如何用Python和Pandas生成员工轮班序列及完整序列列？

安全阿岳

2026-8-9

解决方案

假设你的DataFrame包含Employee（员工姓名）、Cycle_type、Cycle_day、Shift列，先构造示例数据方便演示：

import pandas as pd

data = {
    'Employee': ['Alice']*8 + ['Bob']*6,
    'Cycle_type': ['5-3']*8 + ['4-2']*6,
    'Cycle_day': list(range(1,9)) + list(range(1,7)),
    'Shift': ['M', 'M', 'A', 'A', 'N', 'Off', 'Off', 'Off', 'M', 'A', 'N', 'N', 'Off', 'Off']
}
df = pd.DataFrame(data)

1. 生成到当前行的轮班序列（Sequence列）

要实现“到当前行的累计班次+次数”序列，分两步完成：

为每一行生成对应的班次+累计次数项（比如第2次出现的M对应M2）
按员工分组，逐行累计拼接这些项

代码实现：

# 生成每行的班次项：统计当前员工到当前行为止该班次的出现次数
df['shift_item'] = df.apply(
    lambda row: f"{row['Shift']}{df[(df['Employee'] == row['Employee']) & (df.index <= row.index) & (df['Shift'] == row['Shift'])].shape[0]}"
    if row['Shift'] != 'Off' else 'Off',
    axis=1
)

# 按员工分组，累计拼接所有历史班次项
df['Sequence'] = df.groupby('Employee')['shift_item'].transform(
    lambda group: group.expanding().apply(lambda x: ','.join(x), raw=True)
)

说明：

第一个apply遍历每行，通过筛选当前员工、当前行及之前的同班次记录，统计次数并拼接成M1/A2这类格式
expanding().apply逐行累计，把从第一行到当前行的所有shift_item用逗号连接，得到累计序列

2. 生成员工完整轮班序列（Full_sequence列）

先拼接每个员工的所有shift_item得到完整序列，再将其映射到该员工的每一行：

# 按员工分组，拼接所有班次项得到完整序列
full_seq_map = df.groupby('Employee')['shift_item'].apply(lambda x: ','.join(x))

# 将完整序列映射到原DataFrame的每一行
df['Full_sequence'] = df['Employee'].map(full_seq_map)

说明：