题目重点：DS PhD Intern OA 前两题的可读操作：读取/合并 CSV、算均值与条件均值、过滤时间；按数据契约拆解。
题意与假设
这道练习题保留了面经中值得训练的核心约束，并将需要澄清的条件单独列出。现场拿到变体时，先和面试官确认这些条件。
- 训练示例用 orders(order_id,customer_id,amount,event_time) 和 customers(customer_id,segment)，按 customer_id 做 many-to-one left join；这些列名和连接方式不是原题。
- 均值只对数值且非空 amount 计算，条件示意 segment=A；日期解析为统一 UTC，‘之后’按严格 > 解释，边界需确认。
解题路线
- 读文件时指定/校验 schema，解析数值与时间；对 join key 检查空值、重复和基数，明确 inner/left 后行数变化。
- 合并时用 pandas merge(validate='many_to_one') 之类的约束防止重复 key 乘法扩张；若真实题需多对多，先问聚合语义。
- 整体 mean 与条件 mean 分开计算，显式处理过滤后空集、NaN 和金额类型；若金额是财务精确值，用整数分或 Decimal，不拿 float 当账务真相。
- 过滤时间时统一时区、格式与是否包含边界；保留可复现的行序/索引规则并按题目输出契约保存。
手动走一遍
训练例：orders 为 (o1,u1,10,10:00)、(o2,u2,20,11:00)、(o3,u1,30,12:00)，customers 中 u1=A、u2=B；合并后整体均值 20，A 组均值 20；严格晚于 10:00 得 o2/o3。列名和时点仅示意。
规模与取舍
哈希连接预期 O(n+m)，额外空间 O(n+m)；均值与时间过滤线性。pandas 实际内存可明显高于文件大小，数据超内存时改用分块/数据库并保持相同 join 语义。
易错点与追问
容易失分的边界
- 猜测题目未披露的列名或关联键。
- 维表重复键导致金额行被复制，均值被改变。
- 字符串日期直接比较，混合时区出错。
- 把空条件集合的 NaN 当 0。
- 训练/测试预处理与 q24 混为同题。
继续深挖
- 维表 key 重复怎么办？
- CSV 大于内存如何合并？
- 条件均值中缺失值如何定义分母？
- 等于边界日期是否包含？
