如何用Python pandas groupby实现职级变动耗时的三元组分析？

以下是用Python pandas处理该需求的具体步骤：

1. 准备工作与数据读取 #

首先确保安装了pandas和对应Excel读取依赖（如openpyxl处理xlsx文件），然后读取数据并做预处理：

import pandas as pd

# 替换为你的Excel文件路径
df = pd.read_excel("职级数据.xlsx")

# 将date转为数值类型（如果是年份格式），如果是完整日期可转成datetime后提取年份
df['date'] = pd.to_numeric(df['date'])

# 把l1/l2这类职级转为数字，方便后续计算
df['rank_num'] = df['rank'].str.extract('(\d+)').astype(int)

2. 分组排序 #

按员工ID分组，每组内按时间升序排列，保证职级变动的顺序正确：

# 先全局按id和date排序，再分组
sorted_df = df.sort_values(by=['id', 'date'])
grouped = sorted_df.groupby('id')

3. 生成职级变动三元组 #

遍历每个员工的记录，对比连续两条数据生成(rankA, rankB, timeDiff)：

change_records = []
for _, group in grouped:
    # 遍历组内除最后一条外的所有记录，和下一条做对比
    for idx in range(len(group) - 1):
        current_rank = group.iloc[idx]['rank_num']
        next_rank = group.iloc[idx+1]['rank_num']
        time_diff = group.iloc[idx+1]['date'] - group.iloc[idx]['date']
        change_records.append( (current_rank, next_rank, time_diff) )

# 输出结果，和你期望的一致
print(change_records)  # 输出: [(1, 2, 1), (2, 3, 2), (2, 3, 3)]

4. 计算不同职级变动的平均耗时 #

把变动记录转为DataFrame，按职级变动组合分组计算平均值：

change_df = pd.DataFrame(change_records, columns=['rankA', 'rankB', 'timeDiff'])
avg_time = change_df.groupby(['rankA', 'rankB'])['timeDiff'].mean().reset_index()
print(avg_time)

注意事项 #

• 如果你的date是完整日期格式（如2009-05-10），可以用df['date'] = pd.to_datetime(df['date'])转换后，用df['date'].dt.year提取年份，或者直接计算日期差（结果为天数，可按需转换为年/月）。
• 如果职级格式不是l+数字，可以用字典映射转换，比如：rank_map = {'l1':1, 'l2':2, 'l3':3}; df['rank_num'] = df['rank'].map(rank_map)。

内容的提问来源于stack exchange，提问作者Shaharg