@
LavaC #28
人脑记忆总是有限的，就算看过的东西也很难全部融汇贯通
说几个例子
qt 文档，QtCore/QtGui/QtWidgets 这三部分我至少看过 50%，但能搞清的也就 20~30%（文档是 C++，我写的是 pyqt ），gpt3.5 至少帮我搞清了一些读过但不会用的部分，现在能搞清的增加到 35%吧
一直想写个 pandas tree 的控件，写不出来，网上也没搜到，pandas table 倒是有的，但 tree 就复杂了很多，最后就是在 AI 帮助下写出来了，也实际用上了，虽然不是 AI 直接写出来的代码，但它帮我打开了思路，就是利用 pandas 的 MultiIndex 。因为之前一直在 groupby 思路转圈走不出来，但 groupby 实际上跟 MultiIndex 是一样的性质-->groupby(as_index=False)就是 MultiIndex 。还有就是不太熟 MVC ，对 model 用法有很多搞不清，这方面基本上全是依靠 AI 讲解
pandas 也是巨多方法不会用
python 原生有个方法 itertools.groupby
# [k for k, g in groupby('AAAABBBCCDAABBB')] --> A B C D A B
# [list(g) for k, g in groupby('AAAABBBCCD')] --> AAAA BBB CC D
就是按相同值分段
我一直想把它在 pandas 实现，因为个人需求很大，很多地方要用到，自己写了倒是能做出来，就是百万数据很慢，优化多次都不理想，搜 so 别人写的也是 itertools.groupby 类似思路
让 AI 帮忙实现，晕倒，简单得很
df[groupname] = (df[col]!=df[col].shift(1)).cumsum()，因为是向量化的，速度很快
就是因为自己不熟 cumsum 函数的实用意义，cumsum 一直固守理解在“求和”上，思维宽度一下子打开了
同理，mask.sum() 就是条件统计，看上去是“求和”，实际是计数器，统计上很常用
numba 文档也是异常难读，一直不敢碰，但 AI 帮我写了几个后，自己也能写一些简单实用的了，尤其数据量上百万时，比“手动”向量化快