时序算法 —— LSTM、ARIMA、随机森林

时间序列模型

前置知识

时间序列

按照时间组成的序列

机器学习模型：AR、MA、ARMA、ARIMA

神经网路模型：LSTM

平稳序列 / 非平稳序列

• 平稳序列（stationary series）：基本上不存在趋势的序列，各观察值基本上在某个固定的水平上波动
• 非平稳序列（non-starionary series）：包含趋势、季节性或周期性的序列，可能只有一种成分，也可能是多种成分的组合
  
  

可以直接调statsmodels包，使用ARIMA时序模型

---

自回归模型（AR，Auto Regressive）

滑动平均模型（MA，Moving Average）

---

自回归滑动平均模型（Auto Regressive Moving Average，ARMA）

---

差分自回归滑动平均模型（Auto Regressive Integrated Moving Average，ARIMA）

平稳序列 更好用来预测，例如：在股市中（简单理解），当跌到很低时，就可以考虑买入，当升很高时，考虑卖出，以获取收益。

在自然界/其他场景中，一般非平稳序列是比较常见的，我们期望是平稳序列，因此就引入了差分方法。

事实上，ARIMA 就是对序列先进行差分，然后进行 ARMA

差分方法：

将时间序列前后相减，获得平稳序列

这里是 f(x) = x^2，需要差分 2 次，如果是 d 次方，则差分 d-1 次，即可得到平稳序列

模型使用方法

调包

order：（p, d, q）代表 （AR阶数、差分次数、MA阶数），属于超参数，在实际使用中需要自己调整值来获得比较好的时间预测模型。

也可以用超参数的网格搜索，让程序给出多种可能性，根据多种结果，分析并最终选择最合适的超参数。

设置阶数值的范围参考思路：以股票为例，想看多久前的时刻，是过去5天的，还是10天的？可以设置为5，因为一周的时间是5天（周末休市），是有周期性的。

评价模型预测结果好坏指标 ------ AIC

AIC 代表 误差，越小表示预测效果越好

# 用ARMA进行时间序列预测
import pandas as pd
import matplotlib.pyplot as plt
import statsmodels.api as sm
# 使用新的ARIMA模块替代已弃用的ARMA
from statsmodels.tsa.arima.model import ARIMA
from statsmodels.graphics.api import qqplot

# 创建数据
data = [3821, 4236, 3758, 6783, 4664, 2589, 2538, 3542, 4626, 5886, 6233, 4199, 3561, 2335, 5636, 3524, 
4327, 6064, 3912, 1356, 4305, 4379, 4592, 4233, 4281, 1613, 1233, 4514, 3431, 2159, 2322, 4239, 4733, 
2268, 5397, 5821, 6115, 6631, 6474, 4134, 2728, 5753, 7130, 7860, 6991, 7499, 5301, 2808, 6755, 6658, 
6944, 6372, 8380, 7366, 6352, 8333, 8281, 11548, 10823, 13642, 9973, 6723, 13416, 12205, 13942, 9590, 
11693, 9276, 6519, 6863, 8237, 10122, 8646, 9749, 5346, 4836, 9806, 7502, 9387, 11078, 9832, 6886, 4285, 
8351, 9725, 11844, 12387, 10666, 7072, 6429]
data=pd.Series(data)
data_index = sm.tsa.datetools.dates_from_range('1901','1990')
#print(data_index)

# 绘制数据图
data.index = pd.Index(data_index)
data.plot(figsize=(12,8))
plt.show()

# 创建ARIMA模型，使用order=(7,0,0)表示ARMA(7,0)
arma = ARIMA(data, order=(7,0,0)).fit()  # 这里就是训练
print('AIC: %0.4lf' %arma.aic) # Loss

# 模型预测
predict_y = arma.predict(start='1990', end='2000')

# 预测结果绘制
fig, ax = plt.subplots(figsize=(12, 8))
ax = data.loc['1901':].plot(ax=ax)
predict_y.plot(ax=ax)
plt.show()

---

长短期记忆网络（LSTM）

结合面试高频考点、基础语法、数据操作、性能优化、实战场景、易错点分类整理，附问题+参考答案，适配数据分析、算法、后端开发等岗位，可直接用于背诵和笔记。

Pandas 面试高频问题（分模块）

一、基础概念 & 数据结构（入门必问）

1. 介绍 Pandas 两大核心数据结构：Series 和 DataFrame

答

• Series ：一维带标签数组，由索引(index) + 值(values) 组成，可理解为单列数据，支持不同数据类型。
• DataFrame ：二维表格型数据结构，多行多列，可看作多个 Series 按列拼接，拥有行索引、列名，是日常使用最多的结构。
• 共性：基于 NumPy 实现，运算高效，支持向量化操作。

2. Series 和 Python 原生列表、字典的区别？

答

1. 对比列表：Series 自带索引，支持向量化运算；列表无索引，循环遍历低效。
2. 对比字典：字典是无序（Python3.7+有序）键值对；Series 索引有序，支持切片、数学运算、对齐操作。
3. Series 同列数据类型统一，字典/列表可混合类型。

3. 什么是索引（Index）？索引有什么作用？

答

索引是 Pandas 中行/列的标签，分为行索引、列索引。

作用：

• 快速定位、筛选数据；
• 数据合并、拼接时自动索引对齐；
• 分组、透视、重采样等操作的核心依据。
  常见索引类型：普通索引、多层索引(MultiIndex)、时间索引(DatetimeIndex)。

4. 如何创建 Series、DataFrame？

答

• Series：可从列表、数组、字典创建；
• DataFrame：可从二维列表、字典、NumPy 数组、Excel/CSV 文件、数据库创建。
  示例（简写）：

pd.Series([1,2,3])
pd.DataFrame({"col1":[1,2],"col2":[3,4]})

---

二、数据读取与写入（工程常用）

1. Pandas 支持哪些数据源读写？常用参数有哪些？

答

支持 CSV、Excel、JSON、SQL、Parquet、HDF5、HTML 等。

高频函数：read_csv / read_excel / to_csv / to_excel。

高频参数考点：

• filepath_or_buffer：文件路径；
• sep：分隔符，csv 默认 ,；
• header：指定哪一行作为列名；
• index_col：指定某列作为行索引；
• usecols：只读取指定列，减少内存占用；
• skiprows：跳过前 N 行；
• encoding：编码（utf-8/gbk，解决中文乱码）；
• dtype：指定列数据类型，提前优化内存。

2. 读取大文件 CSV 内存溢出怎么解决？

答

1. 使用 chunksize 分块读取，迭代处理数据；
2. usecols 只加载需要的列；
3. dtype 压缩数据类型（如 int64 → int32，float64→float32）；
4. 改用 parquet 等列式存储格式，压缩率更高。

---

三、数据查看、选择、切片（最高频）

1. loc、iloc、[] 三者区别与用法？（必考）

答

1. loc ：按标签索引 （行/列名称），闭区间，支持条件筛选。
   语法：df.loc[行标签, 列标签]
2. iloc ：按位置索引 （数字下标，从0开始），闭区间。
   语法：df.iloc[行下标, 列下标]
3. [] ：简易写法
   • 单[]：优先取列；
   • 切片形式 df[1:3]：取行。

核心区分 ：想按名字找用 loc，按下标位置找用 iloc；生产优先用 loc/iloc，语义更清晰。

2. 布尔索引如何实现条件筛选？举例

答

通过条件表达式生成布尔数组，筛选结果为 True 的行。

示例：筛选 age > 18 的数据

df[df["age"] > 18]
# 多条件：&(且)、|(或)、~(非)，每个条件必须加括号
df[(df["age"]>18) & (df["gender"]=="男")]

注意：多条件运算符不能用 and/or，必须用 & / |。

3. 如何查看数据基本信息？

答

• df.head(n) / df.tail(n)：查看前/后 n 行；
• df.shape：行数、列数；
• df.info()：字段类型、缺失值统计；
• df.describe()：数值列统计指标（均值、方差、分位数等）；
• df.columns / df.index：查看列名、行索引。

---

四、缺失值、重复值、异常值处理（业务必考）

1. Pandas 中缺失值表示是什么？如何检测、处理缺失值？

答

1. 缺失值标识：

   • 数值型：NaN；
   • 时间类型：NaT；
     Python None 也会被识别为缺失。

2. 检测缺失值：

   • df.isnull() / df.isna()：判断是否缺失，返回布尔表；
   • df.isnull().sum()：统计每列缺失数量。

3. 处理方式：

   • 删除 ：dropna()，参数 how、thresh、subset；
   • 填充 ：fillna()
     • 固定值填充：fillna(0)
     • 统计值填充：均值、中位数、众数
     • 前后值填充：fillna(method='ffill') 前向填充 / bfill 后向填充。

2. 如何处理重复数据？

答

• 检测重复行：df.duplicated()，返回布尔序列；
• 删除重复行：df.drop_duplicates()
  常用参数：subset 指定依据哪些列去重，keep 保留首行/末行。

3. 简单说下异常值的常用处理思路

答

1. 统计法：箱线图、3σ 原则筛选异常值；
2. 处理方式：删除、替换为均值/中位数、截断、单独标记。

---

五、数据清洗、列操作、映射替换

1. map、apply、applymap 区别？（高频）

答

三个都是元素/函数映射，适用场景不同：

1. map ：仅用于 Series，一对一映射（字典/函数），多用于类别翻译、字段映射。
2. apply ：Series / DataFrame 都可用；
   • Series：逐元素执行函数；
   • DataFrame：按行/按列 执行函数（axis=0列，axis=1行），最常用。
3. applymap ：旧版本 Pandas 专用，对 DataFrame 每一个元素 执行函数；
   新版本推荐统一使用 df.map()。

总结 ：列映射用 map；行列复杂逻辑用 apply。

2. 如何新增列、修改列、删除列？

答

• 新增列：直接赋值 df["new_col"] = 值/表达式；
• 修改列：对原有列重新赋值；
• 删除列：df.drop(columns=["col1"]) 或 del df["col1"]。

3. replace 替换函数用法？

答

用于值替换，支持单值、多值、字典映射替换：

df["col"].replace("旧值", "新值")
df["col"].replace({"A":1, "B":2})

---

六、分组、聚合、透视（业务核心，重点）

1. groupby 分组原理与常用搭配？（必考）

答

1. 原理：按照指定列将数据划分为多个组，后续对每组做聚合运算。
2. 基础语法：df.groupby(分组列)[聚合列].聚合函数()
3. 常用聚合函数：sum、mean、count、max、min、size。
4. 多聚合：agg() 支持同时多个统计、不同列不同聚合规则。

示例：

# 单列分组 + 多聚合
df.groupby("category")["price"].agg([sum, mean])
# 不同列不同聚合
df.agg({"col1":"sum", "col2":"mean"})

2. groupby 之后索引如何还原为普通列？

答

1. groupby(..., as_index=False) 分组时不将分组列设为索引；
2. 分组后执行 reset_index() 重置索引。

3. 透视表 pivot_table 和 pivot 区别？

答

1. pivot：简单透视，不支持聚合、不支持重复索引，功能弱；
2. pivot_table ：强大透视表，支持聚合函数、缺失值填充、多级索引，是 Excel 透视表的 Pandas 实现，业务首选。

4. 窗口函数 rolling 作用？（时序场景高频）

答

滑动窗口计算，常用于时间序列 （移动平均、滑动统计）。

示例：计算近7行滑动均值

df["val"].rolling(window=7).mean()

搭配 shift() 可做滞后特征，时序特征工程必备。

---

七、表合并、拼接（merge / concat）

1. concat 和 merge 的区别？（必考）

答

1. pd.concat ：拼接

   • 分为行拼接 （上下合并，axis=0）、列拼接 （左右合并，axis=1）；
   • 基于索引对齐，无关联键概念；
   • 适用：结构相同的多张表合并。

2. pd.merge ：关联/连接（类似 SQL join）

   • 基于关联字段（主键） 左右拼接；
   • 支持 左连接(left)、右连接(right)、内连接(inner)、全连接(outer)；
   • 适用：多张表通过主键关联查询。

2. merge 四种连接方式说明

答

• 内连接(inner)：只保留两张表匹配上的数据（默认）；
• 左连接(left)：以左表为准，右表匹配不上补缺失值；
• 右连接(right)：以右表为准；
• 全连接(outer)：保留左右表所有数据。

3. 合并时出现重复列名如何处理？

答

使用 merge 的 suffixes 参数，给重复列加后缀区分。

---

八、时间序列处理（时序算法岗位重点）

1. 字符串转时间格式用什么函数？

答

pd.to_datetime()，支持各种时间字符串解析，可指定 format 提升解析速度。

2. 时间索引常用操作：重采样 resample

答

resample 基于时间索引做频率转换、聚合，时序核心函数。

示例：日数据转为月均值

df.resample("M")["value"].mean()

常用频率：D日、W周、M月、Q季度、Y年。

3. 时间偏移、时间差计算？

答

pd.Timedelta 计算时间间隔；shift() 实现时间序列前移/后移。

---

九、性能优化 & 踩坑问题（进阶/中高级面试）

1. Pandas 性能优化手段？

答

1. 数据类型优化：将 int64/float64 转为更小类型，字符串列用 category（类别少的时候大幅省内存）；
2. 避免循环：优先向量化运算，禁止 for 循环逐行处理；
3. 大文件分块读取 chunksize；
4. 只加载需要的列 usecols；
5. 复杂逻辑用 apply 代替原生循环，极致场景结合 NumPy。

2. 什么是链式索引？有什么风险？

答

类似 df["col"][0] 连续两次取索引，属于链式索引。

风险：Pandas 无法确定返回的是视图还是副本 ，修改数据可能出现 SettingWithCopyWarning 警告，数据修改失效。

解决：统一使用 loc/iloc 单次索引赋值。

3. 解释 SettingWithCopyWarning 警告及解决方案

答

原因：对 DataFrame 的切片副本 进行赋值，Pandas 不确定你是否要修改原数据。

解决：

1. 筛选数据后使用 copy() 显式生成新对象；
2. 全程使用 loc 做数据选取与赋值。

4. Pandas 深拷贝、浅拷贝区别？

答

• 浅拷贝 df.copy(deep=False)：新对象引用原数据，修改值会互相影响；
• 深拷贝 df.copy(deep=True)（默认）：完全独立新数据，互不干扰。

---

十、手写代码类面试题（实操）

1. 读取 csv 文件，处理缺失值，按某列分组求均值；
2. 两表根据 ID 左连接；
3. 实现多条件筛选；
4. 时间列转换 + 按月重采样聚合；
5. 使用 map 完成类别字段映射。

---

面试精简背诵版（快速复盘）

1. 两大结构：Series(一维)、DataFrame(二维)
2. 取值：loc按标签、iloc按下标，禁止链式索引；
3. 缺失值：isnull 检测，dropna 删除，fillna 填充；
4. 函数映射：map(列)、apply(行/列)；
5. 分组聚合：groupby + agg，透视用 pivot_table；
6. 表操作：concat 上下/左右拼接，merge 类似SQL关联；
7. 时序：to_datetime 转时间，resample 重采样，rolling 滑动窗口；
8. 优化：改数据类型、用向量化、少循环、大文件分块。

结合上一轮整理的 Pandas 手写代码面试题 ，按题型分类，给出题目 + 完整代码 + 步骤解析 + 运行说明，覆盖基础操作、清洗、筛选、分组、拼接、时序、实战场景，面试直接套用。

统一前置环境：

import pandas as pd
import numpy as np

---

一、基础读写 + 缺失值处理（入门必考）

题目1

读取 data.csv 文件，查看基本信息；统计每列缺失值数量；对数值列缺失值用均值填充 ，字符列缺失值用未知 填充；最后保存为 clean_data.csv。

完整代码

# 1. 读取csv文件
df = pd.read_csv("data.csv", encoding="utf-8")

# 2. 查看数据基本信息
print("数据形状：", df.shape)
print("\n数据概览：")
print(df.head())
print("\n字段类型与缺失值：")
print(df.info())

# 3. 统计每列缺失值数量
print("\n每列缺失值统计：")
print(df.isnull().sum())

# 4. 区分类型填充缺失值
# 数值列：均值填充
num_cols = df.select_dtypes(include=[np.number]).columns
df[num_cols] = df[num_cols].fillna(df[num_cols].mean())

# 字符/对象列：填充"未知"
str_cols = df.select_dtypes(include=[object]).columns
df[str_cols] = df[str_cols].fillna("未知")

# 5. 保存清洗后数据
df.to_csv("clean_data.csv", index=False, encoding="utf-8")
print("数据清洗完成，已保存为 clean_data.csv")

关键考点

1. read_csv / to_csv 读写，index=False 不导出行索引；
2. isnull().sum() 统计缺失值；
3. select_dtypes 按数据类型筛选列；
4. fillna 批量填充。

---

二、条件筛选（布尔索引，高频）

题目2

现有学生数据表 df，字段：name, gender, age, score。

要求：

1. 筛选 年龄大于18 且 分数大于80 的男生；
2. 提取结果的 name 和 score 两列；
3. 重置行索引。

测试数据（可直接运行）

# 构造测试数据
data = {
    "name": ["张三", "李四", "王五", "赵六"],
    "gender": ["男", "女", "男", "女"],
    "age": [19, 17, 20, 18],
    "score": [85, 76, 92, 88]
}
df = pd.DataFrame(data)

完整解题代码

# 多条件筛选：& 表示且，每个条件必须加括号
cond = (df["age"] > 18) & (df["score"] > 80) & (df["gender"] == "男")
res = df[cond][["name", "score"]]

# 重置索引，drop=True 丢弃原索引列
res = res.reset_index(drop=True)

print(res)

输出结果

  name  score
0   张三     85
1   王五     92

考点提醒

• 多条件不能用 and/or，必须用 &(且)、|(或)、~(非)；
• 所有条件外层必须加括号；
• reset_index(drop=True) 面试常用写法。

---

三、map / apply 映射与自定义函数（核心考点）

题目3

基于上面学生表：

1. 使用 map 将 gender 列：男→1，女→0；
2. 使用 apply 新增一列 level：分数≥90为"A"，80~89为"B"，80以下为"C"。

完整代码

# 1. map 做字典映射（仅适用于 Series）
gender_map = {"男": 1, "女": 0}
df["gender"] = df["gender"].map(gender_map)

# 2. apply 自定义逻辑（逐行/逐元素处理）
def get_level(score):
    if score >= 90:
        return "A"
    elif score >= 80:
        return "B"
    else:
        return "C"

# 作用于单列
df["level"] = df["score"].apply(get_level)

print(df)

输出

  name  gender  age  score level
0   张三       1   19     85     B
1   李四       0   17     76     C
2   王五       1   20     92     A
3   赵六       0   18     88     B

扩展：apply 按行处理（多列判断）

如果需要同时使用多列数据，设置 axis=1：

def judge(row):
    if row["age"]>18 and row["score"]>80:
        return "优秀"
    else:
        return "普通"

df["tag"] = df.apply(judge, axis=1)

---

四、分组聚合 groupby + agg（业务必写）

题目4

基于学生表，按 gender 分组，完成统计：

• 年龄：平均值
• 分数：总和、最高分、最低分
  分组后重置索引。

完整代码

# 多列、多聚合规则
group_res = df.groupby("gender").agg(
    年龄均值=("age", "mean"),
    分数总和=("score", "sum"),
    分数最高=("score", "max"),
    分数最低=("score", "min")
).reset_index()  # 分组后重置索引

print(group_res)

老式写法（兼容旧版本，面试也可写）

group_res = df.groupby("gender")[["age", "score"]].agg({
    "age": "mean",
    "score": ["sum", "max", "min"]
}).reset_index()

考点

• agg 支持命名列 + 聚合函数；
• groupby 默认分组列变为索引，reset_index() 还原为普通列；
• 常用聚合：mean/sum/max/min/count/size。

---

五、表拼接：concat 与 merge（SQL类高频）

题目5 （concat 上下/左右拼接）

有两张结构相同的学生表 df1、df2，上下合并 ；

再构造一张班级表 df_class，按 name 左右拼接。

完整代码

# 构造测试数据
df1 = pd.DataFrame({"name":["张三","李四"], "score":[85,76]})
df2 = pd.DataFrame({"name":["王五","赵六"], "score":[92,88]})
df_class = pd.DataFrame({"name":["张三","李四","王五"], "class":["一班","二班","一班"]})

# 1. concat 行拼接（上下合并，axis=0 默认）
df_all = pd.concat([df1, df2], ignore_index=True)
print("上下合并结果：")
print(df_all)

# 2. concat 列拼接（左右合并，axis=1）
# 一般关联表优先用 merge，concat 仅用于索引对齐场景
df_concat_col = pd.concat([df1, df2], axis=1)
print("\n列拼接结果：")
print(df_concat_col)

题目6 （merge 表关联，模拟 SQL JOIN）

基于上面 df_all 和 df_class，按 name 做左连接，保留所有学生信息。

完整代码

# 左连接：以左表 df_all 为准
df_merge = pd.merge(
    left=df_all,
    right=df_class,
    on="name",        # 关联字段
    how="left"        # 连接方式：left/right/inner/outer
)
print("左连接结果：")
print(df_merge)

输出

  name  score  class
0   张三     85    一班
1   李四     76    二班
2   王五     92    一班
3   赵六     88    NaN

核心区分（面试口述）

• concat：纯拼接，按索引对齐，适合结构相同的表；
• merge：按关键字段关联，等价 SQL JOIN，业务关联表首选。

---

六、时间序列专项（时序算法岗位必考）

题目7

构造时序数据，完成：

1. 字符串时间列转为标准时间格式；
2. 将时间设为行索引；
3. 按月份重采样，对数值列求均值；
4. 计算7日滑动平均。

完整代码

# 构造时序数据
data = {
    "time": ["2025-01-01","2025-01-02","2025-02-01","2025-02-02"],
    "value": [10,20,30,40]
}
df = pd.DataFrame(data)

# 1. 字符串转时间格式
df["time"] = pd.to_datetime(df["time"])

# 2. 设置为时间索引
df = df.set_index("time")

# 3. 按月重采样 + 求均值 M=月 D=日 W=周 Y=年
res_month = df.resample("M")["value"].mean()
print("按月重采样均值：")
print(res_month)

# 4. 7日滑动窗口平均（此处数据少，仅演示语法）
df["rolling_7"] = df["value"].rolling(window=7).mean()
print("\n增加滑动平均列：")
print(df)

---

七、重复值、异常值处理

题目8

处理重复行与异常值：

1. 查看重复行；
2. 基于 name 列去重，保留第一条；
3. 使用箱线图思路，剔除分数异常值（简单实现）。

完整代码

# 构造带重复、异常数据
df = pd.DataFrame({
    "name":["张三","李四","张三","王五"],
    "score":[85, 76, 85, 200]  # 200 为异常值
})

# 1. 检测重复行
print("重复行标记：")
print(df.duplicated())

# 2. 按name去重，保留首次出现
df_drop_dup = df.drop_duplicates(subset=["name"], keep="first")

# 3. 简单异常值处理（四分位数法）
Q1 = df_drop_dup["score"].quantile(0.25)
Q3 = df_drop_dup["score"].quantile(0.75)
IQR = Q3 - Q1

# 上下界
lower = Q1 - 1.5 * IQR
upper = Q3 + 1.5 * IQR

# 筛选正常数据
df_normal = df_drop_dup[(df_drop_dup["score"] >= lower) & (df_drop_dup["score"] <= upper)]
print("\n剔除异常值后：")
print(df_normal)

---

八、综合实战大题（面试压轴题）

综合题目

现有销售表 sales.csv，字段：date, product, sales

需求：

1. 读取数据，处理缺失值；
2. 将 date 转为时间类型；
3. 按 产品 + 月份 分组，统计每月销售额总和；
4. 计算每个产品的月销售额7日滑动均值；
5. 结果导出为 result.csv。

完整综合代码

import pandas as pd

# 1. 读取数据
df = pd.read_csv("sales.csv", encoding="utf-8")

# 2. 缺失值填充
df["sales"] = df["sales"].fillna(df["sales"].mean())
df["product"] = df["product"].fillna("未知产品")

# 3. 时间转换
df["date"] = pd.to_datetime(df["date"])

# 4. 产品+月份分组求和
df["month"] = df["date"].dt.month  # 提取月份
group_df = df.groupby(["product", "month"])["sales"].sum().reset_index()
group_df.rename(columns={"sales": "month_sales"}, inplace=True)

# 5. 滑动平均（按产品分组后计算）
def rolling_mean(series):
    return series.rolling(window=7, min_periods=1).mean()

group_df["rolling_7"] = group_df.groupby("product")["month_sales"].apply(rolling_mean)

# 6. 导出结果
group_df.to_csv("result.csv", index=False, encoding="utf-8")
print("综合处理完成，结果已导出")

---

九、面试手写速记要点

1. 筛选：多条件用 & | ~，条件必加括号；
2. 缺失值：isnull() → dropna() / fillna()；
3. 映射：单列用 map，复杂逻辑/多列用 apply；
4. 分组：groupby + agg + reset_index 三连；
5. 拼接：同结构用 concat，关联表用 merge；
6. 时序：to_datetime 转时间，resample 重采样，rolling 滑动窗口。