某大厂员工吐槽：带了个新人，简单的需求不爱做，做了就说差不多就行了。复杂点的需求又觉得难，想都不想又把问题带回来了

刚看到个贴子，说某大厂员工吐槽自己带的新人：简单的不做、复杂的不敢做，最后一圈又把问题绕回来了。

我觉得这事吧，新人的状态确实常见，但不能当成理所当然

从我的角度看，简单需求不愿意做，本质是怕麻烦；复杂需求直接退缩，又是怕犯错。这种心态放职场上特别危险，容易陷进“既要不累、又要表现好”的死循环，最后谁都带不动，自己也成长不起来。

换个角度讲，带新人确实辛苦，但新人也要起码表现出“我愿意学、我愿意试”的劲头。职场就像买菜，菜要自己挑，摊主还能帮你洗好不成？说到底还是责任心和主动性的问题。

面试题：有趣的电影

想象你在电影院上班，老板说要在大屏幕上滚动“有趣的电影推荐”，要求是： 1）片子本身的介绍别写“boring”； 2）电影编号是奇数； 3）评分高的排前面。 这就是 LeetCode 上那道“有趣的电影”的本质啦。([PasserR's Blog][1])

虽然原题是用 SQL 写的，但你要我用 Python，那咱就当是在本地用 Python 把一堆电影数据“筛一筛、排一排”。

题目表达成 Python 版是啥意思？

一般会给你一堆电影数据，可以想成是这样的结构（伪数据）：

movies = [
    {"id": 1, "movie": "War", "description": "great 3D", "rating": 8.9},
    {"id": 2, "movie": "Science", "description": "boring", "rating": 8.5},
    ...
]

目标就三件事：

1. 只保留 id 为奇数的电影，也就是 id % 2 == 1。
2. description 不能是 "boring"。
3. 最后按 rating 从高到低排序。

你看，其实一点都不“算法竞赛”，就是个很日常的数据处理小需求。

我一般会这么想：

第一步是“过滤”（filter）： 从原始列表里把“不合格”的电影丢掉，只留下符合条件的。用 Python 就是遍历一遍，判断两个条件：

id 是奇数  -> movie["id"] % 2 == 1
描述不无聊 -> movie["description"] != "boring"

同时满足才保留。

第二步是“排序”（sort）： 过滤完得到一小撮电影，再按 rating 降序排一下。Python 原生的 sorted 就够用了，指定下 key 和 reverse 就行。

总体复杂度也很好算：

• 过滤那一遍是 O(n)
• 排序是 O(k log k)，k 是过滤后剩下的数量，最多也就是 n。 所以整体就是 O(n log n)，对这种小数据量完全够用。

按题意写个函数，大概这样：

from typing import List, Dict, Any

definteresting_movies(movies: List[Dict[str, Any]]) -> List[Dict[str, Any]]:
# 1. 过滤：奇数 id 且描述不是 boring
    filtered = []
for m in movies:
if m.get("id", 0) % 2 == 1and m.get("description") != "boring":
            filtered.append(m)

# 2. 按 rating 降序排序
# 如果有电影缺 rating，就当 0 处理
    result = sorted(filtered, key=lambda x: x.get("rating", 0), reverse=True)
return result


if __name__ == "__main__":
    data = [
        {"id": 1, "movie": "War", "description": "great 3D", "rating": 8.9},
        {"id": 2, "movie": "Science fiction", "description": "boring", "rating": 8.5},
        {"id": 3, "movie": "Irish", "description": "boring", "rating": 6.2},
        {"id": 4, "movie": "Ice song", "description": "Fantacy", "rating": 8.6},
        {"id": 5, "movie": "House card", "description": "Interesting", "rating": 9.1},
    ]

    res = interesting_movies(data)
for r in res:
        print(r)

这段跑出来的顺序就是先 id=5 的电影（评分 9.1），再 id=1（8.9），刚好符合题目要的效果：只要描述不“boring”的奇数 id，并且按评分从高到低。

其实这个题有两个点挺适合作为入门小结的：

1. 判断奇偶： 无论在 SQL 还是 Python 里，奇偶判断基本都是 % 2，这个思路要形成肌肉记忆。

2. “在别的语言里做本来属于 SQL 的事”： 很多面试或者业务代码里都会出现“先从 DB 把一坨东西拉出来，再在代码里做过滤和排序”，今天这个例子就是非常浓缩的版本。 你可以把这套套路迁移到别的场景：比如筛选活跃用户、过滤掉被封禁的账号、按积分排序等等，结构都是一样的。

大概就这样，一个看起来很“有趣的电影”题，其实就是一手过滤一手排序的小练习，用 Python 写写挺轻松的。你要是愿意，我还可以再给你写一版对比：同样逻辑分别用 SQL 和 Python 实现，放一起对照着看会更有感觉。