有右键管理工具如 dism++，火绒等屏蔽了
或者注册表把 potplayer 搜出来逐个删掉，网上有 bat 脚本

我只想说，3 岁小孩没有“学习”和“上课”的概念
不是说不做教育，而是学前所有的教育都不应走“课堂”这个概念，不能定时定点，不能强行灌输
5 岁后开始走模拟课堂，目的也是和小学接轨，避免一下子整体环境变换难以适应

想想小时候有没有因为上课和学习的事埋怨过父母，没觉得自己也在慢慢变成“老一辈”的样子么？

看标题是觉得你不适合运营，不懂市场
进来一看，180 度翻转，你很懂打广告嘛，明明就说在说“我家产品不仅博客能用，手机也能用，而且用户很多”

美国应该在 5G 设备遇到过……大步流星迈水火，我撤了

我觉得纯间谍目的的设备应该不容易造，但正常用途顺带收集信息却是很普遍，两者可以是相同技术

装个监控摄像和针孔摄像，两者可能目的都是纯的或者都是不纯的，只是前者可以“义正严辞”，后者有点“难以自辩”

你的终端应该有个加载脚本，vscode 上终端时加载了一次，然后在加载解析器时又加载了一次？

就跟你老婆说：父母这话摊开来讲，更多是说给老二听的，言外之意重点是“不能全给”

如果理解为是说给老大听的，那理解错了，因为没有必要，偷偷给老二就是了，没必要说得那么细，将来说去旅游花掉了不给老大，老大也无话可说

只要不是需要返回执行结果给 python ，那都是容易的，搜搜"python 如何执行外部命令"

WinThumbsPreloader

有部份是用程序做标记的，例如
msk = df['sell']>threshold
df['tag'] = df.mask(msk, 'Good')
这里你就需要懂 pandas

@guixiaopai #26
你的意思是你作为三方插足电商业务分一杯羹？那我理解错了，目前对我最大好处还是比价扩展

@drymonfidelia #14
其实也不卷，或者说结果不理想可以继续卷，很多想法和需求都未能满足，例如楼上说到三上老师，能帮我把视频文件自动打 tag 为“三上老师”……只是举个例子，不要注重字眼，说的是智能打 tag 应该是广泛需求

例如根据文件打开频次，把文件放到容易寻找的地方，或者自动生成个软链什么的，长久没打开就去掉软链，诸如此类
又如线上资源辅助线下生活的？以前找厕所就是个难题，当然到现今这已经不算需求了，大概就是这个意思

我老妈不时能拿到一些洋货，纯英文她看不懂，就要找我，但自从教她用手机拍照翻译她就“不要我了”，哈哈，这就是生活，需求遍地都是

我一直奉劝程序员多开发一些受众广泛的应用，不要总是面向程序员开发
单围绕一个 markdown 都不知见过多少个项目，但我身边知道 markdown 是什么的人屈指可数，因为我并不是生活在一个程序圈

可能程序员本身愿意花钱在软件上？

所以广东人的红包都很“小”，而且结婚后就是发红包而不是收红包，哈哈

我们亲戚之间拜年，送的都是“富余”的东西，不会特意买，特意买的金额都不高，只是心意。而且这个双方都是知道的，也默认对方也是这样做。相当于“资源交换”而已，涉及金额的问题，就变成“买卖”了

我个人默认不拜年，但约出去饮茶是可以的，为这事老妈对我意见很大

先是需求

我在 TotalCommander 上，加了一堆调用 python 的按钮，当然也可以用 powershell ，python 不是唯一

至于说方向
要搞批量处理数据（不一定是 AI 、Learnening 方向），你就离不开 numpy/pandas ，尤其是“向量化处理”
网络、服务端方向，各种异步处理
客户端方向，文件处理、文件信息处理（这个要顺带学同步处理）、GUI 等
文字方向，目前 python 处理不同民族语言、编码的包很多，但我个人觉得在效率提升方面还很弱，字符串理应可以高速处理的，但目前来看，python 处理字符串比较薄弱
媒体方向，没认真研究，只是见过不少惊艳我的项目

有些需求其实也需要“脑筋急转弯”
有个列表，几百个元素，要并发处理，多进程？其实 pandarallel apply 更快
pandarallel 是并发处理 pandas 的三方包，但单纯这个需求，跟 pandas 没什么关系，一般都不会想到用 pandas 的并发

pyqt/pyside 其实很好玩的，只是限于证照，不能作为“赚钱”的方向，作为玩具倒是不错

每件事都有两面

python 包很多很好很方便，就是类型太多了
但我昨天花了四小时在排除“类型不符”的问题，数据准确性和代码逻辑都没问题，最后就是在十几个地方加上指定类型的参数就过了

单纯商品页面介绍能做到千人干面，就足以提升销量了

首先要找到其发出的声音和行为之间的关系

@cwyalpha #1
原理是一样的，np.ediff1d 和 pd.Series.diff 是一样的，只是 np.ediff1d 计算少了第一个值，补个 to_begin=0 参数而已
我起初也是用 diff()，后来才改成兼容性更高的 numpy

不过这里 gpt 漏了一个逻辑，相邻两个其中一个是 0 ，另一个是+1/-1 ，这个 diff 结果是+1 或-1 ，不是+2/-2
用==2/==-2 会漏掉这个
0 就是两条线在同一个点刚好相等的情况，如 a=[1,2,3,4], b=[3,2,1,0]，第二个点是刚好相等的