@jiminjohn0402 #10
首先看你写的，并不需要 pandas ，逐条读取，提取客户编号作为判断，然后写到 xlsx ，加几个计数器的事，当然这样没有排序，但可以不同客户编号用不同输出

或者倒入 sqlite ，后面就不用说了

然后说这段代码
1.sort_values 应该加上 ignore_index=True ，重排 index
2.你这个完全可以用 groupby ，不用 sort ，2000w 条为了分编号 sort 没必要
3.有个 more_itertools.chunked ，不用自己算切片
4.也可以用 while + dataframe.head ，每次 drop 已完成的部分

看整个流程关键点是排序，而且你这个也仅仅是客户编号排序而已，如果这不是必须的，选择方式就很多了

如果想它还存在，贱卖或无偿转让，看有没有同道接盘，不过交割要清楚，不留尾巴，原因如下(免责)
想断的话一定要狠，只想一句话“没它也能活”，其他就不用想了，越想越难断

@zsj1029 #1
他这个曾被要求整改，已经记录在案了，即使搬到国外，如果用户有过激言论，人也跑不掉，恐怕比断掉更糟，至少加一条“逃避监管，对抗……”

那要看这个 webdav 的访问压力
如果只是个人需求，github 一堆小工具，做成服务或者开机启动就是了

回到桌面不可以么？

你这个需要汇总么？不需要的话，读一行处理一行，添加到相应文件
如果只是拆分，不需要计算的话，按这种方式纯文字处理很快的

地产（铺租）

都是技术控……
我只是跟老妈说了句狠话：“我要不是颈椎病睡不好的话，已经死了”，以后她都记得了，短暂下楼买酱油也会关
不过如果两代关系不好的不好参照

电磁炉基本都能烧干自动关停，只是家有管道气，都没用过电磁炉
我家最需要的是火灭断气的灶，经常煲汤撒了浇灭，还好现在的灶大部分都有这个安全功能

增量备份就是一个完整路径 copy 的事，几乎全部相关工具都能做，管理的只是定时任务
如果原备份是个压缩包
不考虑空间和打包时间也很简单，每次全部打包，然后所有压缩备份都保留，还原就是从最远时间的备份包解压，后面解压的跳过相同文件，我备份一些 ini,cfg 就是这种方式(不过我只选某个时间点的包解压)；
如果要兼顾空间，例如相同文件不再压缩，那就稍微复杂点，需要一个读压缩包文件列表的功能

pip install pyotp
pip install clipboard
密码上什么云，难道要团队协同编辑么？

之前买个空调，因为要上门装，没用快递专用号码，留了线下联络号，然后收了近一个月的贷款推销电话和短信
一上来就是“你在微信小程序申请的 XXX 已批准……”，这个号都没注册微信好吧
结果把 170/171 全拉黑还有广告进来，&%*&*__**%@
我倒不信是格力做了什么小动作，就是不知哪个中间环节卖的

快递专用号因为常开飞行模式，反而不怎么收到推销，所以降低号码活跃度还是有用的

弹窗时间实际上是各个软件可以自行设置的，只是没哪家提供更改的方式，都用的是默认值

高权限验证的思路没有错，只是国内把验证高权限==手持身份照片，这就是折腾人的事，就不明白 2FA 双密码验证都出错的话还会有什么法律纠纷？密码正确乙方担责不是一直都是国内“惯例”么，都没见过哪次乙方能胜诉的

这楼里好像就有一条，不溶于水不代表不能“均匀”分布在水层，只要摇匀，也是能随水发送出去的
俗语（常识）“溶于水”和化学（科学）“溶于水”是不同的概念，前者只是说放到水里肉眼看不见了，后者叫溶液

说的究竟是“反常识”还是“反科学”？
没搞清你想知道“符合科学但大部分人错误理解的知识”还是“不符合科学且有人相信的冷僻的知识”

PS:
清洁用品，几乎全部都是的原理：
特定高分子聚合物具有亲水基和厌水基，前者能让自身随水流动，后者能和其他固体或不溶于水的化合物粘合，只要这些固体、化合物范围收窄到“污物”，在水洗过程就能带走“污物”达到清洁目的
只要找出对人及生物低毒乃至无毒的聚合物，且它能特别针对“污物”亲和，它就是好的清洁剂

至于水溶性污物，是需要通过化学反应“中和”的，而不是去除

各家都在分系列，说好听就是面向不同消费群，说难听就是打标签，哪个好赚，哪个难对付
以前的小米要跟现在的红米品牌对标，现在的小米品牌已经转向中高端用户了

例如我这样的低端用户，看的就是 redmi, realme, vivo(iqoo), honor...，而不会看 xiaomi, oppo, lenovo, mate...

已经有编程基础，语法不难，了解清楚 python 的变量类型就行
类型说简单也简单，基础类型就几个，其他都是由它们演变出来的
说难也难，因为 python 各种提示都是以类名，有时根本搞不清实际的基础类型是什么，我经常分不清返回的是生成器还是迭代器
要多看别人的踩坑记录，这些教程一般都没有，例如初阶会遇到生成器只能用一次，第二次调用就没有值了（也不报错），想多次调用必须转其他类型，踩过就记得了

做数据分析离不开 pandas/numpy 等等，各种行列换算，建议备好常用包的离线手册，在线手册再快也不便 keyword 搜查
大数据肯定需要加速，ram, CPU 不说，将来能上 GPU 辅助就上
numpy ，pandas 熟悉了语法后，一定要学向量化，numba 等，纯数值计算速度翻倍甚至几十倍不说，字符计算也有 50%以上提升

ps：python 变量基本都可随意赋值，没有真正的常量概念，且九成都是引用，很多坑都是没分清引用引发的
例如循环中改变循环的对象，因为是循环内的临时变量都是引用循环对象，后续循环就出错了