@YUX 请问现在有哪些接班 pandas 和 numpy 的库？

@liprais 哪里说的不对，还请指教。

@YUX 谢谢针对性的回复。特别是 3 、推荐的链接。关于 4 、并行能力不强在数据领域应该是个短板吧（排除掉需要用服务器跑的数据）。然后说是非常好的 terminal，那么推荐的理由有哪些呢？

@loliordie 谢谢回复。请问你在 M1 的笔记本上用过哪些库，出现了什么问题。而可否分享一下。excel 用起来如何。例如在 excel 上做回归分析，规划求解

@potian001 那像二叉搜索树、贪心算法、图算法（包括但不限于上述计算机科学专业教授的算法内容）是否在数据挖掘工作中经常使用？或者数据分析、数据挖掘领域有自己常用的算法体系。与上述计算机专业的算法几乎没什么交集？

@jones2000 不知道是否有适合数据分析人员阅读的算法相关书籍推荐。-------------不好意思，最后一句打错字了。特此纠正

@jones2000 谢谢解答！
刚才在其他地方也有老师向我强调数据结构和算法。请问这里的算法是指 K 临近，神经网络 这些“范式”的算法？还是针对一个一个具体需要解决的问题的针对性算法？
pandas，numpy 这些库的构建本身也包含了很多算法，例如 pandas 可以“滚动”求平均值（例如计算价格的 5 日平均值）。这就比自己用循环语句去求数据的滚动平均值运行效率要高的多。这当然应该是库里面的算法优于一般的循环算法。
我猜，日常工作中“核心数据分析人员”的算法应该改不需要再为那些“范式”设计算法了，顶多改改参数？也不需要再去为类似“滚动”平均值涉及算法，因为这相当于重新造轮子。
那么“核心数据分析人员”需要在面对什么问题时自己设计算法呢？设计算法的首要目的是什么呢？提高程序运行效率？
不知道是否有适合数据分析人员阅读的算法相关数据推荐。

@nthhdy 谢谢回复。请问你日常主要做什么工作。什么工具用的最多。可否分享一下体验。

@linoder 谢谢回复。如果是数据挖掘呢？

@lonewolfakela 普通有线鼠标

@wty cpu 使用率在 10%以下。一切正常。cpu 风扇工作正常。机箱出风口都是凉的风。使用其他软件。打开浏览器都不卡。单纯的鼠标变慢

@mcone 谢谢回复！
“理论也有，传统机器学习的训练数据大概是 20*C，C 是模型参数个数” ---------请问这个理论是否有中文名称？有没有哪本书对这个理论有比较深入浅出地介绍？

@iConnect 谢谢回复。
关于 2 、也就是说增加哦“有效”指标的数量对于分类效果必定有提升。这个看法是成立的？