学 py 和电脑有啥关系

AOC U2790VQ 我用过，用久了眼睛疼。

建议楼主不要考虑 2000 的 4K 显示器。一分钱一分货，它会在你看不到的地方压制成本。

首先，你需要有一个真的集群作为实验环境……

@cskeleton 我个人觉得方向键和 PgUp PgDn 更远。

因为我 Ctrl 是左手小指按的，手根本就不会离开标准位置。然而 PgUp PgDn 需要移动右手。

顺便 Python JIT 还有一个 PyPy，适用于网络编程。

Python 写起来太慢 -> Python 写的代码跑起来太慢。

顺便 Cython 是一种特别发明出来的 C/Python 混合语言，即没有完全的 C 语言功能，也没有完全的 Python 功能，会经过编译器编译成本机代码。适用于 Python 写起来太慢，但是又不需要 C 语言全部功能的场景。

Python 的 for 循环性能是不可优化的，别想了，不可能的。

去考虑如何优化 Python 的 for 循环是没有意义的，因为一个老道的 Python 程序员，不是在 sentence-level 优化 Python 程序性能的。

比如我要算向量 x + y （ for 循环裸写是 O(N)），我们会直接使用 NumPy （它是用 C 语言写的 Python 库）：

import numpy as np

x = np.asarray(...)
y = np.asarray(...)
out = x + y

矩阵点积（ for 循环裸写是 O(N^2)）：

M = np.asarray(...)
N = np.asarray(...)
out = np.dot(M, N)

如果是可以转化成这种张量运算的，就尝试转化一下。如果不能，就上 Cython。比如 Scikit Learn 的 Tree Classifier 系列代码：

https://github.com/scikit-learn/scikit-learn/blob/7813f7efb5b2012412888b69e73d76f2df2b50b6/sklearn/tree/_tree.pyx

如果 Cython 再不行，就上 C/C++ 语言。比如 TensorFlow 一坨运算：

https://github.com/tensorflow/tensorflow/blob/master/tensorflow/core/ops/

有时候偷懒，会用 JIT 引擎把 Python 代码直接在内存中即时编译成机器码，比如：

Numba： https://numba.pydata.org/
Pytorch： https://pytorch.org/docs/stable/_modules/torch/jit.html
TensorFlow： https://www.tensorflow.org/xla/jit
----

以上所有总而言之，Python 的优化方法不是去一条一条语句优化，而是直接暴力把整个 block 替换成更高效的实现。所以你考虑优化 python for 循环没有意义。作为一个 Python 程序员，你应该先考虑实现业务逻辑，然后找出真正的性能瓶颈，再考虑用高级手段（以上种种）优化它们。

@spadger 我这帖子的大前提是 macOS。

macOS 下面全选是 Cmd+A，打印是 Cmd+P，新建是 Cmd+N，和我上面列出的 Ctrl+A 等按键是两套。

当然，我这么用也是因为我平时就是写写 Python，看看论文什么的。电子电路我不碰的。所以才符合我的使用习惯。

并没有。

P.S. 你说的这些健，我在用 macOS 写代码的时候分别使用下列键：

Home = Ctrl+A
End = Ctrl+E
上一行 = Ctrl+P
下一行 = Ctrl+N
删除光标后的一个字符 = Ctrl+D
删除光标到行尾的所有字符（若没有字符则删除换行符） = Ctrl+K

个人认为比键盘上的 Home End PgUp PgDn 更容易按。

根据我的经验，如果我晚上 12 点睡，早上 8 点起，一天都不会困的。

晚上 7 点会困得想睡觉，一般是熬夜到 2 点，早上 9 点起的这种情况。。。

总而言之，证明你晚上没休息好。

无损压缩：任何无损压缩（包括 RAR、PNG ）都是在提高编码密度，使得文件大小逼近香浓熵这个理论下界。（信息论）

有损压缩：人比较弱鸡，无法分辨高频信息。于是可以把图片转换到某种频域，然后剔除高频信息，只保留一定程度的低频信息。（傅立叶变换、小波变换、etc ）

感觉其实…… 对于消费者而言是可以接受的。

In [4]: N = 10**8

In [5]: arr = np.random.randint(0, N, size=N)

In [6]: len(arr)
Out[6]: 100000000

In [7]: %timeit set(arr)
36 s ± 122 ms per loop (mean ± std. dev. of 7 runs, 1 loop each)

给你一个时间作参考。。。

我记得 SQLAlchemy 可以把 SQL 结果提取出来变成 object。

另外我大概理解楼主为什么要写不合法代码的理由了，是想研究 C++ 返回值地址的问题嘛？

但是 C++ 编译器会根据返回值的赋值进行代码优化的。

比如：

class A { ... };

A someFunction() { A a; return a; }

A target = someFunction();

在深度优化的时候不会发生拷贝，直接在返回值 target 上调用构造函数。

@amiwrong123 不合法的理由，见 5L 和 11L 的疑惑。

首先，楼主你两段代码都是不合法的。

对于不合法的代码，C++ 编译器没有义务给你吐出合理的结果。