python - 如何在没有单独表(pandas 或 SQL)的情况下获取 Employee --> Manager？

Question

在 pandas 中是否有简单的代码可以做到这一点？或者我应该试试 SQL(我对 SQL 不是很熟悉)。这是我目前所拥有的(假的例子，真实的大约有 20,000 个人)

员工_df =

    EmpID   Name    Title   ManagerID
    abc123   John   Head    pqr456
    pqr456   Jake   VP      bs92999
    zyx987   Jill   Lead    abc123
    bs92999  Bob    SVP     NaN

复制数据框:manager_df = employee_df

roster = pd.merge(manager_df, employee_df, how='outer', left_on ='ManagerID', right_on = 'EmpID')

我的输出很乱，虽然看起来是正确的(它告诉我谁是经理，但没有通过引用自身的单独表格)。

    EmpID_x Name_x  Title_x ManagerID_x  EmpID_y Name_y Title_y ManagerID_y
    abc123  John    Head      pqr456    pqr456   Jake       VP          bs92999
    pqr456  Jake    VP        bs92999   bs92999  Bob        SVP         NaN
    zyx987  Jill    Lead      abc123    abc123   John       Head        pqr456
    bs92999 Bob     SVP       NaN       NaN      NaN        NaN        NaN
    NaN     NaN     NaN       NaN       zyx987   Jill       Lead        abc123

最常见的期望输出是:

EmpID | Name | Title | Manager_Name

但有时我也需要另一个级别(老板的老板)，最大潜力大约 5 层，这看起来很疯狂，但有很多层次 - 这么高的层次并不是一直都需要，但我如果需要，希望能够将此数据滚动到更高级别:

EmpID | Name | Title | Manager_Name_1 | Manager_Name_2

第三个数据框是reporting_df:

EmpID | ManagerID | StartDate | EndDate

有时甚至在月中也会发生管理层变动，结果应反射(reflect)在该日期“拥有”该员工的经理。

file = 任何具有 EmpID 的文件或报告，我可能想在其中找出经理(或他们的经理)在该日期的身份，该日期也包含在文件中。这是解决这个问题的正确方法吗？

for i in range(len(file)):  
        file.ix[i,'Manager'] = reporting_df[(reporting_df.StartDate.shift(-1) > file.StartDate[i]) &(reporting_df.StartDate <= file.Date[i])]

Answer 1

这在某些方面可能有点棘手，所以让我们逐步构建它。首先，让我们稍微重命名这些列，以便稍后进行操作(只需将“_0”添加到其中的三个列):

     EmpID Name_0 Title_0 ManagerID_0
0   abc123   John    Head      pqr456
1   pqr456   Jake      VP     bs92999
2   zyx987   Jill    Lead      abc123
3  bs92999    Bob     SVP         NaN

这里的主要技巧是我们需要一个映射，这可以用一个系列来完成:

df.set_index('EmpID')['Name_0']

这里的关键是我们将 'EmpID' 设置为索引，然后它会为我们提供从 'EmpID' 到 'Name_0' 的映射，我们可以对 'Title_0' 和 'ManagerID_0' 做同样的事情。

对一列进行尝试:

df['ManagerID_0'].map( df.set_index('EmpID')['Name_0'] )

0    Jake
1     Bob
2    John
3     NaN

现在只需用 'for' 包裹起来即可获得完整版本:

for i in range(3):
    for col in ['Name_','Title_','ManagerID_']:
        df[col+str(i+1)] = df['ManagerID_'+str(i)].map( 
                                            df.set_index('EmpID')[col+'0'] )

     EmpID Name_0 Title_0 ManagerID_0 Name_1 Title_1 ManagerID_1 Name_2    
0   abc123   John    Head      pqr456   Jake      VP     bs92999    Bob   
1   pqr456   Jake      VP     bs92999    Bob     SVP         NaN    NaN   
2   zyx987   Jill    Lead      abc123   John    Head      pqr456   Jake   
3  bs92999    Bob     SVP         NaN    NaN     NaN         NaN    NaN   

  Title_2 ManagerID_2 Name_3 Title_3 ManagerID_3  
0     SVP         NaN    NaN     NaN         NaN  
1     NaN         NaN    NaN     NaN         NaN  
2      VP     bs92999    Bob     SVP         NaN  
3     NaN         NaN    NaN     NaN         NaN  

我将范围设置为 3，因为每个人的“ManagerID_3”都为 NaN，但如果您有更多级别，当然可以将其设置得更高。