erp 难在它的复杂度，你要先懂业务和会计，把进销存每个模块的功能梳理好并工程化不简单。

我最近也在写 erp ，越来越觉得是个无底洞。。。
我是仿照金蝶写的，大的模块看起来只有购货、销货、仓库、资金、资料，但每个模块都有几十个二三级菜单；单出入仓的单据类型就有十多种，还有各种成本计算方式，单据核销方式。。。
金蝶的视频教程总长几个小时，你想想这种学习成本的软件的复杂度。

可以试试 apache arrow 的 plasma ，底层是 c++写的 In-Memory Object Store ，api 很友好：
import pyarrow.plasma as plasma
client = plasma.connect("plasma")
object_id = client.put({"a": 1})
client.get(object_id)
>>>{'a': 1}

arrow 很适合这个场景
https://medium.com/@niklas.molin/0-copy-you-pyarrow-array-to-rust-23b138cb5bf2

如果一个员工的职责是“给你一份代码，把里面的 BUG 全找出来”，那该员工的薪资应该是写这份代码的人的两倍

'G "' + df.a + '","' + df.b + '"\n' + df.c

xls 是二进制不谈，xlsx 其实是一个压缩文件，解压后 sheet 在 xl\worksheets 目录下，一个 sheet 对应一个 xml ，xml 除了描述数据还有布局、样式等。要想解析快，可以 1.解析 xml 比别人快； 2.舍弃非核心功能的解析。

家里搞个西班牙番茄节

from itertools import product
product(a, b)

大厂就是在那工作过，以后投简历就不会简历关不过的地方

能用 nosql 吗

如果 A/B 没规律的话，可以用自定义 window rolling
from pandas.api.indexers import BaseIndexer
window_size = df.C.groupby((df.C != df.C.shift(1)).cumsum()).agg('sum').max() # 最大连续次数
class CustomIndexer(BaseIndexer):
def get_window_bounds(self, num_values, min_periods, center, closed):
start = np.empty(num_values, dtype=np.int64)
end = np.empty(num_values, dtype=np.int64)
for i in range(num_values):
end[i] = i + 1
j = i
while j > 0 and self.use_expanding[j]:
j -= 1
start[i] = j
return start, end
indexer = CustomIndexer(window_size=window_size, use_expanding=df.C)
res = df.B.rolling(indexer, min_periods=2).sum().fillna(0)

标准库 functools.lru_cache 把它当双向链表用
摘部分代码：
PREV, NEXT, KEY, RESULT = 0, 1, 2, 3 # names for the link fields
root = [] # root of the circular doubly linked list
root[:] = [root, root, None, None] # initialize by pointing to self

# Use the old root to store the new key and result.
oldroot = root
oldroot[KEY] = key
oldroot[RESULT] = result
# Empty the oldest link and make it the new root.
# Keep a reference to the old key and old result to
# prevent their ref counts from going to zero during the
# update. That will prevent potentially arbitrary object
# clean-up code (i.e. __del__) from running while we're
# still adjusting the links.
root = oldroot[NEXT]
oldkey = root[KEY]
oldresult = root[RESULT]
root[KEY] = root[RESULT] = None

各位想复杂了，pandas.read_csv 有现成的 chunksize 参数

国产车比国产程序员质量好一点

pd.read_excel 有个可选参数 parse_cols

greenlet.getcurrent 。
你的需求和 flask 的实现好像，可以看看 werkzeug.local 的源码