使用Python Pandas按年统计公司人员事件数量及在职员工数

前置预处理 #

先统一转换日期列的格式，避免后续统计出错：

import pandas as pd

# 日期格式转换，format参数根据实际日期字符串规则调整
df["hire_date"] = pd.to_datetime(df["hire_date"], format="%d.%m.%Y")
df["event_start_date"] = pd.to_datetime(df["event_start_date"], format="%d.%m.%Y")

1. 统计每年入职数量 #

按要求入职时间统一以hire_date为准，每个员工仅对应一条入职记录，因此先对员工ID去重再按年份统计：

# 去重后统计各年份入职人数
hire_stats = df.drop_duplicates("employee_id")["hire_date"].dt.year.value_counts().sort_index()
# 格式化输出
hire_stats = hire_stats.reset_index()
hire_stats.columns = ["年份", "入职人数"]

2. 统计每年离职数量 #

筛选事件类型为termination的记录，按事件发生年份统计即可：

# 筛选离职事件按年统计
termination_stats = df[df["event"] == "termination"]["event_start_date"].dt.year.value_counts().sort_index()
# 格式化输出
termination_stats = termination_stats.reset_index()
termination_stats.columns = ["年份", "离职人数"]

3. 统计每年在职员工数量 #

默认统计逻辑为：统计年份晚等于入职年份，且早于离职年份（无离职记录则默认至今在职），不含临时请假的扣除，如果需要统计扣除请假的在职人数可额外关联leave事件的时间范围计算。

# 先聚合每个员工的入职、离职年份
employee_info = df.groupby("employee_id").agg(
    hire_year = ("hire_date", lambda x: x.dt.year.iloc[0]),
    # 没有离职记录的员工默认离职年份为9999，代表至今在职
    termination_year = ("event_start_date", lambda x: x[df.loc[x.index, "event"]=="termination"].dt.year.iloc[0] if (df.loc[x.index, "event"]=="termination").any() else 9999)
).reset_index()

# 确定统计的年份范围，可根据需求自行调整
min_year = employee_info["hire_year"].min()
max_year = pd.Timestamp.now().year
all_years = range(min_year, max_year+1)

# 遍历统计每年在职人数
active_stats = []
for year in all_years:
    active_num = len(employee_info[
        (employee_info["hire_year"] <= year) 
        & (employee_info["termination_year"] > year)
    ])
    active_stats.append({"年份": year, "在职人数": active_num})
active_stats = pd.DataFrame(active_stats)

示例数据输出结果 #

对应你给出的测试数据，统计结果如下：

• 入职统计：2005年1人、2007年1人、2019年1人
• 离职统计：2020年2人
• 在职统计：2005年1人、2006年1人、2007-2018年每年2人、2019年3人、2020年及之后每年1人

内容的提问来源于stack exchange，提问作者OlaG