Python数据分析实战：部门工资与公司整体对比算法实例解析

团队合作与管理方式常常成为技术圈内外讨论的话题。抛开性别标签，高效协作的核心往往在于规则清晰与预期稳定。这不仅是管理学的范畴，在数据处理层面，清晰的定义和计算逻辑同样至关重要。

本文将从一个具体的数据分析需求出发，探讨如何使用Python来解决一个典型的业务比较问题。

算法场景：比较部门平均工资与公司平均工资

假设我们有一组员工数据，记录了每个人的所属部门和工资。业务需求是：找出哪些部门的平均工资高于公司的整体平均工资。

这个问题可以分解为两个步骤：

1. 计算公司整体的平均工资。
2. 计算每个部门的平均工资，并与公司平均值进行比较。

数据准备与基础算法实现

我们首先将数据模拟为一组字典列表：

employees = [
    {"id": 1, "name": "小明", "dept": "技术", "salary": 15000},
    {"id": 2, "name": "小红", "dept": "技术", "salary": 20000},
    {"id": 3, "name": "小李", "dept": "产品", "salary": 12000},
    {"id": 4, "name": "小王", "dept": "产品", "salary": 13000},
    {"id": 5, "name": "小赵", "dept": "人力", "salary": 8000},
]

我们的目标是遍历一次数据，同时累加出公司总工资、总人数以及各部门的工资总和与人数。这里使用 collections.defaultdict 来方便地管理部门维度的统计。

from collections import defaultdict

def dept_vs_company(employees):
    # 公司维度统计
    total_salary = 0
    total_count = 0

    # 部门维度统计
    dept_salary_sum = defaultdict(int)
    dept_count = defaultdict(int)

    for e in employees:
        # 数据清洗：跳过关键字段缺失的记录
        salary = e.get("salary")
        dept = e.get("dept")
        if salary is None or dept is None:
            continue

        # 累计公司总和
        total_salary += salary
        total_count += 1

        # 累计部门总和
        dept_salary_sum[dept] += salary
        dept_count[dept] += 1

    # 处理无有效数据的情况
    if total_count == 0:
        return {}

    company_avg = total_salary / total_count
    result = {}

    for dept, salary_sum in dept_salary_sum.items():
        dept_avg = salary_sum / dept_count[dept]

        # 判断与公司平均值的相对关系
        if dept_avg > company_avg:
            relation = "higher_than_company"
        elif dept_avg < company_avg:
            relation = "lower_than_company"
        else:
            relation = "equal_to_company"

        result[dept] = {
            "dept_avg": dept_avg,
            "company_avg": company_avg,
            "relation": relation,
        }
    return result

运行以上函数并查看结果：

if __name__ == "__main__":
    res = dept_vs_company(employees)
    for dept, info in res.items():
        print(
            f"{dept} 部门平均工资 {info['dept_avg']:.2f}，"
            f"公司平均工资 {info['company_avg']:.2f}，"
            f"关系: {info['relation']}"
        )

输出示例：

技术 部门平均工资 17500.00，公司平均工资 13600.00，关系: higher_than_company
产品 部门平均工资 12500.00，公司平均工资 13600.00，关系: lower_than_company
人力 部门平均工资 8000.00，公司平均工资 13600.00，关系: lower_than_company

从结果可以一目了然地看出，只有“技术”部门的平均工资高于公司整体水平。

算法变体：计算具体差值

有时业务需要更精确的数值对比，例如直接计算部门平均与公司平均的差额。只需对上述函数稍作修改：

def dept_diff_from_company(employees):
    from collections import defaultdict
    total_salary = 0
    total_count = 0
    dept_salary_sum = defaultdict(int)
    dept_count = defaultdict(int)

    for e in employees:
        salary = e.get("salary")
        dept = e.get("dept")
        if salary is None or dept is None:
            continue
        total_salary += salary
        total_count += 1
        dept_salary_sum[dept] += salary
        dept_count[dept] += 1

    if total_count == 0:
        return {}

    company_avg = total_salary / total_count
    result = {}

    for dept, salary_sum in dept_salary_sum.items():
        dept_avg = salary_sum / dept_count[dept]
        diff = dept_avg - company_avg  # 正数表示高于公司平均，负数表示低于
        result[dept] = {
            "dept_avg": dept_avg,
            "company_avg": company_avg,
            "diff": diff,
        }
    return result

这个版本输出的 diff 字段非常适合用于排序或生成可视化报表，直观展示各部门的薪酬水平与公司基准的差距。

使用 Pandas 进行高效数据分析

对于日常的数据分析工作，使用 pandas 库可以让代码更加简洁高效。pandas 内置的分组聚合功能能轻松应对此类问题。

import pandas as pd

def dept_vs_company_pandas(employees):
    # 将数据转换为DataFrame
    df = pd.DataFrame(employees)
    # 数据清洗：移除关键字段为空的行
    df = df.dropna(subset=["salary", "dept"])

    # 计算公司平均工资
    company_avg = df["salary"].mean()
    # 按部门分组计算平均工资
    dept_avg_series = df.groupby("dept")["salary"].mean()

    result = {}
    for dept, avg in dept_avg_series.items():
        if avg > company_avg:
            relation = "higher_than_company"
        elif avg < company_avg:
            relation = "lower_than_company"
        else:
            relation = "equal_to_company"

        result[dept] = {
            "dept_avg": float(avg),
            "company_avg": float(company_avg),
            "relation": relation,
        }
    return result

pandas 的实现逻辑与纯 Python 版本完全一致，但借助其强大的 数据分析 能力，代码更加清晰，尤其适合处理大规模数据集。

总结

本文通过一个“部门与公司平均工资比较”的案例，演示了从问题分析、基础算法实现到利用高级库（pandas）优化的完整数据处理流程。无论是使用基础数据结构进行精细控制，还是借助 pandas 提升开发效率，核心都在于对问题逻辑的清晰把握。在实际工作中，清晰、可维护的代码和可靠的数据处理逻辑，是支撑业务决策、实现高效团队协作的坚实基础。