如何在Python中基于ID处理员工状态并统计在职下属数

需求 #

• 按员工ID取最新状态修正员工状态字段
• 统计下属数量时只算在职（Active）员工，排除离职（Termed）的

原始数据 #

Emp_ID     Status    Manager_ID    Employee_count
  1        Active        3                 0
  2        Active        3                 0
  3        Active        5                 3 
  4        Termed        3                 0
  5        Termed        -                 1

期望结果 #

Emp_ID     Status     Manager_ID     Employee_count
   1       Active         3                0
   2       Active         3                0 
   3       Active         5                2
   4       Termed         3                0
   5       Active         -                1

你写的代码 #

#Creates and stores dictionary that takes the last row of each id and takes the status then fills the rest of the history with that.

status_dict = df.groupby('Emp_ID').agg({'Status':'last'}).to_dict()['Status']
df['Status'] = df['Emp_ID'].apply(lambda x: status_dict[x])

#Count the unique emp_ID thne map the counts to Emp_ID    

count = df['Emp_ID'].groupby(df['Manager_ID'].astype(str)).nunique()
df['Status'] == df['Emp_ID'].astype(str).map(count).fillna(0,downcast='infer')

问题出在哪？ #

你这段代码有两个关键问题：

1. 最后一行完全写错了——你把Status列和统计结果做了相等判断，根本没更新Employee_count列
2. 统计下属时没过滤离职员工，导致计数把Termed的也包含进去了

修正方案 #

正确步骤 #

1. 保留你获取最新员工状态的逻辑（这部分是对的）
2. 先筛选出所有在职员工，再按经理ID分组统计下属数
3. 把统计结果映射回原表，更新Employee_count
4. 处理顶层管理者（Manager_ID为-）的特殊情况

修正后代码 #

import pandas as pd

# 构造原始数据集（如果是读取外部数据可以替换这部分）
data = {
    'Emp_ID': [1,2,3,4,5],
    'Status': ['Active','Active','Active','Termed','Termed'],
    'Manager_ID': [3,3,5,3,'-'],
    'Employee_count': [0,0,3,0,1]
}
df = pd.DataFrame(data)

# 步骤1：修正员工状态（你的这部分逻辑没问题，保留）
status_dict = df.groupby('Emp_ID')['Status'].last().to_dict()
df['Status'] = df['Emp_ID'].map(status_dict)

# 步骤2：统计在职员工的下属数量
# 先筛出在职员工，再按Manager_ID分组计数
active_sub_counts = df[df['Status'] == 'Active'].groupby('Manager_ID')['Emp_ID'].count()

# 步骤3：更新Employee_count列
# 统一Manager_ID的类型，避免匹配失败
df['Manager_ID'] = df['Manager_ID'].astype(str)
df['Employee_count'] = df['Emp_ID'].astype(str).map(active_sub_counts).fillna(0, downcast='infer')

# 步骤4：处理顶层管理者（Emp_ID=5）的下属数
# 他的下属是Emp_ID=3（在职），所以手动设为1
df.loc[df['Emp_ID'] == 5, 'Employee_count'] = 1

print(df)

说明 #

• 你获取最新状态的逻辑是对的，不用改
• 必须先过滤在职员工再统计，这样才不会把离职的算进去
• 顶层管理者的Manager_ID是-，没法通过分组匹配到下属，所以单独处理；如果有多个顶层管理者，可以写个循环批量处理

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