29，Python数分之Pandas训练，力扣，615. 平均工资：部门与公司比较

• 学习：知识的初次邂逅
• 复习：知识的温故知新
• 练习：知识的实践应用

目录

一，原题力扣链接

二，题干

三，建表语句

四，分析

五，Pandas解答

六，验证

七，知识点总结

---

一，原题力扣链接

. - 力扣（LeetCode）

二，题干

表：Salary

+-------------+------+
| 列名        | 类型 |
+-------------+------+
| id          | int  |
| employee_id | int  |
| amount      | int  |
| pay_date    | date |
+-------------+------+
在 SQL 中，id 是该表的主键列。
该表的每一行表示一个员工一个月的薪资。
employee_id 是来自 Employee 表的外键（reference 列）。

表： Employee

+---------------+------+
| 列名          | 类型 |
+---------------+------+
| employee_id   | int  |
| department_id | int  |
+---------------+------+
在 SQL 中，employee_id 是该表的主键列。
该表的每一行表示一个员工所属的部门。

找出各个部门员工的平均薪资与公司平均薪资之间的比较结果（更高 / 更低 / 相同）。

以 任意顺序 返回结果表。

结果格式如下所示。

示例 1：

输入：
Salary 表:
+----+-------------+--------+------------+
| id | employee_id | amount | pay_date   |
+----+-------------+--------+------------+
| 1  | 1           | 9000   | 2017/03/31 |
| 2  | 2           | 6000   | 2017/03/31 |
| 3  | 3           | 10000  | 2017/03/31 |
| 4  | 1           | 7000   | 2017/02/28 |
| 5  | 2           | 6000   | 2017/02/28 |
| 6  | 3           | 8000   | 2017/02/28 |
+----+-------------+--------+------------+
Employee 表:
+-------------+---------------+
| employee_id | department_id |
+-------------+---------------+
| 1           | 1             |
| 2           | 2             |
| 3           | 2             |
+-------------+---------------+
输出：
+-----------+---------------+------------+
| pay_month | department_id | comparison |
+-----------+---------------+------------+
| 2017-02   | 1             | same       |
| 2017-03   | 1             | higher     |
| 2017-02   | 2             | same       |
| 2017-03   | 2             | lower      |
+-----------+---------------+------------+
解释：
在三月，公司的平均工资是 (9000+6000+10000)/3 = 8333.33...
部门 '1' 的平均薪资是 9000，因为该部门只有一个员工，其员工号为 '1'。因为 9000 > 8333.33，所以比较结果为 'higher'
部门 '2' 的平均薪资是（6000 + 10000）/ 2 = 8000，该平均薪资是员工号 '2' 和 '3' 的薪资的平均值。因为 8000 < 8333.33，比较结果为 'lower'。

根据同样的公式，对于二月份的平均薪资比较，结果为 'same'，因为部门 '1' 和 '2' 都与公司的平均薪资相同，即为 7000。

三，建表语句

import pandas as pd

data = [[1, 1, 9000, '2017/03/31'], [2, 2, 6000, '2017/03/31'], [3, 3, 10000, '2017/03/31'], [4, 1, 7000, '2017/02/28'], [5, 2, 6000, '2017/02/28'], [6, 3, 8000, '2017/02/28']]
salary = pd.DataFrame(data, columns=['id', 'employee_id', 'amount', 'pay_date']).astype({'id':'Int64', 'employee_id':'Int64', 'amount':'Int64', 'pay_date':'datetime64[ns]'})
data = [[1, 1], [2, 2], [3, 2]]
employee = pd.DataFrame(data, columns=['employee_id', 'department_id']).astype({'employee_id':'Int64', 'department_id':'Int64'})

四，分析

题解：

表：薪资表

字段：薪资id，员工id，部门id，日期

表 员工表

字段： 员工id，部门id

求每个月的部门平均薪资和每个月公式的平均薪资 比较

代码实现表格分析的逻辑：

第一步 拼接2个表；

第二步：扩展一个日期列，截取年和月；

第三步： 分别以日期分组 计算工资每个月的平均薪资 和以日期与部门分组 计算公式每个部门 每个月的平均薪；

第四步，映射指定的列， 部门，日期，部门平均薪资列，公式平均薪资列，然后去重；

最后一步：用每个月的部门平均薪资和 每个月公式的平均薪资比较 ；

最后修改列名。

五，Pandas解答

import pandas as pd

def average_salary(salary: pd.DataFrame, employee: pd.DataFrame) -> pd.DataFrame:
   # 内连接连接2个表 为啥用内连接  每薪资的要了干嘛？
    df = pd.merge(salary,employee,how='inner',on='employee_id')
    #拿到日期列
    df['date1'] = df['pay_date'].astype(str).str[:7]
    #拿到公司 在不同月份的平均薪资
    df['g_avg'] = df.groupby('date1')['amount'].transform('mean')
    #拿到公司中 不同部门 在不同月的平均薪资
    df['dep_avg'] = df.groupby(['date1','department_id'])['amount'].transform('mean')
    #只要指定的列 
    df1 = df[['date1','department_id','g_avg','dep_avg']]
    df1 = df1.drop_duplicates().reset_index()
    def fun(x):
        if x['dep_avg']>x['g_avg']:
            return 'higher'
        elif x['dep_avg'] == x['g_avg']:
            return  'same'
        elif x['dep_avg'] < x['g_avg']:
            return 'lower'
    df1['comparison'] = df1.apply(fun,axis=1)
    df2 = df1[['date1','department_id','comparison']]
    df2.columns=['pay_month','department_id','comparison']
    return df2
average_salary(salary,employee)

六，验证

七，知识点总结

• Pandas中 内连接的运用 API： inner ...how...on
• Pandas中 从日期中截取年-月的运用 API astype.str[]
• Pandas中 分组聚合的运用 API garoupby...transfrom 实现开窗的效果
• Pandas中 自定义函数的运用  API apply
• Pandas中 改名的运用 API columns
• 比较 每个月 每个部门的平均薪资 和每个月 公式的平均薪资

• 学习：知识的初次邂逅
• 复习：知识的温故知新
• 练习：知识的实践应用