本來這篇是要寫Python的可視化的，但無意中發現了一道題目，發現通過這道題可以很好地鍛煉一下邏輯思維能力，而且也可以復習下SQL和Python的編寫，于是便決定先寫這篇了。

通過這道題我們會發現，其實在分析工作中，最重要的能力是邏輯思維，程序只不過是實現邏輯的工具，沒有邏輯思維能力，程序就是無本之源。而且，雖然實現一個結果會有多種邏輯，但好的邏輯會讓我們的程序更具簡潔性、可觀性、高效性。

下面是結合自身理解所總結的兩類實現邏輯，我相信肯定還會有更優秀的邏輯在某些大牛的腦中!

案例介紹

案例來源于LeetCode，這樣的需求在時間序列數據中還是較為常見的。

某市體育館每日人流量信息被記錄在stadium表的三列信息中：序號 (id)、日期 (visit_date)、 人流量 (people)，找出至少連續三行人流量不少于100的記錄。

思路分析

最簡單的思路肯定是對stadium表進行三次笛卡爾積連接，但這種方式在數據量大時不可取，而且也不具備泛化性(譬如需求改成至少連續十行)。網上也流傳著阿里的編程規范——禁止三表以上的連接。

總之，這種思路不是我們該采取的，我們需要尋找其它思路。

(1)構建等差數列

從上圖中我們能發現一個規律，滿足條件的數據區域在原始表和結果表中的行編號均是等差數列，兩個等差數列的差值是固定的。譬如，數列A1和B1的差值均為1;數列A2和B2的差值均為2。

只要我們保證每塊區域等差數列的差值各不相等，那我們就可以通過篩選差值出現的次數來篩選滿足條件的區域。例如，差值2出現了4次，滿足條件，那該差值對應的記錄就是我們需要的數據。

構建差值的方式除了通過行編號外，也還有其它方式，大家可以想一想。

(2)數據切片

從圖中可看出，if_true是輔助列，表示是否滿足條件，1為True，0為False。我們要選擇滿足條件的區域，可通過用0對該列進行切片，得到的是全為1的不同長度的小數列，根據每個小數列的長度來篩選滿足條件的區域。

在圖中就是得到了長度為a和b的數列，通過計算數列的長度來找出滿足條件的區域。

程序實現

上節我們選擇了兩種思路，其中Python兩種思路都可以實現，SQL可實現第一種思路。本節用SQL實現第一種思路，用Python實現第二種思路。

(1)SQL

select id,visit_date,people 
from 
(select t2.*,count(1) over(partition by rn2) rn3 
from  
(selectt1.*,rn1 - row_number() over(order by visit_date) rn2 
from 
(select *,row_number() over() as rn1 
from stadium order by visit_date)t1 #t1表對日期升序排列后生成行編號 
where people>=100) t2 #t2表篩選人數不低于100的數據，并用原行編號減去新生成的行編號得到差值 
where 1=1) t3 #t3表統計每類差值出現的次數 
where rn3>2 #篩選次數大于2的數據即為所需要的數據 

因為實際中表中的ID幾乎都不是連續的數字，所以為了保證泛化性就先生成了行編號，這樣就不用依賴于ID了。

除此之外也還可以通過用戶變量等方式實現，大家可以試著想一想。

(2)Python

import pandas as pd 
dt=pd.DataFrame({"id":range(1,9),  
                 "visit_date":pd.date_range(start="2017-01-01",periods=8),  
                 "people":[10,109,150,99,145,1455,199,188]}) 
dt["col1"]=dt["people"].apply(lambda x : 1 if x>=100 else 0) 
#生成人數是否不低于100的新列 
dt['counter'] = (dt["col1"]==0).cumsum() 
#按照col1列是否為0計算累計和，標記每個連續區域 
dt = dt[dt["col1"] !=0] 
#剔除人數低于100的記錄 
gb=dt.groupby("counter")["id"].count() 
# 統計各標記值的次數 
result=dt[dt["counter"].isin(gb[gb>2].index)] 
#篩選滿足條件的數據 

這里有一點需要注意，如果直接將col1列轉為字符串按0進行切片的話，雖然可以求出滿足條件的區域數量和長度，但很難再尋找到具體的區域。

split_col1="".join([str(i) for i in dt["col1"]]).split("0") 

原本是按照的這種思路，但發現尋找長度符合字符串在原列表中的索引時會比較麻煩，尤其是當需要查找多個索引值時。

但此種思路還是非常重要，因為在只是計算連續區域的最大值時會非常簡單。

結語

以上只是兩種簡單的邏輯，其實還有一些邏輯方法，但其本質大都差不多，本文就不一一列舉了。至于是否還有更高效的邏輯方法，就等著大牛們來指導吧。

如果有完整看完的朋友就會發現，一個簡單的例子就可以有多種實現方法，在將每種方法都自己寫一遍的過程中，就是對已有知識的一種梳理和復習。