妹子是不错，英语也不错，但是为什么稍微有点咖喱味

有 youtube music 的车吗？

@jeizas 感觉还不错，不过从来都没叫我去面试过

@DingSoung 谁说银不会生锈，银保存不当很容易氧化变黑的。
LZ 可以买一些小的带封口的塑料袋，一枚一枚单独放，然后再找一些大的泡沫每层之间铺一下。

@namelosw 和我一样，英语全是上学玩游戏练上来的

@longmeier90 果然是对十几万条数据 for 循环加工，不慢有鬼了。上面已经有大佬给出药方了，多用矢量运算。如果用了 pandas，记得要优化数据类型，如果数据类型没优化好不但慢还占内存。 比起语言，可以找个有 python 数据处理经验的(比如我)优化下，快个 10 倍(除去 IO 耗时)还是不夸张的

先说 numpy， 算是 python 数据科学的基石了。除了上文中说到的切片，索引等，还可以高效执行各种矩阵运算。理论上你可以只用 numpy 实现一个简单的深度学习框架。实际上现有的机器学习框架数据类型也都兼容 numpy 数据类型。

pandas 也是基于 numpy 的一个应用。 你确认你说的那些用 sql 和 excel 很容易实现吗？基于日期序列进行数据统计、聚合(按周，按工作日，按季度)。 更何况你可以自己写各种 python 函数直接 apply 到数据表上。开发时间起码比 sql 什么的少一倍。

@futou starlink 都是近地轨道卫星，近地轨道比较充裕。 而且近地有大气摩擦，没推进了就会掉下来 所以不存在抢占的说法

当然可以，不过训练一套 GPT 所需要的算力成本从 几万-几千万 不等，应该不会有人这么闲吧

用的群晖 drive 感觉还不错

@wysnylc 基本 python 的一切数据生态都构建于 numpy 上，基于 numpy 又有 pandas, scikit-learn, sea-born 等一系列库和应用，而 Tensorflow, pytorch 等主流深度学习框架又构建于此之上。 你很难找到另一门语言在数据科学领域生态如此完善，又易于上手。

当然大家都可以调包，但是目前用 python 来调包更优雅，能更快的实现原型 请问这还不是不可替代的优势吗？