我有兩個資料框，一個包含有關員工的資訊，另一個包含有關專案的資訊。它們看起來像這樣：
df_employees.head(5)
id name salary
0 0469 Aurore 18100
1 4c13 Malinda 16100
2 67f2 Cephus 20500
3 7b36 Doctor 16000
4 5c65 Paloma 27100
df_projects.head(5)
employee_id project_id start_date end_date
0 8411 03245e5933eb 2017-03-16 2017-03-30
1 b67d 033af173480e 2017-02-27 2017-04-06
2 5ca8 033af173480e 2017-02-27 2017-04-06
3 bb0c 03fa66f3a3e8 2020-06-12 None
4 6d22 03fa66f3a3e8 2020-06-12 None
現在我正在嘗試找到至少完成 10 個專案的 3 名最低薪員工。為此，我首先合并兩個資料集，如下所示：
import pandas as pd
df_mer = pd.merge(df_employees, df_projects, left_on= 'id', right_on= 'employee_id')
print(df_mer.head(10))
id name salary employee_id project_id start_date end_date
0 0469 Aurore 18100 0469 0bd005702cc1 2020-06-17 2020-08-02
1 0469 Aurore 18100 0469 8b2ce1e01e29 2018-02-05 2018-02-21
2 0469 Aurore 18100 0469 d580afd6f249 2020-07-04 2020-07-28
3 4c13 Malinda 16100 4c13 05b299e8ecd9 2018-02-06 2018-03-13
4 4c13 Malinda 16100 4c13 42c7826cb8e1 2019-02-08 2019-05-21
5 4c13 Malinda 16100 4c13 64e01cf58730 2018-04-28 2018-07-10
6 4c13 Malinda 16100 4c13 7854dcf39808 2019-12-05 None
7 4c13 Malinda 16100 4c13 8505058db062 2018-04-11 2018-05-29
8 4c13 Malinda 16100 4c13 908c863bccdd 2019-02-04 2019-05-14
9 4c13 Malinda 16100 4c13 c7bb3ababa5c 2018-02-18 2018-10-12
然后我寫了這個命令來獲取每個員工完成的專案數量：
vn = df_mer['name'].value_counts()
vn.head(5)
Arielle 15
Cornell 10
Devonta 10
Phylicia 10
Abigail 9
現在我想找到至少做過 10 個專案的 3 位最低薪員工，但我不知道該怎么做。如果有人能給我一個提示，我將不勝感激。謝謝你。
uj5u.com熱心網友回復：
您可以嘗試將 nsmallest 用于第一個 df。就像是
df_employees.nsmallest(3,'salary')
并按員工分組并計算第二個專案
df_projects.groupby('employee_id')['project_id'].count()
過濾超過 10 的結果并將它們合并在一起？
uj5u.com熱心網友回復：
vn = df_mer['name'].value_counts()
a=vn[vn > 10].index.tolist()
b=df_mer[df_mer['name'].isin(a)].drop_duplicates(subset='name',keep='first')
c=b.nsmallest(3, 'salary')
3_lowest_paid_employees=c.name
uj5u.com熱心網友回復：
我會以不同的方式命令您的操作。您可以在合并之前從 df_projects 計算員工執行的專案數：
from datetime import date
# You may want to filter by completed projects and future projects
mask = ~df_projects["end_date"].isnull()
mask &= df_projects["start_date"] <= pd.to_datetime(date.today())
n_projects = df_projects.loc[mask, "employee_id"].value_counts()
n_projects.name = "n_projects"
# Reindex employee dataframe by employee id
df_employees.set_index("id", drop=True, inplace=True)
# Left Join
df = df_employees.join(n_projects, how="left")
輸出看起來像這樣，但我使用了外連接，因為提供的示例資料中沒有一個 id 匹配：
name salary n_projects
0469 Aurore 18100.0 NaN
4c13 Malinda 16100.0 NaN
5c65 Paloma 27100.0 NaN
5ca8 NaN NaN 1.0
67f2 Cephus 20500.0 NaN
7b36 Doctor 16000.0 NaN
8411 NaN NaN 1.0
b67d NaN NaN 1.0
然后您可以輕松地進行排序和過濾...
project_limit = 10
df[df["n_projects"] >= project_limit].sort_values(
by=["salary", "n_projects"],
ascending=[True, False]
)
轉載請註明出處，本文鏈接：https://www.uj5u.com/gongcheng/463570.html