您的问题是将“文本相似度分析”与“查询部门员工平均工资”的任务结合在一起，但实际上这两者并无直接关联。“文本相似度分析”通常用于自然语言处理领域，而后者属于数据库操作或数据统计范畴。以下是针对 **查询20、30号部门员工的平均工资，并按条件排序** 的部分，提供Python实现： ### Python 实现 假设我们有一个包含员工信息的数据表 `employees`，其字段包括 `department_id`（部门编号）、`salary`（薪资）。以下是完整的解决方案代码： ```python import pandas as pd # 示例数据：模拟 employees 表 data = { 'employee_id': [1, 2, 3, 4, 5], 'name': ['Alice', 'Bob', 'Charlie', 'David', 'Eva'], 'department_id': [20, 20, 30, 30, 20], # 部门编号 'salary': [1600, 1800, 1700, 1900, 1400] # 工资 } df = pd.DataFrame(data) def calculate_average_salary(department_ids): """ 查询指定部门的平均工资，并筛选出平均工资超过1500的结果， 按照要求进行排序并返回结果。 :param department_ids: 要计算的部门ID列表 :return: 筛选后的部门及对应的平均工资 """ filtered_df = df[df['department_id'].isin(department_ids)] # 过滤目标部门 if filtered_df.empty: return "无符合条件的部门" result = ( filtered_df.groupby('department_id')['salary'] # 按部门分组求平均工资 .mean() .reset_index(name='average_salary') # 添加新的列名 .query('average_salary > 1500') # 筛选出平均工资大于1500的部分 .sort_values(by=['average_salary', 'department_id'], ascending=[False, True]) # 排序 ) return result[['department_id', 'average_salary']] # 返回需要的列 if __name__ == "__main__": target_departments = [20, 30] output = calculate_average_salary(target_departments) print(output) # 打印最终结果 ``` #### 输出示例 对于上述输入数据，运行程序会得到类似以下输出： ``` department_id average_salary 1 30 1800.0 0 20 1600.0 ``` --- ### 解释说明 1. 我们使用了 Pandas 库对数据进行高效的操作。 2. 利用 `groupby()` 和 `mean()` 函数分别实现了按照部门 ID 分组以及计算每个部门的平均工资功能。 3. 结合 `.query()` 方法完成过滤工作，保留仅满足“平均工资高于1500元”的记录。 4. 最终通过 `sort_values()` 对生成结果先依据平均工资降序排列；如果存在相同的平均值，则进一步依部门号码从小到大排定顺序。 如果您希望了解如何引入【文本相似度分析】的概念并与这个场景融合，请补充更详细的背景描述哦！