如何使用pandas iterrows与列定位计算出勤人员首次末次访问周间隔

为什么之前的iterrows方案容易跑不通 #

逐行遍历本身在数据量稍大时效率极低，且经常因为行内类型混杂、空值判断不准出现逻辑错误；Pandas生态下完全可以用向量化运算替代循环，计算速度能提升1~2个数量级。

分步可运行代码 #

1. 提前拆分数据结构，避免计算错位 #

你的DataFrame结构为：第1列是姓名，后续53列是周度出勤值（1=出勤，空值=缺勤），先把两类数据拆分，避免把姓名列混进数值计算里：

import pandas as pd
import numpy as np
# 定位列位置
name_column = df.columns[0]
weekly_columns = df.columns[1:]
# 单独取出周度出勤矩阵
weekly_attendance = df[weekly_columns]

2. 先筛选符合条件的人员（总出勤≥2次） #

直接用空值判断统计总出勤数，比逐行sum空值的效率高很多：

# 统计每个人的总出勤次数（非空即算出勤）
total_attend_count = weekly_attendance.notna().sum(axis=1)
# 筛选出符合出勤次数要求的行索引
valid_user_index = total_attend_count[total_attend_count >= 2].index
# 提取符合条件的子表
valid_user_attend = weekly_attendance.loc[valid_user_index]

3. 向量化计算首/末次出勤位置，直接得到时间跨度 #

利用布尔矩阵的索引定位，完全跳过循环：

# 把出勤数据转成布尔矩阵：True=当周出勤，False=未出勤
attend_boolean = valid_user_attend.notna().to_numpy()
# 计算每行第一次出现True的位置（也就是首次出勤的列索引）
first_attend_idx = np.argmax(attend_boolean, axis=1)
# 计算每行最后一次出现True的位置（从矩阵右侧反向找最大值）
last_attend_idx = attend_boolean.shape[1] - np.argmax(attend_boolean[:, ::-1], axis=1) - 1
# 计算时间跨度：末次索引 - 首次索引
week_span = last_attend_idx - first_attend_idx

4. 组装最终结果表 #

final_result = pd.DataFrame({
    "人员姓名": df.loc[valid_user_index, name_column].values,
    "总出勤次数": total_attend_count.loc[valid_user_index].values,
    "首次出勤周": first_attend_idx + 1, # 因为索引从0开始，对应周数要+1
    "末次出勤周": last_attend_idx +1,
    "周度时间跨度": week_span
})

结果验证：对应你提到的索引1433的示例，该人员在第1周、第46周出勤

• 第1周对应列索引0，第46周对应列索引45
• 计算得到的时间跨度 = 45 - 0 =45，和你手动计算的结果完全匹配

常见避坑提醒 #

• 提前确认周度列的顺序是按周1到周53从左到右排列的，列顺序混乱会直接导致索引定位错误
• 不要把姓名列纳入周度计算矩阵，否则非空判断会把姓名当成有效出勤，导致总出勤次数统计错误

内容的提问来源于stack exchange，提问作者Glenn