使用Pandas groupby和shift计算员工最长连续带薪休假时长

没问题，我来一步步帮你搞定这个需求，用Pandas的groupby和diff就能轻松实现～

第一步：准备数据并转换日期格式 #

首先得把日期字符串转成Pandas能识别的datetime类型，不然没法计算日期差。先构造你的示例数据：

import pandas as pd

data = {
    'employee_id': [1,1,1,1,2,2,2,2,2],
    'time_off_date': ['1/1/2017','1/2/2017','1/3/2017','5/1/2017','6/1/2017','9/5/2017','9/6/2017','9/7/2017','9/8/2017']
}
df = pd.DataFrame(data)

# 转换日期格式
df['time_off_date'] = pd.to_datetime(df['time_off_date'])
# 确保数据按员工和日期排序（避免原始数据乱序导致错误）
df = df.sort_values(['employee_id', 'time_off_date'])

第二步：标记连续休假的分组 #

接下来要给每个连续的休假段分配一个唯一的组ID。核心思路是：对每个员工的日期，计算当前日期和前一天的差值，如果差值不等于1天，就标记为一个新的连续组开始。

# 计算当前日期与前一天的天数差，判断是否为新的连续组
df['is_new_series'] = df.groupby('employee_id')['time_off_date'].diff().dt.days != 1
# 每个员工的第一条记录没有前一天，所以填充为True（作为第一个组的开始）
df['is_new_series'] = df['is_new_series'].fillna(True)
# 累加标记生成连续组ID
df['series_id'] = df.groupby('employee_id')['is_new_series'].cumsum()

这时候df会新增两列：is_new_series标记是否是新组的起点，series_id则是每个连续休假段的唯一标识。

第三步：计算每位员工的最长连续休假天数 #

现在可以按员工和组ID分组，计算每个组的天数，再找出每个员工的最大值：

# 计算每个连续休假组的天数
series_days = df.groupby(['employee_id', 'series_id']).size().reset_index(name='continuous_days')

# 提取每个员工的最长连续休假天数
max_continuous_days = series_days.groupby('employee_id')['continuous_days'].max().reset_index(name='max_continuous_days')

print(max_continuous_days)

运行后输出就是你要的结果：

employee_id  max_continuous_days
0            1                    3
1            2                    4

第四步：筛选休假时长超过X天的连续记录 #

针对额外需求，只需要先筛选出天数超过X的组，再把这些组的原始记录关联回来就行。比如X=3：

X = 3
# 筛选出天数超过X的连续组
filtered_groups = series_days[series_days['continuous_days'] > X]
# 关联回原始数据，得到所有符合条件的休假记录
long_leave_records = df.merge(filtered_groups, on=['employee_id', 'series_id'])

print(long_leave_records)

输出就是员工2那4天的连续休假记录：

employee_id time_off_date  is_new_series  series_id  continuous_days
0            2    2017-09-05           True          2                4
1            2    2017-09-06          False          2                4
2            2    2017-09-07          False          2                4
3            2    2017-09-08          False          2                4

小提示 #

如果你的原始数据日期可能存在乱序的情况，一定要先执行sort_values排序，不然diff计算出来的差值会出错，导致连续组标记错误哦～

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