如何用Pandas数据集计算员工在岗时长与缺勤时长？

先指出你原代码里的几个问题：

• df.iteritems()是遍历列的方法，不是遍历行，遍历行应该用df.iterrows()，但更推荐用Pandas的向量化操作替代手动遍历
• 条件判断逻辑错误：if (df['Addr'] == 'Main Entry-In' or 'Prod. Entry-In') 会始终返回True，因为'Prod. Entry-In'是真值，正确写法是判断Addr是否包含Entry/Exit关键词
• 语法错误：entries.['Time']多了个点，应该是entries['Time']

下面是高效的向量化解决方案，无需手动逐行遍历：

步骤1：数据预处理 #

先合并日期时间为可计算的datetime类型，标记打卡类型，并按用户和时间排序（这是时间计算的基础，确保打卡顺序正确）：

import pandas as pd

# 假设数据已读取到df中
df['Datetime'] = pd.to_datetime(df['Date'] + ' ' + df['Time'], format='%Y.%m.%d %H:%M')

# 标记打卡类型：Entry/Exit
df['CheckType'] = df['Addr'].apply(lambda x: 'Entry' if 'Entry In' in x else 'Exit' if 'Exit' in x else 'Unknown')

# 按用户ID和时间排序，保证打卡顺序正确
df = df.sort_values(by=['User ID', 'Datetime']).reset_index(drop=True)

步骤2：计算在岗时长（Present Time） #

同一用户的Exit时间减去对应的Entry时间，通过分组偏移行来配对：

# 分组后获取下一条记录的时间和打卡类型
df['Next_Datetime'] = df.groupby('User ID')['Datetime'].shift(-1)
df['Next_CheckType'] = df.groupby('User ID')['CheckType'].shift(-1)

# 仅当当前是Entry且下一条是Exit时，计算在岗时长
df['present_time'] = df.apply(
    lambda row: (row['Next_Datetime'] - row['Datetime']) if row['CheckType'] == 'Entry' and row['Next_CheckType'] == 'Exit' else pd.NaT,
    axis=1
)

步骤3：计算缺勤时长（Absence Time） #

下一次Entry时间减去上一次Exit时间：

# 分组后获取上一条记录的时间和打卡类型
df['Prev_Datetime'] = df.groupby('User ID')['Datetime'].shift(1)
df['Prev_CheckType'] = df.groupby('User ID')['CheckType'].shift(1)

# 仅当当前是Entry且上一条是Exit时，计算缺勤时长
df['absence_time'] = df.apply(
    lambda row: (row['Datetime'] - row['Prev_Datetime']) if row['CheckType'] == 'Entry' and row['Prev_CheckType'] == 'Exit' else pd.NaT,
    axis=1
)

步骤4：处理异常打卡（连续打卡/漏打卡） #

过滤连续打卡（同一类型连续出现） #

# 标记连续相同类型的打卡为异常
df['Is_Abnormal'] = df.groupby('User ID')['CheckType'].apply(lambda x: x == x.shift())

# 过滤掉连续异常的打卡（保留第一个连续项）
df = df[~df['Is_Abnormal']].reset_index(drop=True)

处理漏打卡（Entry/Exit不配对） #

可以统计每个用户的Entry和Exit数量，标记不匹配的记录：

# 统计每个用户的Entry/Exit数量
check_counts = df.groupby(['User ID', 'CheckType']).size().unstack(fill_value=0)

# 找出Entry和Exit数量不等的用户
unmatched_users = check_counts[check_counts['Entry'] != check_counts['Exit']].index

# 标记这些用户的最后一条记录为漏打卡
df['Is_Missing'] = df.apply(
    lambda row: True if row['User ID'] in unmatched_users and row.name == df[df['User ID'] == row['User ID']].index[-1] else False,
    axis=1
)

最终结果整理 #

保留需要的列，或按用户汇总结果：

# 选择需要的列展示
result = df[['User ID', 'User Name', 'Datetime', 'CheckType', 'present_time', 'absence_time', 'Is_Abnormal', 'Is_Missing']]
print(result)

关键说明 #

• 用向量化操作替代手动遍历，效率远高于逐行循环（Pandas的核心优势就是向量化）
• 必须先按用户和时间排序，否则时间差计算会完全错误
• 异常处理规则可根据业务调整，比如连续打卡的时间阈值（比如10分钟内连续打卡算异常）、漏打卡的补全规则（比如默认补全当天22:00为下班时间）

内容的提问来源于stack exchange，提问作者Nikobitan