Python', 'SQL', 'Java', 'Excel']
})

# 生成所有工人-技能的全量配对
all_workers = worker_skills['worker'].drop_duplicates()
all_possible_pairs = pd.merge(all_workers, all_skills, how='cross')

# 筛选未掌握的技能
unmastered = all_possible_pairs.merge(
    worker_skills,
    on=['worker', 'skill'],
    how='left',
    indicator=True
).query("_merge == 'left_only'").drop(columns='_merge')

print(unmastered)

核心逻辑 #

• 用melt转换宽格式技能表，确保所有技能集中在同一列，避免分散处理的误差
• how='cross'生成笛卡尔积，得到所有工人与所有技能的组合，从根源上避免漏项
• 左连接后通过_merge标识筛选未匹配项，完全解决重复问题，无论工人数量多少都能稳定运行

内容的提问来源于stack exchange，提问作者A Sm