如何在Pandas中匹配交易时间与员工排班时段计算员工小费

实现步骤 #

• 第一步：统一处理时间字段，转换为可比较的datetime格式

import pandas as pd

# 交易表处理：合并日期+时间为完整交易时间戳
ts_df['transaction_time'] = pd.to_datetime(ts_df['Date'] + ' ' + ts_df['Time'])

# 排班表处理：生成上下班完整时间戳
shift_df['shift_start'] = pd.to_datetime(shift_df['Date'] + ' ' + shift_df['Clock_start'])
shift_df['shift_end'] = pd.to_datetime(shift_df['Date'] + ' ' + shift_df['Clock_end'])

# 若字段已是date/time类型而非字符串，替换拼接逻辑为 astype(str) 即可：
# ts_df['transaction_time'] = pd.to_datetime(ts_df['Date'].astype(str) + ' ' + ts_df['Time'].astype(str))

• 第二步：匹配交易时段在岗员工，生成带workers列的交易表

# 先按日期关联两张表，过滤出交易时间落在排班区间内的匹配记录
matched_df = ts_df.merge(shift_df, on='Date', how='left')
matched_df = matched_df[
    (matched_df['transaction_time'] >= matched_df['shift_start']) &
    (matched_df['transaction_time'] <= matched_df['shift_end'])
]

# 按交易聚合得到在岗员工列表，和预期输出格式完全一致
ts_with_workers = matched_df.groupby(
    ['Date', 'Time', 'tip'], as_index=False
)['employee'].agg(list).rename(columns={'employee': 'workers'})

• 第三步：拆分计算每位员工应得小费并汇总

# 单条交易小费按在岗人数均分
matched_df['tip_per_person'] = matched_df['tip'] / matched_df.groupby(
    ['Date', 'Time']
)['employee'].transform('count')

# 统计所有员工累计小费收入
employee_total_tip = matched_df.groupby(
    'employee', as_index=False
)['tip_per_person'].sum().rename(columns={'tip_per_person': 'total_tip'})

内容的提问来源于stack exchange，提问作者user5967613