基于Pandas DataFrame实现员工父子关系层级结构填充

给定一个记录员工直属上下级关系的Pandas DataFrame，其中Child是员工ID，Parent是其直属上级ID：

import pandas as pd

data = pd.DataFrame({'Parent':['a','a','b','c','c','f','q','z','k'],
                      'Child':['b','c','d','f','g','h','k','q','w']})

对应的层级树形结构如下：

a
├── b
│   └── d
└── c
    ├── f
    │   └── h
    └── g
z
└── q
    └── k
        └── w

需要生成一个新的DataFrame，展示每个员工的完整层级路径，格式示例如下：

由于层级数量不固定，以下是基于递归遍历的实现方案：

实现思路 #

1. 定位根节点：找出所有未出现在Child列中的Parent（这类员工无上级），同时将根节点纳入员工列表（原数据中根节点仅作为上级存在，无对应员工行）。
2. 递归追溯路径：编写递归函数，对每个员工向上遍历所有上级，生成从根节点到当前员工的完整路径。
3. 整理格式：将所有员工的路径转换为DataFrame，统一层级列名，用'-'填充缺失层级。

代码实现 #

import pandas as pd

def get_hierarchy_path(child_id, parent_map):
    """递归获取员工的完整层级路径（从根节点到当前员工）"""
    # 当前员工是根节点，直接返回自身
    if child_id not in parent_map:
        return [child_id]
    # 递归获取上级路径，再拼接自身
    parent_id = parent_map[child_id]
    return get_hierarchy_path(parent_id, parent_map) + [child_id]

# 1. 构建「员工ID→直属上级ID」的映射字典
parent_child_map = data.set_index('Child')['Parent'].to_dict()

# 2. 收集所有员工：原数据的员工 + 根节点
all_employees = set(data['Child']).union(set(data['Parent']))

# 3. 为每个员工生成层级数据
hierarchy_rows = []
for emp in all_employees:
    full_path = get_hierarchy_path(emp, parent_child_map)
    row = {'child': emp}
    # 提取路径中除自身外的所有节点，作为层级列
    for idx, level_node in enumerate(full_path[:-1], start=1):
        row[f'level{idx}'] = level_node
    hierarchy_rows.append(row)

# 4. 转换为DataFrame并填充缺失值
result_df = pd.DataFrame(hierarchy_rows).fillna('-')

# 按员工ID排序（可选，匹配示例顺序）
result_df = result_df.sort_values('child').reset_index(drop=True)

print(result_df)

代码说明 #

• get_hierarchy_path：递归向上遍历，直到根节点，返回完整路径列表（根节点在前，当前员工在后）。
• parent_child_map：通过字典实现O(1)时间复杂度的上下级查询，提升遍历效率。
• 层级列生成：路径中除当前员工外的所有节点，依次对应level1（最高级）到levelN（直接上级）。
• 缺失值填充：用'-'统一填充无对应层级的位置，保证输出格式一致。

内容的提问来源于stack exchange，提问作者Tiago