Python自动化处理奖金分摊：基于连续空值的智能分配算法升级

原创 IT小本本 IT小本本 2025年04月04日 02:00 北京

引言

在企业薪酬管理中，团队奖金分配常涉及复杂的分摊规则。传统手工分摊不仅效率低下，还容易因人为疏漏导致分配不公。

本文在算法基础上进行升级，通过增强的空值处理逻辑和性能优化，实现更健壮的奖金分摊自动化方案。

需求：

最终奖金分摊：

源代码：

import pandas as pd
import numpy as np



excel_file = 'bonus_data.xlsx'# 读取Excel文件
df = pd.read_excel(excel_file)

# 创建新列用于存储平分后的奖金
df['平分'] = None

# 处理数据，查找连续的空值区域并进行分摊
i = 0
while i < len(df):
    # 如果当前行有奖金值
    if pd.notna(df.loc[i, '奖金']):
        current_bonus = df.loc[i, '奖金']
        start_idx = i
        
        # 查找连续的空值区域
        next_idx = i + 1
        while next_idx < len(df) and pd.isna(df.loc[next_idx, '奖金']):
            next_idx += 1
        
        # 计算需要分摊的人数
        num_people = next_idx - start_idx
        
        # 如果只有一个人有奖金（没有需要分摊的人）
        if num_people == 1:
            df.loc[i, '平分'] = current_bonus
        else:
            # 计算平均奖金
            avg_bonus = current_bonus / num_people
            # 为这组人分配平均奖金
            for j in range(start_idx, next_idx):
                df.loc[j, '平分'] = avg_bonus
        
        # 移动到下一个非空奖金的位置
        i = next_idx
    else:
        # 如果当前行没有奖金值，跳到下一行
        i += 1

# 处理那些仍然为空的"平分"单元格（处理单独的空值行）
for i in range(len(df)):
    if pd.isna(df.loc[i, '平分']):
        # 检查前后是否有非空的"平分"值
        if i > 0and pd.notna(df.loc[i-1, '平分']):
            df.loc[i, '平分'] = df.loc[i-1, '平分']
        elif i < len(df)-1and pd.notna(df.loc[i+1, '平分']):
            df.loc[i, '平分'] = df.loc[i+1, '平分']

# 格式化平分列，去掉小数点后不必要的零
df['平分'] = df['平分'].apply(lambda x: int(x) if pd.notna(x) and x == int(x) else x)

# 输出处理后的数据
print(df)

算法核心点

1. 多列空值联合检测

# 支持多列条件的连续空值检测
while next_idx < len(df) and (
    pd.isna(df.loc[next_idx, '奖金']) |
    pd.isna(df.loc[next_idx, '部门'])
):
    next_idx += 1

2. 动态权重分配

# 按业绩系数动态分配
weight_col = df.loc[start_idx:next_idx-1, '业绩系数']
df['平分'] = current_bonus * weight_col / weight_col.sum()

3. 智能空值修复链

# 三级修复策略
df['平分'] = df['平分'].fillna(
    method='ffill'
).fillna(
    method='bfill'
).mask(
    df['奖金'].isna() & df['平分'].eq(df['平分'].shift()),
    np.nan
)

4. 数据状态标记

# 异常数据自动标记
df['数据状态'] = np.where(
    (df['奖金'] > 1e6) | (df['平分'] < 0),
    '异常',
    '正常'
)