请参考: {代码...}

需要先去重，再分组统计 {代码...}

tmp = x.groupby(["user_id"])['log'].apply(lambda x: Counter(np.concatenate(list(x))))

clone一份sql到本地

{代码...}

单独筛选 {代码...} 同时筛选 {代码...}

1.统计每个时间段，name类别cost本期的占比。groupby 中的 apply 函数可以对分组后的数据进行操作 {代码...} 2.统计每个时间段，code类别cost本期的占比。transform 函数输出的数据长度与输入保持一致 {代码...}

{代码...}

{代码...} 查到对应单价和挂号费的思路 1 筛选出重量段，这里筛选出的最后一条数据就是对应的重量段了 {代码...} 2 筛选出目的地 {代码...} 3 提取最后一条数据，此时得到的两个数据便是对应的单价和挂号费 {代码...} df2 {代码...} 将查找单价和挂号费的思路写成函...

这种情况，join 两次就好了： {代码...} 结果参见线上的演示：[链接]

res = &model.StProduct.... res给指针赋值了，指向了地址0xn，那么find(res)中res指针是有效的可以修改属性。