python程序如何運行 跑python用ThinkPad好還是MacBook好？
跑python用ThinkPad好還是MacBook好？運行python，那絕對是最好的服務器操作系統(tǒng)，找一本方便安裝Linux的書。我認為這個問題的主要目的應該是開發(fā)python。如果是Python
跑python用ThinkPad好還是MacBook好？
運行python，那絕對是最好的服務器操作系統(tǒng)，找一本方便安裝Linux的書。
我認為這個問題的主要目的應該是開發(fā)python。如果是Python開發(fā)，我們也應該看看開發(fā)方向。如果是網絡爬蟲和服務器后端編程，使用Windows系統(tǒng)還是更快更容易的。
如果您想進行一些機器學習和人工智能，您可能需要在將來應用GPU，并找到一個具有強大GPU性能的筆記本作為備份。當然，那時筆記本可能跟不上你，你還需要一個工作站。
不管你怎么看，Python和MAC都不是最好的選擇。雖然MAC系統(tǒng)是基于Linux的，但Python并不適合。
MATLAB在逐漸被Python淘汰嗎？
MATLAB和python不在同一級別。MATLAB是面向算法本身和仿真本身的產品。如果不是運行效率，那就要看是誰寫的程序了。Matlab充電庫更新的原因在于它的運行。比如及時5g更新NR庫，如果你用Python寫這個東西，不是不可能寫的，只是時間、完整性、運行效率，這些都很難保證。畢竟，MATLAB的背后是一支強大的科學家團隊來負責算法，一支強大的工程師團隊來完成實現，最后給大家一個簡單易用的函數它可以通過使用的方法來實現。每個人都做他們擅長的事。
學Python的電腦要什么樣的配置？
感謝您的邀請
！作為IT行業(yè)從業(yè)者和計算機專業(yè)教育者，讓我回答這個問題。
首先，如果您從學習Python語言本身的角度出發(fā)，您不需要配置太高的計算機。普通辦公電腦完全可以滿足要求，或者大部分在售筆記本電腦都可以滿足基本的學習要求。
但是，學習Python通常必須有明確的學習方向。不同的學習方向在計算機配置上仍有一些具體的要求。目前Python的主要學習方向包括web開發(fā)、大數據開發(fā)、人工智能開發(fā)和嵌入式開發(fā)，其中大數據開發(fā)和人工智能開發(fā)對計算機配置仍有一定的要求。
大數據領域的發(fā)展通常對計算機內存有更高的要求。一個重要原因是，大數據平臺通常對內存有更高的要求。很多大數據平臺至少需要8g內存，而一些商業(yè)大數據平臺對內存的要求更高。因此，如果你想學習Python，從事大數據開發(fā)，就需要配置一個內存，計算機越大越好。另外，對于初學者來說，通常需要通過虛擬機在自己的計算機上構建偽分布式集群，這對內存容量提出了更高的要求。
人工智能的發(fā)展通常需要一個強大的GPU，所以如果你想學習Python進行機器學習（深度學習）、計算機視覺等方面的開發(fā)，就必須配備一個更好的顯示卡，這樣會大大提高實驗速度。另外，人工智能的發(fā)展方向對CPU和內存也有一定的要求。
最后，在硬盤的配置上，最好選擇速度更快的固態(tài)盤，而且容量不需要太大。
為什么Python效率這么低，還這么火？
在許多情況下，性能不是瓶頸。大約80%的應用程序不需要高性能。
想買個MacBook來編程，主要是Python。多大內存合適？SSD多大夠用？
巧合的是，我最近也在學習Python。
這是蘋果官方網站的截圖。別想12英寸的MacBook。畢竟，你不能買電腦來編程。你需要其他用途。
所以一般來說，基本上鎖定Pro系列是可以的，但畢竟需要考慮使用周期，所以最好優(yōu)先考慮新的MacBook系列?，F在如果你有學生證，你仍然可以享受很大的折扣。前兩天，我的朋友買了一個比其他電子商務平臺上的官方網站便宜得多的專業(yè)版，所以你可以去看看。
在蘋果，13英寸MAC系列基本上可以滿足您的需求。這是容量的問題。您需要自己評估，但如果您購買icloud服務，128GB應該可以滿足您的需求。如果不是，可以考慮256gb。至于觸摸條和觸摸ID，這取決于您的需要。實際上，它們不是很有用。
還有15英寸。不用說，它的優(yōu)點是性能足夠強大，但也足夠昂貴和沉重。如果你是個女孩的話，它不適合攜帶。
因此，結合預算和性能，建議使用MacBook Pro 13英寸128GB型號。
謝謝。
Python語言其實很慢，為什么機器學習這種快速算法步驟通常還是用呢？
對于那些使用了多種開發(fā)語言（Java、C#、nodejs、Erlang）然后轉用Python進行機器學習的人，我想談談我的看法。
首先，Python真的很慢嗎？我的回答是真的。非常慢。for循環(huán)比CPP慢兩個數量級。
那么為什么要使用Python呢？如果我們遍歷超過一億個數據，兩個數量級的差異是不可接受的。但是，如果我們使用Python來執(zhí)行頂層邏輯并阻塞數以億計的數據，Python只會循環(huán)十幾次，剩下的就留給CPU和GPU了。所以兩個數量級無關緊要？一毫秒和100毫秒在整個系統(tǒng)中并不重要。
Python最大的優(yōu)點是它可以非常優(yōu)雅地將數據拋出到高效的C、CUDA中進行計算。Numpy、panda、numba這些優(yōu)秀的開源庫可以非常方便高效地處理海量數據，借助ZMQ、cell等還可以做分布式計算，gevent借助epoll系統(tǒng)IO優(yōu)化。因此，它不需要花費太多的精力就可以優(yōu)雅高效地完成海量數據處理和機器學習任務。這就是Python如此流行的原因。
好好想想。同樣的性能，代碼只有CPP或Java的三分之一或更少，不是很吸引人嗎？