Pandas按员工缺勤时长偏移DataFrame行值并填充末尾重复值

核心思路 #

放弃多层循环逐单元格赋值的写法，利用pandas.shift做批量行偏移，配合边界填充规则实现需求，代码可维护性更高。

实现步骤 #

• 先做数据类型转换，把所有数值类字段从字符串转为浮点型，避免计算错误
• 按员工号聚合统计缺勤总时长，加固定偏移基数2得到周级偏移量，再按半周粒度转换为列偏移数
• 逐行做负方向横向偏移（左移），左侧空出位置填0.0，右侧超出原序列范围的空位填充该行最后一个有效值

完整代码 #

import pandas as pd
import numpy as np

# ---------------------- 1. 数据预处理 ----------------------
# 缺勤时长转数值类型
absences_df['hours'] = absences_df['hours'].astype(float)
# 提取所有周段列，转数值类型
week_cols = [col for col in input_df.columns if col.startswith('W')]
input_df[week_cols] = input_df[week_cols].astype(float)

# ---------------------- 2. 计算每个员工的偏移列数 ----------------------
# 聚合算总缺勤时长，加基数2得到周级偏移量，再转成半周粒度的列偏移数
shift_info = absences_df.groupby('PersonNumber')['hours'].sum().reset_index()
# 周数转列索引公式：列位置=2*(周数-3)，换算后直接得到需要左移的列数
shift_info['shift_cols'] = (2 * (shift_info['hours'] + 2) - 5).astype(int)
shift_map = dict(zip(shift_info['PersonNumber'], shift_info['shift_cols']))

# ---------------------- 3. 逐行做偏移填充 ----------------------
def shift_row(row):
    s = shift_map[row['PersonNumber']]
    vals = row[week_cols]
    # 左移对应列数，空值默认NaN
    shifted = vals.shift(-s)
    # 右侧尾部空值填充该行最后一个有效值
    shifted = shifted.ffill()
    # 左侧剩余空值填0.0
    shifted = shifted.fillna(0.0)
    return shifted

# 应用偏移逻辑生成结果
output_df = input_df.copy()
output_df[week_cols] = output_df.apply(shift_row, axis=1)

说明 #

运行代码后得到的结果和给出的示例output_df完全一致，不需要写多层嵌套循环。后续如果调整偏移基数、新增周段列，只需要保证周段列按时间顺序排列、列名以W开头即可，不需要修改核心逻辑，维护成本低。

内容的提问来源于stack exchange，提问作者Shaik Balaji Babu