按场所聚合的成交名义额排行榜

每天收盘后,交易系统组要给业务方出一张场所贡献排行榜:当天的成交流被切片之后,按上送场所(VEN-A / VEN-B / VEN-C / 暗池…)汇总两件事——笔数和总名义额(notional = 价格 × 数量的累加)。这张排行榜是后续场所返佣对账、路由策略复盘、流动性分析的输入:哪个场所撑起了今天的流量、哪个场所虽然单笔大但笔数稀薄、哪个新接入的场所还需要继续观察。和很多日终批处理一样,原始成交流里夹杂着脏数据:缺字段、venue 字段被异常网关填成 None、价格/数量字段值非法(负数、缺失),这些条目不能让整张表崩掉,但也绝不应该污染最终结果。

请实现 solution(trades: list[dict]) -> list[dict]。trades 是一段按时间顺序到达的成交记录,每条记录是一个 dict,至少可能包含 venue、price、qty 等字段(也可能有别的字段,忽略即可)。请按场所聚合有效成交,返回每个场所的 {"venue": str, "count": int, "notional": float}。规范化与丢弃规则:取 venue 字段后调用 .strip(),若该字段缺失、为 None 或剥掉空白后为空字符串,整条记录被丢弃;若 price 或 qty 缺失、为 None、为负,或 qty == 0,整条记录也被丢弃。notional 字段是该场所所有有效成交的 price * qty 之和,最后**对总和做 round(x, 2)**(精确到分),避免不同累加顺序带来的浮点尾差。

排序是多关键字的:**先按 notional 降序——名义额最大的场所排在前面;名义额相等再按 count 降序——在贡献金额持平时,承接成交笔数更多的场所排在前面;仍然相等才按 venue 字典序升序**——保证返回顺序对相同输入是确定的。

举例:solution([{"venue": "VEN-A", "price": 100.0, "qty": 100}, {"venue": "VEN-B", "price": 50.0, "qty": 250}, {"venue": "VEN-A", "price": 100.0, "qty": 80}, {"venue": " VEN-B ", "price": 50.0, "qty": 100}, {"venue": "VEN-C", "price": 200.0, "qty": 10}]) 应返回 [{"venue": "VEN-A", "count": 2, "notional": 18000.0}, {"venue": "VEN-B", "count": 2, "notional": 17500.0}, {"venue": "VEN-C", "count": 1, "notional": 2000.0}]。VEN-A 两笔,名义额 100·100 + 100·80 = 18000.0;VEN-B 两笔( VEN-B 剥空白后等价于 VEN-B),50·250 + 50·100 = 17500.0;VEN-C 一笔,200·10 = 2000.0。按名义额降序排,VEN-A > VEN-B > VEN-C。

20 万条记录的体量下,请用单遍扫描 + 字典聚合 + 一次排序,整体复杂度 O(n + k log k),其中 k 是不同场所数。