Python 每次查询的流通股数量

我遇到了这个问题，我能够解决它，但效率低下.我的解决方案是一个朴素的o(m * n)，其中m是查询的数量，n是订单的数量.

我们会向您提供从我们的交易中发出的订单的日志(log)(STD:VECTOR) 一天多的时间.每个订单都有以下属性:

• ORDER_TOKEN:标识订单的唯一整数
• 股票:买入或卖出的股票数量
• 价格:买入或卖出每股的价格，
• 侧面:假=卖出，真=买入
• 创建于:创建时的时间戳
• CANCELED_OR_EXECUTED_AT:订单 已取消或已执行(已填写)

在间歇时间内有订单有效 [创建日期、已取消日期或已执行日期).也就是说，在IS中创建 INCLUSIVE和CANCED_OR_EXECUTED_AT是独占的.时间戳是 用整数表示，例如从午夜开始的毫秒数.你可以 假设每个订单都被取消或全部执行.

除了 命令，你也得到了查询向量.每个查询都有一个 field:query_time，时间戳.答案是: 在所有的订单中，所有的股票都是活的. 查询时间.已发行股份会汇总而不考虑时间，例如: 开单买入10股和卖出10股合计到20股.

我想知道有没有人有更好的方法来优化我下面的解决方案，使用任何数据 struct 或算法.我相信是有的.这是一个C++问题，但为了方便起见，我用了python语言来解决

def calculate_outstanding_shares(orders, queries):
    result = {}

    for query in queries:
        live_trades = 0
        for order in orders:
            if query > order[4] and query < order[5]:
                live_trades += order[1]
                
        result[query] = live_trades

    return result


# Example usage
orders = [
    [3, 15, 200, True, 2000, 4000],
    [1,10,100,True,0,5000],
    [4, 25, 250, False, 2500, 6000],
    [2,20,150,False,1000,3000],
]

queries = [
    500,  # Before any order
    1500,  # Inside the duration of the first buy order
    2500,  # Inside the duration of both buy orders and the start of the second sell order
    3500,  # Inside the duration of the second sell order and after the first sell order ends
    5500  # After all orders have ended
]

result = calculate_outstanding_shares(orders, queries)
print(result)