t1 =[] # 收货总量 t2 =[] # 日均收货量 t3 =[] # 单日最大收货量 t4 =[] # 日收货量极差 @ for i in range(city.shape[0]): if data[data[:,2]==city[i]].shape[0]!=0: t1+= [np.sum(data[data[:,2]==city[i]][:,-1])] t2+= [np.mean(data[data[:,2]==city[i]][:,-1])] t3+= [np.max(data[data[:,2]==city[i]][:,-1])] t4+= [np.ptp(data[data[:,2]==city[i]][:,-1])] else: t1+= [0] t2+= [0] t3+= [0] t4+= [0] t1 = np.array(t1)[:,None] t2 = np.array(t2)[:,None] t3 = np.array(t3)[:,None] t4 = np.array(t4)[:,None]

这段代码是在对城市的收货数据进行统和计算。首先，代码创建了四个空列表t1、t2、t3和t4，分别用来存储收货总量、日均收货量、单日最大收货量和日收货量极差的数据。

然后，代码通过循环遍历城市数据，对每个城市进行以下操作：
1. 检查是否存在该城市的收货数据。如果存在，则通过筛选条件`data[:,2]==city[i]`来获取该城市的所有收货数据。
2. 如果存在收货数据，则分别计算该城市的收货总量、日均收货量、单日最大收货量和日收货量极差，并将结果添加到对应的列表中。
3. 如果不存在收货数据，则将对应的列表元素设为0。

最后，代码将四个列表转换为NumPy数组，并使用`[:,None]`操作将其转换为列向量形式。这样，我们就得到了每个城市的收货统计数据。