老哥你博客打开的速度让我对你主页上几篇关于大幅加速的文章产生了怀疑……

dell xps13，前年买的 7 代是 6k 出头，不知道当下八代的多少钱。
考不考虑 surface ？也是 6k 多一些。

WSL ssh 过去能打开 X 应用吗？

P.S. 地胶市场咋样？这么丑的设计地胶能卖出去么……

我没怎么折腾过这类问题，你最好看看 rgb2hsv 和 rgba2rgb 之类的函数，了解一下 hsv 模型。理论上说，白色的话 hsv 里 s 是 0, v 是 1，rgb2hsv 里给出的 h 也应该是 0，但近白色 h 不一定是 0，所以纯色最好。你这图不知道为啥好像不完全是纯色，所以筛选起来可能会比较麻烦，求 histogram 之前可以考虑像 hsv = hsv[np.logical_and(hsv[...,1]>0.05, hsv[...,2]<0.95)]这样按照 s, v (白色 s 值比较小接近 0，v 值比较大接近 1 ）尽可能地把白色去掉，以增加准确度。

可以看看这里：
http://www.voidcn.com/article/p-dntnbcyb-ro.html
有常见颜色的 HSV 范围参考。

from skimage.color import rgb2hsv, rgba2rgb
from skimage import data, io, filters
import numpy as np

image = io.imread('1.png')
hsv = rgb2hsv(rgba2rgb(image))

h_hist, h = np.histogram(hsv[...,0].flatten(), bins=30)

1. 把你的图转成 hsv，在 h 空间求 histogram，黑 /白色的 h 值会是 0 所以不用在意。选择合适的 bins，使峰个数和颜色个数相等。忽略小于某值的 h，因为是白色。这里如果你的图里每个颜色都是纯色，bins 原则多大都是准确的。
2. 建议你尽量把图的 dpi 搞成一样的，也就是说每个方块大小相等，图总大小只和方块数有关。这样你只要算出一个方块有多少像素，用上述的 h_hist 值去除就可以了。因为不到一个方块按一个方块计算，所以向上取整 int(h_hist/square_size)+1 即可。

如果数据结构简单的话，是不是 df[:-1] 就行了...

df.drop(df.tail(n).index) 从尾部去掉 n 行
df.dorp(df.head(n).index) 从头去掉 n 行
可以加上 inplace=True 直接修改原 dataFrame，不过函数返回是 None

整数是很好定义的，说多了都是废话；
有理数是很好定义的，因为是俩整数商；
实数很操蛋，但是因为有理数在实轴上是稠密的，即可以定义一个实数为小于它的所有有理数的集合，比如 1 = {r:r<1,r\in Q}；
假定 A = {r:r<0.9999...,r\in Q},B={r:1,r\in Q},则
r\in A -> r<1-(1/10)^n -> r<1 -> r\in B;
r\in B -> r=a/b<1 -> a<b,a,b\in Z -> a<=b-1 -> r =a/b<=1-1/b<1-(1/10)^b -> r\in A;
A=B

@qcts33 直接看不到，我是根据某个包 ~1~3M 的大概下载时间估的……装 cudatoolkit 和更新 mkl 的时候基本都看不到条在走……但是官网用 firefox 或者 chrome 下安装包 20M+，anaconda 谜之操作

@Northxw
@youngxu
大佬们有没有整过能让 intel python ？我看 intel python 可以用 miniconda + intel 的源，好像速度还挺给力的。

如果用 pip 的话，能不能在 intel python (mkl-numpy, scipy, sklearn, sympy...) 之类的基础上装上 numba, numba+cuda, pyculib 之类的东西？还是须要编译？ Anaconda 直接集成确实方便。。。

@youngxu anaconda 的 numpy+mkl 爽到飞起…… pip 貌似够呛点..... Intel 发布的 python 好像也是 conda，而且，好老……

@qcts33 我也是 ipv6，从官方网站下载 ananconda 包也是……但是下载（火狐&chrome ）都能 20MB+，就 conda update --all 在 kB ....

ML 数据分析一类的……好好学数学？动力学？随机过程？概率论数理统计？看起来就这仨，然而基础知识多到吐……←_←

21 天精通 C++
21 天精通 JAVA
21 天精通...

随便挑五本，105 天成神 ^_^

@caneman 没太理解，因为如果一个位置上叠加 1000 粒米，如果圆盘可以叠加，则需要 20 个。如果圆盘是上层会计入下层，那么无论怎么覆盖都覆盖不了啊，因为 1000 粒米在同一个位置，选多小的圆都会有交叠。

迭代法可能要考虑到最好和最差，我现在脑袋有点残，有时间我算一下。但是原则上六方堆积那个很好算，第一次使用大约 0.25A 次尝试求出粒子空间分布，第二次直接用大概 N/50 个圆进行覆盖。总尝试次数很稳定。当然，因为是保留用来探测粒子分布且覆盖小于 50 粒子的圆，总测试次数要很大程度上小过 0.25A + N/50 的，最差情况就是所有粒子堆叠，分布均匀应该会省力很多。