各大厂薪资职级对标来啦，你在哪个档？

刚刷到个贴子，说现在各大厂的薪资和职级对标出来了，程序员们可以对照看看自己在什么水平。说实话，这种“薪资对标表”每年都能刷一波热度，大家总想知道自己值多少钱，心里也不免有点小激动。

作为一个资深程序员，我觉得这事吧，看到别人年包几十万上百万，难免心动，但其实各厂的档位背后，拼的不只是技术，还有资源、项目和个人“能见度”。网友们有人开始自嘲“原来我连中位数都没到”，也有人感慨“怎么同一个P级差这么多”，但其实每家标准不一样，盯着表看容易焦虑。

说到底，程序员这行，薪资只是个结果，核心还是提升自己的“可替代性”。有一技之长，不怕没好工作。工资表是别人的，成长和性价比才是自己的。大家共勉！【备注:文末可领最新资料】

面试题：分别排序两列

如果有两列数据，咋能最快把它们分别排好序？不是合起来排序，就是每一列单独排啊。有点像，家里那种...袜子和内裤，分开叠，一起整齐，但又互不影响。对，今天就随便聊聊这事。

其实啊，这种需求说简单也简单，说不明白也能绕晕人。我记得有一次，周末在公司楼下喝咖啡，隔壁桌两个后端还争，啥叫“分别排序”，一个非说得把所有数据按行排，另一个说分开来。最后还是我憋不住插嘴，说你们是要像excel那种点下“排序”，A列一套，B列一套，各自独立——对吧，这才算明白了。

说点实际的，咱用python举个例子哈。就比如，你有两个列表，list_a和list_b，内容都乱七八糟的。你要做的，其实就是：

list_a = [4, 2, 7, 1]
list_b = [9, 5, 3, 8]

# 分别排序
sorted_a = sorted(list_a)
sorted_b = sorted(list_b)

这里我就直接用的内置sorted，你要是非得想自己手写冒泡啥的...那也是可以，不过真没必要，毕竟我们都在讲究效率，对吧。很多同学喜欢直接用sort方法也行，不过sort是原地排序，sorted是返回新列表，这个区别一定要记住。搞错了有时候会有点懵。

不过你别觉得就这么点内容就结束了，事情啊总是没那么简单。比如有小伙伴就问了：“如果是二维数组，咋整？”我就遇到过这种，早上刚到公司，桌上那杯还没喝的速溶咖啡，坐下没两分钟，测试就发需求，说要对二维数据的每一列分别排下序，还非得说不能用pandas——我直接懵了。

但其实呢，二维数组分别排序，核心还是“提取出每一列单独处理”，就像分拣快递。最普通的做法，来个for循环，抽出列，排完再塞回去。比如说：

data = [
    [7, 4, 2],
    [1, 5, 8],
    [3, 9, 6]
]

# 每一列分别排序
cols = list(zip(*data))
sorted_cols = [sorted(list(col)) for col in cols]
# 再转回来
sorted_data = list(zip(*sorted_cols))

这个zip()用起来是真的舒服，一下子列就全抽出来了。排序完你再zip()回来，二维结构还保持得很完整。有人会问为啥不是每行排？别闹啦，题目是“分别排序两列”...就是每一列！

其实生活里你会发现，很多表格、数据的处理，都是这种模式。比如数据库查出来的数据，报表导出，你都得做类似的列级别操作。我就有一次在食堂打饭的时候，隔壁前端跟我说他们要做表格排序，还想复杂点。实际上不就是后端把每列排好前端显示嘛...

当然，有人要上pandas，那更省事：

import pandas as pd

df = pd.DataFrame({
'a': [7, 1, 3],
'b': [4, 5, 9],
'c': [2, 8, 6]
})

for col in df.columns:
    df[col] = sorted(df[col].tolist())

# print(df)

这种写法真的适合懒人，一行搞定。要是以后有多列，循环里直接按需要排哪几列都行。

最后啊，别指望每次算法题都得有什么高级技巧。大部分需求，其实就是这么点事，思路别绕晕了自己，记住要清楚题目到底要你“列排”还是“整体排”。生活里就算遇到两个衣柜，也要分开叠衣服嘛，合一起那叫乱，不叫算法...