@rationa1cuzz #8 我自己手上正好有一个 12k 的数据集

data.shape
Out[8]: (116419, 12)

%timeit data.query("startCityId==321 and endCityId==3401")
3.14 ms ± 147 µs per loop (mean ± std. dev. of 7 runs, 100 loops each)

%timeit data.query("startCityId==321 and endCityId==3401 and carType=='8_1'")
12.5 ms ± 7.9 ms per loop (mean ± std. dev. of 7 runs, 10 loops each)

data.startCityId.nunique()
Out[10]: 265
data.endCityId.nunique()
Out[11]: 284

carType 是一个字符串，另两个是整数类型，这么小的数据集查询这么慢，肯定是哪里出问题了

我试了试，只能循环转为 dataframe，之后查询就会快很多

```
d = {
'中学': {
'初一': {
'数学': [{
'id': 1,
'题目': 'xx',
'答案': 'xx'
},
{
'id': 2,
'题目': 'xx',
'答案': 'xx'
}
]
},
'初三': {
'语文': [{
'id': 3,
'题目': 'xx',
'答案': 'xx'
},
{
'id': 4,
'题目': 'xx',
'答案': 'xx'
}
]
}
},
'小学': {
'三年级': {
'英语': [{
'id': 5,
'题目': 'xx',
'答案': 'xx'
},
{
'id': 6,
'题目': 'xx',
'答案': 'xx'
}
],
'体育': [{
'id': 7,
'题目': 'xx',
'答案': 'xx'
},
{
'id': 8,
'题目': 'xx',
'答案': 'xx'
}
]
},
'五年级': {
'美术': [{
'id': 9,
'题目': 'xx',
'答案': 'xx'
},
{
'id': 10,
'题目': 'xx',
'答案': 'xx'
}
]
}
}
}

trans = []

for title1_key,title1_val in d.items():
for title2_key,title2_val in title1_val.items():
for title3_key, title3_val in title2_val.items():
tmp_df = pd.DataFrame(title3_val)
tmp_df['title1'] = title1_key
tmp_df['title2'] = title2_key
tmp_df['title3'] = title3_key
trans.append(tmp_df)
df = pd.concat(trans)
```

查询的话，大数据量用 query 方法会更快一点

df.query('id==5')
Out[156]:
id 题目 答案 title1 title2 title3
0 5 xx xx 小学 三年级 英语

df.query("title2=='三年级' and title3=='英语'").id
Out[158]:
0 5
1 6

各远郊区的卫星城区内主干道都不让走，我弟就开了三四年皮卡，还因为这个政策的征求意见稿，他们车友会去写信找政 /府抗议了么，没用

一周 1-2 次，刚第四大关

chrome fireshot

你这个 excel 表就能很快实现，一共也没多少数据

import pandas as pd

df = pd.read_excel("data.xlsx")

df1 = df.pivot_table(index="医院",columns="月",values="总计",aggfunc="sum").reindex(columns=range(1,13)).fillna(0).cumsum(axis=1)
df1.columns = [f"{c}月" for c in df1.columns]

from itertools import product
df2 = df1.reindex(index=list(product(df1.index.get_level_values(0).unique(),[f'{i}' for i in np.arange(1,8,1)])),fill_value=0)

你说的基本都是对的但是有点狭隘，知道为什么现在机器学习、科学计算和数据分析大部分都用 python 这种比较慢的脚本语言当接口吗，因为生态好，除了 np 和 pd，scipy,sklearn,statsmodels,matplotlib,seaborn 都基于 numpy,pytorch 的 tensor 也和 np.array 基本一致，以上这些，excel，SQL，R，julia 目前甚至未来都是做不到的。

manjaro 就很友好，基本不需要配置，archlinux 的嫡系

vimium，一个 gg 就上去了，G 就到最下边

@whasyt #10 既然你会 python，那么你现在的难点是什么？我没弄明白，excel 不方便就自己写点代码呗

你用 pandas 读两个表，索引 merge 或者 concat，然后用 isna,notna 看看是否也有 nan，col1/col2 计算误差，是这样吗？

墙面刷漆能用标准色就用标准色，自己调的留好色号，我家墙被我用无痕钉打坏了，至今都没办法，因为找不到相同颜色了，只能准备弄个照片墙盖上

蹭蹭，啊不是，沾沾喜气

@yolee599 #78 带森有的是 100 块以上产品就带的矿物负离子，松下高端带的叫纳米水离子（ nanoe ），好象是这样

我觉得我破译了楼主想问的问题，应该是，有一个形似 xxxyyyzzz 的字符串，y 是随机的（没说是数字还是字符还是两者组合），如果遇到 x,z 都是随机字母数字组合，那么删除该行，如果 x,z 都是纯数字或纯字符，那么就保留，但楼主没说如果 x 是纯数字，z 是纯字符，是否要删除。

上个月给我媳妇新买个吹风机，对比的就是戴森和人鱼姬，最后下单后者。根据我查到的资料

戴森的优点是造型好看，手持重心合理，高速风机
缺点是贵，没有离子这种护法功能，说白了就是傻吹，更适合中短发型，尤其是男性

我媳妇用了人鱼姬吹了一个月说吹完确实头发更顺滑了。