如何用Pandas按班次类型分组日期并计算员工班次信息

我有某公司员工不同班次的模拟数据，班次以每8天为一个周期，包含工作/休息组合，如5-3（工作5天、休息3天）、6-2、4-4等。

原始数据 #

其中Alice的初始班次为5-3（1月1日至5日工作，6日至8日休息），Bob的初始班次为6-2（1月3日至8日工作，9日至10日休息）。

需求 #

用Pandas计算每位员工每天所属的班次类型，以及该班次内的具体天数（例如Alice1月3日是班次第3天，Bob则是第1天），且班次类型可能在每次周期结束后变更。

尝试过的方法 #

先处理单个员工：

1. 将日期设为索引并补全日期间隙：

df.index = pd.DatetimeIndex(df['Date'])
df = df.reindex(pd.date_range("2022/01/01","2022/03/31"))

2. 创建"working"列，工作日报1，休息日报0：

df['working'] = 1
df['working'][df['Hours worked'].isnull()] = 0

原本想使用可重置的1日滚动求和，但无法实现，也不知道如何无需循环推广到所有员工。

期望输出 #

核心思路是按员工分组处理，利用Pandas的groupby+自定义函数，结合日期差划分周期，同时识别班次类型、计算班次内天数。

步骤1：数据预处理 #

先补全每个员工的所有日期记录，避免遗漏休息天：

import pandas as pd

# 转换日期格式
df['Date'] = pd.to_datetime(df['Date'])

# 生成目标日期范围
date_range = pd.date_range(start='2022-01-01', end='2022-03-31')

# 生成员工和日期的笛卡尔积，确保每个员工每天都有记录
full_index = pd.MultiIndex.from_product(
    [date_range, df['Employee'].unique()],
    names=['Date', 'Employee']
).to_frame(index=False)

# 合并原始数据，补全缺失工时为0
full_df = pd.merge(full_index, df, on=['Date', 'Employee'], how='left')
full_df['Hours worked'] = full_df['Hours worked'].fillna(0)
# 标记是否工作
full_df['working'] = (full_df['Hours worked'] > 0).astype(int)

步骤2：分组计算班次信息 #

为每个员工单独计算周期、班次类型和班次内天数：

def process_single_employee(group):
    # 按日期排序
    group = group.sort_values('Date').reset_index(drop=True)
    # 以员工第一条记录为起点，每8天划分一个周期
    group['cycle_num'] = ((group['Date'] - group['Date'].min()).dt.days) // 8
    
    # 统计每个周期的工作/休息天数，生成班次类型
    cycle_stats = group.groupby('cycle_num')['working'].agg(['sum', 'count'])
    cycle_stats['shift_type'] = cycle_stats['sum'].astype(str) + '-' + (cycle_stats['count'] - cycle_stats['sum']).astype(str)
    group = group.merge(cycle_stats['shift_type'], on='cycle_num', how='left')
    
    # 计算班次内天数：每个周期从1开始计数
    group['shift_day'] = group.groupby('cycle_num').cumcount() + 1
    return group

# 按员工分组处理
result_df = full_df.groupby('Employee').apply(process_single_employee).reset_index(drop=True)

# 整理成期望的输出格式
result_df = result_df[['Date', 'Employee', 'Hours worked', 'shift_type', 'shift_day']]
result_df.columns = ['Date', 'Employee', 'Hours worked', 'Shift type', 'Shift day']

# 筛选到目标日期范围（可选，匹配示例输出）
result_df = result_df[result_df['Date'] <= '2022-01-11'].sort_values(['Date', 'Employee'])

补充说明 #

如果班次类型是预设规则（而非通过工时统计），可以提前维护一个员工班次变更表（包含员工、生效日期、班次类型），再通过日期区间匹配的方式关联班次类型，之后再按周期计算班次内天数。

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