import more_itertools as mit
%time mit.ilen(itertools.combinations([f'{i:02}' for i in range(0, 999)], 400))

内存并不是问题，时间是个问题，直到天荒地老也不会完结……

当然，上面已经有大佬说了可以用 C(999, 400)

试试 ripgrep (rg)，不过是命令行，但灰墙强大好用

试试 vuetify 或 buefy

@JustLookBy 大佬这个程序 https://abiudoit.github.io/algorithmTest/checkPoison.html 给的反馈啥意思？
例如（第 5 号老鼠不想喝药啦:)），
10000000
01000000
00100000
00010000
00001000
00000000

反馈说：失败,毒药 0,1 和 0,2 存在相同死亡情况: 000000
毒药是 5,6,7 中的两瓶时，所有老鼠都安全吧

playwright, 爬虫新利器

tmux 或 pm2

喜欢折腾的话还可以装 tmux-resurrect 插件。

Savitzky–Golay 或 lowess?

bert （或其他 embedding ）＋ faiss 或许可以一试。其实好像也可以利用 elasticsearch

win.withdraw() 或许是你想要的

@xianxiaobo 你是想用点击鼠标贴内容？试试 arsclip，可以固定在屏幕上。arsclip 和 clibor 都绿色、比较轻量级的程序，比较合我的口味。

我来安利一下 clibor，或许是你想要的。

不过 clibor 贴完后会自动调到第一位，所以贴三次后，原来的 1,2,3 位的 a，b，c 就成了 1,2,3 位的 c, b, a 。老版 clibor （ 149 及以前的版本） clibor 不能拷图，现在已经到 221 版，不知道什么情况。我中间换到 Win-V 了，少运行一个程序。

clibor 和 Win-V 各有所长（ clibor 可以设置常用的内容，电邮地址，api 令牌什么），看需要是什么。

@neosfung 感谢回复

我折腾了一个 pypi 包 https://pypi.org/project/phrase-tokenizer/

pip install phrase-tokenizer

开源 github 库： https://github.com/ffreemt/phrase-tokenizer

pydantic + dotenv

@zyx199199 感谢回复，我查查 Constituency Parsing 。之所以将 for 和 starting 划在一起是因为 for 单独一起就接近一个 stop word， 可有可无？其实 for starting a fire 划在一起或许更合理点。

不知道楼主有没有找到解决方法？找到了话能不能分享一下？

如果只是对名词词组感兴趣，spacy/textaxy/textblob 里的 noun_chunks/noun phrases/NER 或许有用。但我也是希望能像 jieba 做中文分词那样将英语句子分成有意义的词组，例如：A match / is / a tool / for starting / a fire. Typically, / modern matches / are made of / small wooden sticks or stiff paper.

搜了一下，好像没有现成的工具，最接近的办法可能是用 spacy 的 rule based matching 匹配出 noun phrase （比较简单，有现成的）和 verb phrase 。textacy 里有个极简的 VP 常数（'<AUX>* <ADV>* <VERB>'）。

总之，离英语“词组分词”还很远

import psutil

parent_pid = 30437
parent = psutil.Process(parent_pid)
for child in parent.children(recursive=True): # or parent.children() for recursive=False
.... child.kill()
parent.kill()

SO 答案

pd.read_csv(r"file.csv").astype(float).sum(axis=1)

In [112]: tuple_ = tuple(range(100000))

In [113]: list_ = [*range(100000)]

In [114]: %timeit 999 in list_
65.2 µs ± 16.8 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [115]: %timeit 999 in tuple_
60.3 µs ± 5.88 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [116]: %timeit 999 in tuple_
60 µs ± 4.19 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

In [117]: %timeit 999 in list_
54.2 µs ± 1.38 µs per loop (mean ± std. dev. of 7 runs, 10000 loops each)

其实几乎没有区别

@renmu123 win 里用 poetry 没问题啊…… 还可以用不同的 Python 版本，修改 C:\Users\xyz\.poetry\bin\poetry.bat 里的 python(例如改成 py -3.8 ） 拷成 poetry38.bat

@echo off
py -3.8 "%USERPROFILE%\.poetry\bin\poetry" %*

就可以生成 Py3.8 的虚拟环境。我的 Windows 里各种用 poetry 整的 3.6 、3.7 、3.8 的虚拟环境。