如何用Python检测员工在不同地点的重叠打卡记录

下面提供两种可行的实现方案，分别基于你熟悉的Pandas工具，以及你考虑使用的DateTimeRange库：

方案一：用Pandas原生工具实现 #

步骤1：数据读取与预处理 #

先把考勤数据转换成DataFrame，再将日期和时间字段合并成完整的datetime时间戳，这是判断时间重叠的基础：

import pandas as pd

# 加载考勤数据（实际场景可替换为pd.read_csv读取文件）
data = {
    'store': ['store1', 'store1', 'store2', 'store2'],
    'name': ['reese', 'john', 'reese', 'bill'],
    'day': ['Mon', 'Mon', 'Mon', 'Mon'],
    'date': ['8/8/2022', '8/8/2022', '8/8/2022', '8/8/2022'],
    'clockin': ['8:55:32 AM', '8:55:27 AM', '9:00:00 AM', '12:36:35 PM'],
    'clockout': ['11:12:35 AM', '11:59:34 AM', '12:00:00 PM', '5:02:31 PM']
}
df = pd.DataFrame(data)

# 合并日期与打卡时间，转换为datetime类型
df['start_time'] = pd.to_datetime(df['date'] + ' ' + df['clockin'])
df['end_time'] = pd.to_datetime(df['date'] + ' ' + df['clockout'])

步骤2：分组检查时间重叠 #

按「员工姓名+日期」分组，对每组内的记录两两比对：判断是否属于不同门店，且时间区间存在重叠（重叠逻辑为区间A的开始时间 < 区间B的结束时间，且区间B的开始时间 < 区间A的结束时间）：

def check_overlapping(group):
    # 遍历组内所有记录对
    for i in range(len(group)):
        row1 = group.iloc[i]
        for j in range(i+1, len(group)):
            row2 = group.iloc[j]
            # 不同门店+时间重叠触发标记
            if row1['store'] != row2['store']:
                if row1['start_time'] < row2['end_time'] and row2['start_time'] < row1['end_time']:
                    return pd.Series([True, row1, row2])
    return pd.Series([False, None, None])

# 分组执行检查
result = df.groupby(['name', 'date']).apply(check_overlapping)
result.columns = ['has_overlap', 'record1', 'record2']

# 筛选出有重叠的异常记录
overlapping_records = result[result['has_overlap'] == True]
print(overlapping_records)

方案二：用DateTimeRange库实现 #

DateTimeRange封装了时间区间的常用操作，无需自己写重叠判断逻辑，代码更直观：

步骤1：安装并导入库 #

pip install DateTimeRange

步骤2：数据预处理+重叠检查 #

预处理逻辑和Pandas方案一致，用DateTimeRange对象封装时间区间，调用内置的is_intersection方法判断重叠：

import pandas as pd
from datetimerange import DateTimeRange

# 同样先加载并预处理数据
data = {
    'store': ['store1', 'store1', 'store2', 'store2'],
    'name': ['reese', 'john', 'reese', 'bill'],
    'day': ['Mon', 'Mon', 'Mon', 'Mon'],
    'date': ['8/8/2022', '8/8/2022', '8/8/2022', '8/8/2022'],
    'clockin': ['8:55:32 AM', '8:55:27 AM', '9:00:00 AM', '12:36:35 PM'],
    'clockout': ['11:12:35 AM', '11:59:34 AM', '12:00:00 PM', '5:02:31 PM']
}
df = pd.DataFrame(data)
df['start_time'] = pd.to_datetime(df['date'] + ' ' + df['clockin'])
df['end_time'] = pd.to_datetime(df['date'] + ' ' + df['clockout'])

def check_overlap_with_dtr(group):
    # 为每条记录创建DateTimeRange对象
    range_list = []
    for idx, row in group.iterrows():
        time_range = DateTimeRange(row['start_time'], row['end_time'])
        range_list.append((row, time_range))
    
    # 遍历检查记录对
    for i in range(len(range_list)):
        row1, range1 = range_list[i]
        for j in range(i+1, len(range_list)):
            row2, range2 = range_list[j]
            if row1['store'] != row2['store'] and range1.is_intersection(range2):
                return pd.Series([True, row1, row2])
    return pd.Series([False, None, None])

# 分组执行并筛选结果
result = df.groupby(['name', 'date']).apply(check_overlap_with_dtr)
result.columns = ['has_overlap', 'record1', 'record2']
overlapping_records = result[result['has_overlap'] == True]
print(overlapping_records)

额外注意事项 #

• 如果实际考勤数据的日期时间格式有差异，可以给pd.to_datetime指定format参数（比如format="%m/%d/%Y %I:%M:%S %p"），避免解析错误。
• 若数据量很大，双重循环效率较低，可以先对每组的start_time排序，只检查相邻记录，能大幅提升性能。

内容的提问来源于stack exchange，提问作者user19695340