隔壁组的正式员工下午茶点了奶茶，唯独没有外包员工的，可项目核心逻辑全是这外包兄弟扛下来的

刚看到个贴子，说隔壁组下午茶点奶茶，正式员工人手一杯，偏偏没外包的份。但项目里最难啃的核心逻辑，基本都是这位外包兄弟在扛。

我觉得这事吧，真挺现实的。制度上你是“外人”，贡献上你却是“主力”，这种反差在不少公司都存在。

网友回帖里有人骂不公平，有人劝外包别太走心

不过话说回来，长期让真正干活的人没存在感，其实也挺短视的。今天是一杯奶茶，明天可能就是责任和风险全压给你，收益却没你的份。时间一长，谁还愿意死扛？

这事提醒打工人两点：一是别指望职场的“公平感”来自善意，更多还是靠规则；二是看清自己的位置，值不值得继续投入。想明白了，心就不会被一杯奶茶牵着走，路也能走得更稳。

我们先想象个场景哈：班主任在群里说一句——“谁帮我统计下全校哪个省来的学生最多，再顺便看看每个省里哪个城市来的学生最多？” 听起来就很像一份「学生地理信息报告」对吧，而且如果靠 Excel 手搓，数据一多绝对崩溃。

假设我们有一堆学生记录，每条长这样：

• 姓名：name
• 班级：clazz
• 省份：province
• 城市：city

现在要做几件事：

1. 统计每个省有多少学生
2. 省内再按城市统计人数
3. 能按省份查：这个省下各城市的学生数，按人数从多到少排
4. 最后生成一份好读的文本/控制台报告

其实就是把一堆“明细行”变成“分组统计 + 排序”的经典题，在真实业务里也是日志、订单、访问记录之类经常干的事。

数据结构怎么设计更顺手

Python 里最自然的就是用字典嵌套字典。

我们可以设计一个这样的结构：

from collections import defaultdict

# 省份 -> 城市 -> 学生列表
province_city_students = defaultdict(lambda: defaultdict(list))

读每个学生的时候，就往里塞：

defbuild_index(students):
for stu in students:
        p = stu["province"]
        c = stu["city"]
        province_city_students[p][c].append(stu["name"])

有了这个结构，统计人数就轻松了：

• 每个省的人数 = 该省所有城市学生列表长度之和
• 每个城市的人数 = 对应列表长度
• 想按人数排序，就在统计完之后 sorted 一下

这种“先建索引再统计”的思路，在日志分析、MQ 消费统计那种场景也特别常见。

核心算法流程

把题目翻译成算法大概是这样几步：

1. 遍历所有学生记录，构建 province_city_students 索引

2. 再扫一遍这个索引，算出：

• 每个省的总人数
• 每个省里各城市的人数

• 省份按总人数从多到少
• 每个省内部城市按人数从多到少

时间复杂度很好算：

• 构建索引：每个学生处理一次，O(N)

• 后面统计和排序：

• 统计仍然是 O(N)
• 排序最多是省数量 * log(省数量) + 城市数量 * log(城市数量)，一般来说比 N 小很多

整体就是 O(N log N)，对动不动几万学生的数据完全够用。

Python 代码示例

直接上一个相对完整、能跑的示例，你可以按自己需要改输入来源（比如从文件/数据库读）：

from collections import defaultdict
from typing import List, Dict


Student = Dict[str, str]


defbuild_report(students: List[Student]) -> str:
# 省 -> 城市 -> 学生名字列表
    province_city_students: Dict[str, Dict[str, List[str]]] = \
        defaultdict(lambda: defaultdict(list))

for stu in students:
        p = stu["province"]
        c = stu["city"]
        province_city_students[p][c].append(stu["name"])

# 省份统计：省 -> 总人数
    province_total = {}
# 省内城市统计：省 -> [(城市, 人数)]
    province_city_stats = {}

for province, city_map in province_city_students.items():
        total = 0
        city_stats = []
for city, names in city_map.items():
            cnt = len(names)
            total += cnt
            city_stats.append((city, cnt))
        province_total[province] = total
# 每个省内按人数从多到少，人数相同按城市名字母序
        city_stats.sort(key=lambda x: (-x[1], x[0]))
        province_city_stats[province] = city_stats

# 省份按人数排序
    sorted_provinces = sorted(
        province_total.items(),
        key=lambda x: (-x[1], x[0])
    )

# 组装成文本报告
    lines = []
    lines.append("学生地理信息报告\n")

for province, total in sorted_provinces:
        lines.append(f"省份：{province}，学生总数：{total}")
for city, cnt in province_city_stats[province]:
            lines.append(f"  - 城市：{city}，学生数：{cnt}")
        lines.append("")  # 空行分隔一下

return"\n".join(lines)


if __name__ == "__main__":
    sample_students = [
        {"name": "张三", "clazz": "高一1班", "province": "广东", "city": "广州"},
        {"name": "李四", "clazz": "高一2班", "province": "广东", "city": "深圳"},
        {"name": "王五", "clazz": "高一1班", "province": "广东", "city": "广州"},
        {"name": "赵六", "clazz": "高一3班", "province": "浙江", "city": "杭州"},
        {"name": "小红", "clazz": "高二1班", "province": "浙江", "city": "宁波"},
    ]

    report = build_report(sample_students)
    print(report)

这段代码做的事就是上面说的那几步：先按省+市分桶，再统计、排序，最后输出一份可读性还不错的报告。在真实项目里，你可以把 print 换成写文件、推送到接口、或者生成成 PDF 都行。

你可以先用这份代码跑一跑，确认逻辑没问题，再根据实际题目要求加点花活，比如：

• 再统计一下每个班级在各省的分布
• 只展示前 K 个省、前 K 个城市
• 把「省份不足 X 人」的直接隐藏

这种题一旦数据结构选对了，改需求就会很丝滑。你要是愿意，我们还能在这基础上写个简单的可视化版本，把省市统计画成柱状图。