干嘛不去面后端。

@ibugeek 三个 16 款 15 寸，都没出问题

Python 2 不支持 yield from。

其实我觉得是时候投向 Python 3 了，除非你有老项目的历史包袱。

P.S. yield from xx 等价于

for x in xx: yield x

@chaleaoch 好吧这个截图里面，实验脚本（ 132 failure ）有个 bug 没修，你无视掉就好。

@chaleaoch 对了我上面提到的这个我自己写的项目，是 Flask 后端 Vue 前端的，用来看服务器上机器学习的程序运行情况和实验报告。

https://ws4.sinaimg.cn/large/006tNc79ly1fibhelawwmj31kw0xu46y.jpg
https://ws4.sinaimg.cn/large/006tNc79ly1fibhdp3f6zj31kw0xvn8k.jpg

@autoxbc 跨界学语言，我觉得重要的不是把语言学得多精致，会做项目就行了。

ES6 我觉得挺好的，改掉了传统 JS 一堆恶心的特性。讲道理你要做个轮子项目，只要用 ES6 的良定义的子集不就得了。至于类型之类的坑，我觉得只要遵循 Python 写程序的习惯（变量名没有绑定类型，但是值有强类型。所以 str + int 在 Python 会直接报错。到 JS 里面，也可以遵照这种规则，每个地方都谨慎地显式处理类型转换），不会踩多少坑的。

我也是 Python 程序员，半年前也就花了两个星期学了学 Webpack + Vue + ES6，也就能做有用的东西了： https://github.com/korepwx/mlcomp/tree/dev/mlcomp/board/frontend

随便做个什么项目就上手了。

我推荐 Webpack + Vue + ES6 正儿八经地造个什么轮子。

一般碰到这种情况，我都会劝人用 Anaconda，省时又省力。

而且楼主要用 NumPy 和 Pandas，就更适合用 Anaconda 了。

严格的大 O 定义要用极限语言，有微积分基础才行。

所以楼主别追求严格定义了，形象理解一下就行。就是这个算法消耗的时间和你的数据量成平方相关，系数不确定。但是常数系数一般在算法复杂度分析里面忽略。

复杂度分析理论的优势是，不需要跑一下程序，就可以估计算法之间的优劣。

用 bridge 模式组网。

PyCharm，写好文档注释（包括类型，我用 NumPy style docstring ）。在文档注释无法起作用的地方用 # type: XXX 指定类型。

这种情况下，PyCharm 智能提示完全可以媲美强类型的语言。

@lydasia @xenme 如果你们有 iPad Pro，用手写笔做一些 annotation，而且涉及到文献管理软件比如 zotero，才会发现 PDF Expert 的强大。

你在 iPad 上面的 annotation 可以同步到 mac 上面，只要两边都打开了同样的文档。然后 annotation，这个是 mac 上最好用的，没有之一。

比如右侧的手写区域是 iPad Pro 上的 PDF Expert 做的。


x86 双千兆以太网卡的迷你主机（约 1000 RMB ），一个网口接外网，一个网口配成静态 LAN。然后搞一下 iptables 转发规则，做软路由。

接着随便买一个无线路由器（最好是千兆 LAN ），关掉 DHCP，迷你主机的 LAN 口直接插无线路由器的 LAN 口。Duang~ 你的可编程路由器环境成了。

@qq12345454 麻烦，但是稳妥。而且这样子以后可以慢慢做大，用 Java 替代你的 Flask 也不是什么难事。一开始就引入 NodeJS 做服务器，以后就有的受了。

把编译出来的前端扔到 static 里面，让页面载入不就得了？

在 production mode 下面这个根本不需要多做什么事情。只不过调试稍微麻烦一点，你可能得自己写点代码，保证 Chrome 的缓存不会阻挡你新的 JS。至于 hot reload，别想了。

热美式加奶
香草拿铁咖啡
焦糖星冰乐

这三个是我最喜欢的咖啡品种