Python中基于两个DataFrame为员工表添加Vacancy列的问题

现有两个DataFrame：DF1是员工履历表，DF2是招聘报告表。需要在DF1里新增Vacancy列，满足以下全部条件时标记为Yes，否则为No：

• 员工的Job字段包含"Manager"（即该员工是经理）
• 员工ID出现在DF2的Hiring_ID中
• 该ID在DF2中对应的Status不是Open（包括NaN这类非Open状态）

DF1示例数据 #

ID     ManagerID       Job            Status
 1         3           Sales          Active
 2         3           Sales          Active
 3         10          Sales Manager  Active
 4         5           Tech           Active
 5         12          Tech Manager   Active 
 6         3           Sales          Active

DF2示例数据 #

Hiring_ID     Job_Title      Status      # of Roles 
    3         Associate       Open            8
    10        Consultant      Open            3
    10        Lead            Open            1
    7         Advisor         Open            2 
    3         Cashier          NaN            4

尝试的错误代码 #

df['Vacant'] = np.where((df['ID'].isin(df2['Hiring_ID'])) & (df2['Status'].isnull()), 'Yes','No')

运行后没得到预期结果（预期ID为3的员工Vacancy值是Yes），需要换个比isin更靠谱的实现方式。

预期结果 #

ID     ManagerID        Job            Status        Vacancy
  1          3            Sales          Active           No 
  2          3            Sales          Active           No 
  3          10           Sales Manager  Active           Yes 
  4          5            Tech           Active           No 
  5          12           Tech Manager   Active           No 
  6          3            Sales          Active           No 

问题出在哪？ #

之前的代码有两个关键错误：

1. 漏了判断员工是否是经理的条件
2. 直接用df2['Status'].isnull()会因为DF2和DF1行数不匹配，导致逻辑混乱——应该先从DF2里筛选出符合Status != 'Open'的Hiring_ID，再去匹配DF1的ID

两种可行实现 #

方案1：先预处理DF2得到有效ID集合，再用np.where判断

先从DF2里挑出所有Status不是Open的Hiring_ID，去重后得到有效ID集合，再结合经理条件一起判断：

import pandas as pd
import numpy as np

# 从DF2筛选出Status不为Open的Hiring_ID，去重得到有效集合
valid_ids = df2[df2['Status'] != 'Open']['Hiring_ID'].unique()

# 给DF1新增Vacancy列
df1['Vacancy'] = np.where(
    (df1['Job'].str.contains('Manager')) &  # 条件1：是经理
    (df1['ID'].isin(valid_ids)),           # 条件2+3：ID在有效集合里
    'Yes',
    'No'
)

方案2：用merge关联后判断（适合更复杂的关联场景）

如果以后需求变复杂，比如要用到DF2的其他字段，用merge关联更直观：

# 给DF2标记每条记录是否符合Status要求
df2['is_valid'] = df2['Status'] != 'Open'
# 按Hiring_ID分组，只要该ID有任意一条符合要求，就标记为有效
valid_hiring = df2.groupby('Hiring_ID')['is_valid'].any().reset_index()

# 把DF1和有效ID表关联，缺失值表示ID不在DF2里，标记为无效
df1 = df1.merge(valid_hiring, left_on='ID', right_on='Hiring_ID', how='left')
df1['is_valid'] = df1['is_valid'].fillna(False)

# 生成Vacancy列
df1['Vacancy'] = np.where(
    (df1['Job'].str.contains('Manager')) & df1['is_valid'],
    'Yes',
    'No'
)

# 清理临时列（可选）
df1 = df1.drop(columns=['Hiring_ID', 'is_valid'])

结果验证 #

运行上述任意一种方案，DF1都会生成符合预期的Vacancy列：ID为3的员工是经理，且在DF2中有一条Status为NaN的记录，所以标记为Yes，其他员工要么不是经理，要么ID不符合条件，都标记为No。

内容的提问来源于stack exchange，提问作者Coding_Nubie