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)

热AI工具

Undresser.AI Undress
人工智能驱动的应用程序,用于创建逼真的裸体照片

AI Clothes Remover
用于从照片中去除衣服的在线人工智能工具。

Undress AI Tool
免费脱衣服图片

Clothoff.io
AI脱衣机

AI Hentai Generator
免费生成ai无尽的。

热门文章

热工具

记事本++7.3.1
好用且免费的代码编辑器

SublimeText3汉化版
中文版,非常好用

禅工作室 13.0.1
功能强大的PHP集成开发环境

Dreamweaver CS6
视觉化网页开发工具

SublimeText3 Mac版
神级代码编辑软件(SublimeText3)

本教程演示如何使用Python处理Zipf定律这一统计概念,并展示Python在处理该定律时读取和排序大型文本文件的效率。 您可能想知道Zipf分布这个术语是什么意思。要理解这个术语,我们首先需要定义Zipf定律。别担心,我会尽量简化说明。 Zipf定律 Zipf定律简单来说就是:在一个大型自然语言语料库中,最频繁出现的词的出现频率大约是第二频繁词的两倍,是第三频繁词的三倍,是第四频繁词的四倍,以此类推。 让我们来看一个例子。如果您查看美国英语的Brown语料库,您会注意到最频繁出现的词是“th

处理嘈杂的图像是一个常见的问题,尤其是手机或低分辨率摄像头照片。 本教程使用OpenCV探索Python中的图像过滤技术来解决此问题。 图像过滤:功能强大的工具 图像过滤器

本文解释了如何使用美丽的汤库来解析html。 它详细介绍了常见方法,例如find(),find_all(),select()和get_text(),以用于数据提取,处理不同的HTML结构和错误以及替代方案(SEL)

Python是数据科学和处理的最爱,为高性能计算提供了丰富的生态系统。但是,Python中的并行编程提出了独特的挑战。本教程探讨了这些挑战,重点是全球解释

本文比较了Tensorflow和Pytorch的深度学习。 它详细介绍了所涉及的步骤:数据准备,模型构建,培训,评估和部署。 框架之间的关键差异,特别是关于计算刻度的

本教程演示了在Python 3中创建自定义管道数据结构,利用类和操作员超载以增强功能。 管道的灵活性在于它能够将一系列函数应用于数据集的能力,GE

Python 对象的序列化和反序列化是任何非平凡程序的关键方面。如果您将某些内容保存到 Python 文件中,如果您读取配置文件,或者如果您响应 HTTP 请求,您都会进行对象序列化和反序列化。 从某种意义上说,序列化和反序列化是世界上最无聊的事情。谁会在乎所有这些格式和协议?您想持久化或流式传输一些 Python 对象,并在以后完整地取回它们。 这是一种在概念层面上看待世界的好方法。但是,在实际层面上,您选择的序列化方案、格式或协议可能会决定程序运行的速度、安全性、维护状态的自由度以及与其他系

Python的statistics模块提供强大的数据统计分析功能,帮助我们快速理解数据整体特征,例如生物统计学和商业分析等领域。无需逐个查看数据点,只需查看均值或方差等统计量,即可发现原始数据中可能被忽略的趋势和特征,并更轻松、有效地比较大型数据集。 本教程将介绍如何计算平均值和衡量数据集的离散程度。除非另有说明,本模块中的所有函数都支持使用mean()函数计算平均值,而非简单的求和平均。 也可使用浮点数。 import random import statistics from fracti
