【数据分析实战经验】1216近期思考

近期思考这个系列，是把我在工作时、上下班的地铁上，所思所想所惑之处，自问自答的写出来。
虽然不知道未来的路在哪里，还是要给自己信心吧，相信自己比随波逐流更难得可贵吧。

①当地时间，本地时间
在业务上涉及到国际业务，有时候为了统一口径，我们会划拨两类时间，一个是北京时间，一个是对应的各国时间。
Q：但在最近分析的过程中，发现营销数据突然下降的很异常，觉得不太现实，就看看数据来源有没有出错。
A：发现原来是因为统一口径的问题，换算成北京时间看，数据是下降的，但业务时间上数据是正常的，这就是为什么处理数据前要先核实一下取数时间，取数范围。
②pd.cut
Q：之前发了两篇实战，介绍打标签的for循环，但现实中数据量过大，导致千万以上的循环耗时很久，用之前那种方式效率太差。
A：发现了个更简单的方式：

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise')

x：被切分的类数组（array-like）数据，必须是1维的（不能用DataFrame）；
bins：bins是被切割后的区间（或者叫“桶”、“箱”、“面元”）
right：bool型参数，默认为True，表示是否包含区间右部。比如如果bins=[1,2,3]，right=True，则区间为(1,2]，(2,3]；right=False，则区间为(1,2),(2,3)。
labels：给分割后的bins打标签。labels的长度必须和划分后的区间长度相等，比如bins=[1,2,3]，划分后有2个区间(1,2]，(2,3]，则label