You need to enable JavaScript to run this app. Python Pandas按指定列合并多行 区分可计费规则聚合计算
优惠活动
大模型
产品
解决方案
定价
更多

Python Pandas按指定列合并多行 区分可计费规则聚合计算

问题根因

现有代码未按员工维度做跨行聚合,直接在拆分的可计费/不可计费明细行上计算字段,无法实现同一员工多记录合并为单行的效果。

实现逻辑
  • 先对原始明细行逐行标记:当前行的工时属于可计费类还是不可计费类,分别累计对应类别的工时值
  • 以Employee Name为分组键聚合:
    • 所有技术栈列直接求和,得到员工全维度的技术栈工时累计
    • 汇总组内所有可计费类别的总工时、所有不可计费类别的总工时
  • 按给定公式计算对应指标:
    • 可计费占比Billing = 可计费总工时 / 168 * 100,无对应可计费记录时留空
    • 不可计费占比Non-Billing = 不可计费总工时 / 168 * 100,无对应不可计费记录时留空
    • 全量总工时Total = 所有技术栈列的工时求和
参考实现代码
import pandas as pd
import numpy as np

# 原始数据预处理
numeric_cols = ['Java', 'Python', '.Net', 'React']
# 读取业务侧实际接入的原始明细表
df = pd.DataFrame(
    [
        ['Priya', 10, 0, 5, 0, 'Yes'],
        ['Priya', 0, 10, 0, 5, 'No'],
        ['Krithi', 0, 10, 20, 0, 'No']
    ],
    columns=['Employee Name', 'Java', 'Python', '.Net', 'React', 'Billable']
)

# 逐行标记对应类别的工时
df['row_billable_hour'] = df.apply(
    lambda r: r[numeric_cols].sum() if r['Billable'] == 'Yes' else 0,
    axis=1
)
df['row_non_billable_hour'] = df.apply(
    lambda r: r[numeric_cols].sum() if r['Billable'] == 'No' else 0,
    axis=1
)

# 按员工分组聚合
agg_df = df.groupby('Employee Name').agg(
    Java=('Java', 'sum'),
    Python=('Python', 'sum'),
    **{'.Net': ('.Net', 'sum')},
    React=('React', 'sum'),
    total_billable_hour=('row_billable_hour', 'sum'),
    total_non_billable_hour=('row_non_billable_hour', 'sum')
).reset_index()

# 计算最终统计值
agg_df['Total'] = agg_df[numeric_cols].sum(axis=1)
agg_df['Billing'] = np.where(
    agg_df['total_billable_hour'] > 0,
    agg_df['total_billable_hour'] / 168 * 100,
    np.nan
)
agg_df['Non-Billing'] = np.where(
    agg_df['total_non_billable_hour'] > 0,
    agg_df['total_non_billable_hour'] / 168 * 100,
    np.nan
)

# 调整列顺序匹配期望输出结构
final_df = agg_df[['Employee Name', 'Java', 'Python', '.Net', 'React', 'Total', 'Billing', 'Non-Billing']]
输出结果
| Employee Name | Java | Python | .Net | React | Total | Billing      | Non-Billing  |
|---------------|------|--------|------|-------|-------|--------------|--------------|
| Priya         | 10   | 10     | 5    | 5     | 30    | 8.928571429  | 8.928571429  |
| Krithi        | 0    | 10     | 20   | 0     | 30    |              | 17.85714286  |

内容的提问来源于stack exchange,提问作者Gomathi

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.10.26 01:54:04