使用Pandas按办公点聚合统计查找最高与最低绩效员工

思路说明 #

1. 先把原始数据里的T/F布尔值统一转成1/0的数值，方便后续计算均值
2. 按「办公点+员工号」分组，计算每个员工在对应办公点的所有绩效指标均值
3. 计算绩效总分：正向绩效总分 = 所有含Excellent字段的和，负向绩效总分 = 所有含Bad字段的和，每个办公点里正向总分最高的就是最高绩效员工，负向总分最高的就是最低绩效员工
4. 按办公点筛选出对应的员工明细即可

可运行代码 #

import pandas as pd

# 1. 读取原始数据，若从csv读取直接替换为 pd.read_csv("你的文件路径")
data = [
    [100, 34500, 'T', 'F', 'T', 'F'],
    [100, 29991, 'F', 'T', 'T', 'F'],
    [100, 10503, 'T', 'F', 'F', 'T'],
    [101, 32451, 'T', 'F', 'F', 'T'],
    [101, 55566, 'F', 'T', 'T', 'F'],
    [101, 55566, 'F', 'T', 'F', 'T'],
    [101, 64331, 'T', 'F', 'T', 'F'],
    [105, 22661, 'F', 'T', 'T', 'F'],
    [105, 23552, 'F', 'T', 'F', 'T'],
    [105, 22661, 'T', 'F', 'T', 'F'],
    [105, 69392, 'F', 'T', 'T', 'F'],
    [105, 23552, 'F', 'T', 'F', 'T'],
]
df = pd.DataFrame(data, columns=['OfficeNum', 'EmployeeNum', 'ExcellentWriting', 'BadWriting', 'ExcellentEvidence', 'BadEvidence'])

# 2. T/F转换为1/0数值
df = df.replace({'T': 1, 'F': 0})

# 3. 按办公点+员工号聚合计算各指标均值
employee_agg = df.groupby(['OfficeNum', 'EmployeeNum'], as_index=False).mean()

# 4. 分别计算正向、负向绩效总分
excellent_cols = [col for col in df.columns if 'Excellent' in col]
bad_cols = [col for col in df.columns if 'Bad' in col]
employee_agg['excellent_score'] = employee_agg[excellent_cols].sum(axis=1)
employee_agg['bad_score'] = employee_agg[bad_cols].sum(axis=1)

# 5. 按办公点筛选最高/最低绩效员工
# 最高绩效：正向得分最高
top_employee = employee_agg.loc[employee_agg.groupby('OfficeNum')['excellent_score'].idxmax()].reset_index(drop=True)
# 最低绩效：负向得分最高
bottom_employee = employee_agg.loc[employee_agg.groupby('OfficeNum')['bad_score'].idxmax()].reset_index(drop=True)

# 输出结果时可删除临时计算的分数字段
top_result = top_employee.drop(columns=['excellent_score', 'bad_score'])
bottom_result = bottom_employee.drop(columns=['excellent_score', 'bad_score'])

print("最高绩效员工明细：")
print(top_result)
print("\n最低绩效员工明细：")
print(bottom_result)

结果说明 #

运行后输出的最高绩效员工和你给出的预期结果完全一致，最低绩效员工会输出每个办公点负向指标总和最高的员工明细。

内容的提问来源于stack exchange，提问作者billv1179