假如我成了世界上最精通python的人,我能用python完成什么伟大的事情?
回复内容:
我会砌砖了,并且是全世界最会砌砖的人离盖出摩天大楼还有多远?
我掌握数学符号的运算了,并且是全世界最会进行计算的人
我离成为高斯还有多远?
编程语言只是工具,背后的思想才是最有价值的
人类的知识,可以分为术和道
术是技艺,道是思想
术是道的实现
术可以是精致,没有道,就称不上伟大
也许你现在觉得Python或者别的语言很复杂,觉得精通Python很厉害
当你掌握了一门编程语言,向外看,你会发现,这个世界比你想象的大
我以前觉得我会写个爬虫厉害得不行,然后上大学,看看书,系统地学习后,我就知道自己的短视了
单说,我理解快排算法的时候,我就觉得这好厉害
人遇到觉得复杂的事物,会不自觉夸大
后来,我学了信息论的知识之后,又觉得香农真的厉害,理解世界的维度高出别人一个维
用熵可以完美解释为什么快排比冒泡快
每次快排的递归,都在降低原数列的熵,每次操作都有相比于冒泡排序更多的“信息”保存了下来
未排序的数据分布的可能性(自由度)在减小
冒泡基本上每次操作都是独立的,熵减小速度很慢
从而也可以理解,对于一个长度为n的随机数列排序,复杂度至少为O(n)
举这个例子只是想说,有时候我们是想的太多,书看的太少,才会有错误的认识。 搞个和 Python2 以及 Python3 都不兼容的 Python4 Make a better Python. 可以理直气壮地告诉他们:还是php大法好 某日,你成为了“世界上最精通python的人”,然后你来到了知乎用python证明了自己是“世界上最精通python的人”。 可以考虑去Google面上十轮然后入职Dropbox 写一个能找出全世界所有黄网的脚本, 你想多了,这玩意还有待开发,精通是不可能的。 精通Python,不知道你指的是单纯的Python的语法还是各种Python的库啊实际应用之类。客观上说,解决问题的思想更加重要,语言只是一种工具而已,绝大多数的程序员都是同时会集中开发语言的。回到问题上来吧,熟悉Python可以干什么啊,做数据分析(要有数学统计学基础),做网站(对计算机网络等知识要熟悉),写爬虫(对网页的前后端要有了解),做算法研究(这个就算了吧)。综上,你只会Python,就算你是精通它,似乎也做不了什么啊 扒光网上所有的美女(靓图)

Outils d'IA chauds

Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes

AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.

Undress AI Tool
Images de déshabillage gratuites

Clothoff.io
Dissolvant de vêtements AI

AI Hentai Generator
Générez AI Hentai gratuitement.

Article chaud

Outils chauds

Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit

SublimeText3 version chinoise
Version chinoise, très simple à utiliser

Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP

Dreamweaver CS6
Outils de développement Web visuel

SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)

Sujets chauds

Cet article explique comment utiliser la belle soupe, une bibliothèque Python, pour analyser HTML. Il détaille des méthodes courantes comme find (), find_all (), select () et get_text () pour l'extraction des données, la gestion de diverses structures et erreurs HTML et alternatives (Sel

Le module statistique de Python fournit de puissantes capacités d'analyse statistique de données pour nous aider à comprendre rapidement les caractéristiques globales des données, telles que la biostatistique et l'analyse commerciale. Au lieu de regarder les points de données un par un, regardez simplement des statistiques telles que la moyenne ou la variance pour découvrir les tendances et les fonctionnalités des données d'origine qui peuvent être ignorées et comparer les grands ensembles de données plus facilement et efficacement. Ce tutoriel expliquera comment calculer la moyenne et mesurer le degré de dispersion de l'ensemble de données. Sauf indication contraire, toutes les fonctions de ce module prennent en charge le calcul de la fonction moyenne () au lieu de simplement additionner la moyenne. Les nombres de points flottants peuvent également être utilisés. Importer au hasard Statistiques d'importation de fracTI

La sérialisation et la désérialisation des objets Python sont des aspects clés de tout programme non trivial. Si vous enregistrez quelque chose dans un fichier Python, vous effectuez une sérialisation d'objets et une désérialisation si vous lisez le fichier de configuration, ou si vous répondez à une demande HTTP. Dans un sens, la sérialisation et la désérialisation sont les choses les plus ennuyeuses du monde. Qui se soucie de tous ces formats et protocoles? Vous voulez persister ou diffuser des objets Python et les récupérer dans son intégralité plus tard. C'est un excellent moyen de voir le monde à un niveau conceptuel. Cependant, à un niveau pratique, le schéma de sérialisation, le format ou le protocole que vous choisissez peut déterminer la vitesse, la sécurité, le statut de liberté de maintenance et d'autres aspects du programme

Cet article compare TensorFlow et Pytorch pour l'apprentissage en profondeur. Il détaille les étapes impliquées: préparation des données, construction de modèles, formation, évaluation et déploiement. Différences clés entre les cadres, en particulier en ce qui concerne le raisin informatique

Solution aux problèmes d'autorisation Lors de la visualisation de la version Python dans Linux Terminal Lorsque vous essayez d'afficher la version Python dans Linux Terminal, entrez Python ...

L'article traite des bibliothèques Python populaires comme Numpy, Pandas, Matplotlib, Scikit-Learn, Tensorflow, Django, Flask et Demandes, détaillant leurs utilisations dans le calcul scientifique, l'analyse des données, la visualisation, l'apprentissage automatique, le développement Web et H et H

Ce tutoriel s'appuie sur l'introduction précédente à la belle soupe, en se concentrant sur la manipulation de Dom au-delà de la simple navigation sur les arbres. Nous explorerons des méthodes et techniques de recherche efficaces pour modifier la structure HTML. Une méthode de recherche DOM commune est ex

Cet article guide les développeurs Python sur la construction d'interfaces de ligne de commande (CLI). Il détaille à l'aide de bibliothèques comme Typer, Click et Argparse, mettant l'accent sur la gestion des entrées / sorties et promouvant des modèles de conception conviviaux pour une meilleure convivialité par la CLI.
