10个有趣的 Python 高级脚本,建议收藏!

来自公众号:法纳斯特

大家好,我是小F。

 

在日常的工作中,我们总会面临到各式各样的问题。

 

其中不少的问题,使用一些简单的Python代码就能解决。

 

比如不久前的复旦大佬,用130行Python代码硬核搞定核酸统计,大大提升了效率,节省了不少时间。

 

今天,小F就带大家学习一下10个Python脚本程序。

 

虽然简单,不过还是蛮有用的。

 

有兴趣的可以自己去实现,找到对自己有帮助的技巧。

 

 

▍1、Jpg转Png

 

图片格式转换,以前小F可能第一时间想到的是【格式工厂】这个软件。

 

如今编写一个Python脚本就能完成各种图片格式的转换,此处以jpg转成png为例。

 

有两种解决方法,都分享给大家。

 

# 图片格式转换, Jpg转Png

# 方法①
from PIL import Image

img = Image.open(‘test.jpg’)
img.save(‘test1.png’)


# 方法②
from cv2 import imread, imwrite

image = imread(“test.jpg”1)
imwrite(“test2.png”, image)

 

 

▍2、PDF加密和解密

 

如果你有100个或更多的PDF文件需要加密,手动进行加密肯定是不可行的,极其浪费时间。

 

使用Python的pikepdf模块,即可对文件进行加密,写一个循环就能进行批量加密文档。

 

# PDF加密
import pikepdf

pdf = pikepdf.open(“test.pdf”)
pdf.save(‘encrypt.pdf’, encryption=pikepdf.Encryption(owner=“your_password”, user=“your_password”, R=4))
pdf.close()

 

有加密那么便会有解密,代码如下。

# PDF解密
import pikepdf

pdf = pikepdf.open(“encrypt.pdf”,  password=‘your_password’)
pdf.save(“decrypt.pdf”)
pdf.close()

 

 

▍3、获取电脑的配置信息

 

很多小伙伴可能会使用鲁大师来看自己的电脑配置,这样还需要下载一个软件。

 

使用Python的WMI模块,便可以轻松查看你的电脑信息。

 

# 获取计算机信息
import wmi


def System_spec():
    Pc = wmi.WMI()
    os_info = Pc.Win32_OperatingSystem()[0]
    processor = Pc.Win32_Processor()[0]
    Gpu = Pc.Win32_VideoController()[0]
    os_name = os_info.Name.encode(‘utf-8’).split(b’|’)[0]
    ram = float(os_info.TotalVisibleMemorySize) / 1048576

    print(f’操作系统: {os_name})
    print(f’CPU: {processor.Name})
    print(f’内存: {ram} GB’)
    print(f’显卡: {Gpu.Name})

    print(“n计算机信息如上 ↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑ ↑”)


System_spec()

 

就以小F自己的电脑为例,运行代码就能看到配置。

 

10个有趣的 Python 高级脚本,建议收藏!

 

 

▍4、解压文件

 

使用zipfile模块进行文件解压,同理也可以对文件进行压缩。

 

# 解压文件
from zipfile import ZipFile

unzip = ZipFile(“file.zip”“r”)
unzip.extractall(“output Folder”)

 

 

▍5、Excel工作表合并

 

帮助你将Excel工作表合并到一张表上,表内容如下图。

 

10个有趣的 Python 高级脚本,建议收藏!

 

6张表,其余表的内容和第一张表都一样。

 

设置表格数量为5,将会合并前5张表的内容。

 

import pandas as pd

# 文件名
filename = “test.xlsx”
# 表格数量
T_sheets = 5

df = []
for i in range(1, T_sheets+1):
    sheet_data = pd.read_excel(filename, sheet_name=i, header=None)
    df.append(sheet_data)

# 合并表格
output = “merged.xlsx”
df = pd.concat(df)
df.to_excel(output)

 

结果如下。

 

10个有趣的 Python 高级脚本,建议收藏!

 

 

▍6、将图像转换为素描图

 

和之前的图片格式转换有点类似,就是对图像进行处理。

 

以前大家可能会使用到美图秀秀,现在可能就是抖音的滤镜了。

 

其实使用Python的OpenCV,就能够快速实现很多你想要的效果。

 

# 图像转换
import cv2

# 读取图片
img = cv2.imread(“img.jpg”)
# 灰度
grey = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY)
invert = cv2.bitwise_not(grey)
# 高斯滤波
blur_img = cv2.GaussianBlur(invert, (77), 0)
inverse_blur = cv2.bitwise_not(blur_img)
sketch_img = cv2.divide(grey, inverse_blur, scale=256.0)
# 保存
cv2.imwrite(‘sketch.jpg’, sketch_img)
cv2.waitKey(0)
cv2.destroyAllWindows()

 

原图如下。

 

10个有趣的 Python 高级脚本,建议收藏!

 

素描图如下,还挺好看的。

 

10个有趣的 Python 高级脚本,建议收藏!

 

 

▍7、获取CPU温度

 

有了这个Python脚本,你将不需要任何软件来了解CPU的温度。

 

# 获取CPU温度
from time import sleep
from pyspectator.processor import Cpu
cpu = Cpu(monitoring_latency=1)
with cpu:
    while True:
        print(f’Temp: {cpu.temperature} °C’)
        sleep(2)

 

 

▍8、提取PDF表格

 

有的时候,我们需要从PDF中提取表格数据。

 

第一时间你可能会先想到手工整理,但是当工作量特别大,手工可能就比较费劲。

 

然后你可能会想到一些软件和网络工具来提取 PDF 表格。

 

下面这个简单的脚本将帮助你在一秒钟内完成相同的操作。

 

# 方法①
import camelot

tables = camelot.read_pdf(“tables.pdf”)
print(tables)
tables.export(“extracted.csv”, f=“csv”, compress=True)

# 方法②, 需要安装Java8
import tabula

tabula.read_pdf(“tables.pdf”, pages=“all”)
tabula.convert_into(“table.pdf”“output.csv”, output_format=“csv”, pages=“all”)

 

PDF文档的内容如下,包含了一个表格。

 

10个有趣的 Python 高级脚本,建议收藏!

 

提取到的CSV文件内容如下。

 

10个有趣的 Python 高级脚本,建议收藏!

 

 

▍9、截图

 

该脚本将简单地截取屏幕截图,而无需使用任何屏幕截图软件。

 

在下面的代码中,给大家展示了两种Python截取屏幕截图的方法。

 

# 方法①
from mss import mss
with mss() as screenshot:
    screenshot.shot(output=‘scr.png’)

# 方法②
import PIL.ImageGrab
scr = PIL.ImageGrab.grab()
scr.save(“scr.png”)

 

 

▍10、拼写检查器

 

这个Python脚本可以进行拼写检查,当然只对英文有效,毕竟中文博大精深呐。

 

# 拼写检查
# 方法①
import textblob

text = “mussage”
print(“original text: “ + str(text))

checked = textblob.TextBlob(text)
print(“corrected text: “ + str(checked.correct()))

# 方法②
import autocorrect
spell = autocorrect.Speller(lang=‘en’)

# 以英语为例
print(spell(‘cmputr’))
print(spell(‘watr’))
print(spell(‘survice’))

— EOF —

转自:https://mp.weixin.qq.com/s/wuA5_ZV328E5bpSSR0XbiA

薛云奎 |上海封控成本考

伴随着上海临近解封的喜悦,忽然心血来潮想考证一下上海“全域静态管理”的成本,之所以称之为“考”,是因为相关证据并不全面,有些地方需要用常识和逻辑加以补正。

 

 “成本”是指为达成某一目标而付出的代价。在工业企业,产品成本指的是在产品生产与交付过程中所发生的所有支出。与产品生产直接关联的支出叫“成本”,间接关联的支出叫“费用”,当然也有人称之为“间接成本”。叫法虽然不同,但实质却无差异。

 

 “封控”是“全域静态管理”的简称。上海封控区根据疫情的严重程度不同划分为三种类型:封控区、管控区与防范区。封控区指的是不准出自己的大门;管控区是不准出自己的单元楼道门;而防范区则是不准出自己的小区门。笔者所在的区域一直是防范区,但从3月28日被封禁以来,同样面临的是足不出户,所以,体感这三类分区并无差别。

 

根据一番思量,与“封控”相关的成本可分为三类:直接成本隐性(间接)成本或有成本。直接成本容易理解,直接与封控相关的成本,如生活物资成本、核酸/抗原检测成本、方舱医院建造成本、社区志愿者补贴成本等。间接成本则要隐秘得多。例如房租水电燃气成本、核酸检测的等待时间成本、产值下降的损失成本、股价下跌的亏损成本以及次生灾害的连带成本等,这些都可称之为隐性成本。或有成本是指那些可能发生也可能不发生的成本。如封控期间可能因停工引起的违约损失、供应链断裂导致的客户永久丢失成本、封控前准备的存货因过期、变质的损失成本、居民被禁足的精神与身体伤害成本等等。这类说不清道不明的成本,都可归类为或有成本。

 

根据第七次人口普查数据,上海基础常住人口2,488.36万人,家庭数560.96 万户。实际就业人口1,303.90万人。根据上海统计年鉴,上海城镇非私营单位就业人员平均工资171,884元,城镇私营单位就业人员平均工资80,134元,请大家记住这些基础数据,后面的推算会用到这些数据。

 

根据认真测算,从4月1日官宣“全域静态管理”算起,至5月22日部分公交线路恢复营运结束,全程共计52天。

 

52天的直接成本考证结果为992亿元,平均每天为19.07亿元。相关项目测算结果汇总如表一。

 

薛云奎 |上海封控成本考

隐性(间接)成本考证结果为3.97万亿,平均每天的成本为763亿元。相关项目测算结果汇总如表二。

 

薛云奎 |上海封控成本考

或有成本因缺乏估算模型,就此略过。直接成本与隐性成本相加,共计4.07万亿元,接近2021年上海市全年的工业总产值(4.32万亿元)。如果加上或有成本,整个封控的损失会远超过2021年的工业总产值。如果你对以上的具体推算过程感兴趣,请接着往下看。

1

直接成本

根据封控目标的相关要求,直接成本大体可以归纳为五大类。

 

(1)封控区居民生活物资支出

 

生活物资支出之所以成为封控成本,是因为封控剥夺了居民外出谋生的权利,使被封控区的居民从生产主体变成了消费主体,从收入扣减成本后尚有结余的生存模式,转变成了纯粹依靠政府救济的生存模式。于是,这类支出便成为封控的直接成本了。

 

生活物资的成本估算大体可以分成三类,或者根据物资的三种不同来源渠道加以确定:政府组织并发放的物资居民自发团购的物资个人拼运气抢购的物资。由于物资的来源渠道不同,其价格与品质也有很大的差异。

 

政府发放的物资主要是保障居民的基本生活需求,基本能获得平价供应。主要包括:大米、食用油、蔬菜和肉禽蛋。如果按正常消耗量标准来计算,每人每天的消耗量大致为:大米为3-5两、食用油25-30克、瓜果蔬菜0.5-1斤、肉禽蛋0.3-0.5斤。如果按疫情前的平价计算,每人每天的基本生活保障需求为7.78元-13.36元。具体可参见表1.1。

 

薛云奎 |上海封控成本考

但上述测算只是一个理论值。政府实际发放的物资(包括外地援沪物资)以及组织的市场货源应该说还是比较充足,不存在严重短缺的情况。虽然各社区发放的物资存在数量与质量方面的差异,但总体上未形成社会动荡,实属不易。

然而,政府配送物资所面临的最大挑战是常常不被居民待见而造成浪费。主要原因有几个方面:第一,统一发放的生活物资与居民需求匹配度较低;第二,政府统一采购物资品质难以保证;第三,社区服务能力限制,使得物资不能及时发放到位,导致腐烂变质;第四,个别经办人员利用职务之便、截留倒卖抗疫生活物资,导致分配错位。

 

由于以上种种原因导致政府配送的物资浪费严重。很多有条件的家庭或社区又通过各种渠道补充各自的不足。根据亲身经验判断,个性化补充的生活物资可能占到生活所需物资的三分之一或一半,但由于抢购物资的价格和物流费用是政府配送物资的5-10倍,代价高昂。所以,初步估算这部分生活物资的总体成本大约是政府配送物资的3-5倍。我们且按3倍来计算,政府配送的物资成本为100亿元,而居民通过团购或个人拼运气在网上抢购的成本支出为300亿元。二者合计400亿元。具体计算过程如表1.2所示。

 

薛云奎 |上海封控成本考

以上推算采用的价格水平参考了腾讯网发表的一篇文章《涨幅1300%,疫情下的上海物价太魔幻!》①。平价水平参照前价格,抢购物资参照后价格。政府平价的价格水平为:大米4.5元,瓜果蔬菜5元,食用油18.5元,肉禽蛋10元。依此计算,平均一个人一天的生活物资成本大致为最低7.78元,最高为13.36元。

 

薛云奎 |上海封控成本考

根据媒体报道的一位上海打工人隔离期间的生活花费②,总共是5,520元。扣除房租(每月900元)和水电(每月180元)开支,他的实际生活物资成本高达3,360元,远在我们的测算标准之上。

薛云奎 |上海封控成本考

(2)核酸/抗原检测支出

 

核酸/抗原检测支出最容易计算。上海自官宣封控以来,开始实施每天全员核酸或抗原检测。虽然目前核酸/抗原检测的成本越来越低,但即使按混检成本计算,也需要6~8元。如果按全部常住人口计算,全市一天的检测成本约为1.5亿~2亿,一个月为45亿~60亿。我们最终取下限1.5亿计算,52天共计为78亿元。

 

(3)方舱医院支出

 

根据上海市疫情防控工作新闻发布会数据,截止到4月30日,定点医院可收治床位达到3万张,上海市、区方舱医院总开放床位约30万张。如果按照每张床位建造(改建)成本5万元平均计算,方舱医院的建造与改造成本便达到150亿人民币。不包括方舱医院的运营成本和医护费用。

 

(4)社区志愿者补贴支出

 

社区志愿者原本以为都是义工,但由于需求量太大,而且,疫情期间的社区服务工作还存在一定的感染风险。所以,志愿者补贴应运而生。现实中也确有听说很多低收入人群都在积极申请社区服务工作。

 

在正常情况下,城市生活保障体系主要由三部分构成:政府公共服务、工商行为、市民活动。而封控期间,由于工商行为与市民活动全部被禁止,政府只能依靠社区服务体系。千百万人的日常活动突然间化为少数社区服务人员的肩上重担,其盲目性可想而知。加之上海日常生活的市场化程度比较高,公共服务体系相当薄弱。所以,无论是社区工作人员,还是临时志愿服务人员,手足无措便成为常态。

 

如果按照政府标配8%来招募志愿者,那么,全域的志愿者人数便达到200万人。有人说有的社区给500元一天,也有人说给1000元一天,当然,更普遍的补贴应该是200~300元。补贴的高低或与市场供求紧张程度、服务时间长短、工作岗位重要与否有关。由于缺乏相关权威数据,我们只能按照正常情况下的钟点工收费标准—1小时为40元—计算,8小时为320元。以此计算,全上海一天的志愿者补贴为6,370万元,52天共计331亿元。当然,也许很多志愿者只提供不领取报酬的义务服务,也可能实际的志愿者数量没有达到标准配置。

 

(5)路障与隔离装置及其他

除此之外,封控期间为防止人员、车辆通行,还设置了许多人为路障与隔离装置,虽然这些隔离装置成本不高,但侮辱性极强,连消防通道也被封堵。至于直接成本,就按志愿者补贴成本的10%计算吧?

 

综合上述,我能想到的封控期间的直接成本大概也就包括如上五个部分,汇总起来大约为992亿元。当然,这只是一个估算数,原则上趋向稳健和保守,相信实际开支大概率会在这个估计值之上。
 

2

隐性(间接)成本

相较于直接成本而言,间接成本具有更大的隐蔽性,故称之为隐性成本。由于这类成本与封控目标不存在直接关联,所以很容易在决策时被忽视,也很容易引起大家的争议。直观而言,如钟点工因封控在家不能提供钟点服务而损失的服务收入,是否应列为封控成本?一般人很容易忽视。理论上说钟点工损失的收入应当计算在封控成本之内,虽然相对于直接成本而言,它更偏向于机会成本,但机会成本在封控条件下具有现实意义,它与封控目标具有直接的因果关联。以此类推,企业停工减少的收入(如产值下降)、股价下跌、次生灾害,以及停工期间的企业存货过期、变质,均构成隐性的间接成本。

 

把隐性成本大体归纳了一下,可简单概括为以下五类。

 

(1)居民房租水电燃气成本

 

在前述居民生活成本中,我们只考证了生活物资的成本,而忽视了居民生活中的房租水电燃气等固定成本。由于这部分成本波动较小,所以很容易被忽视。如果居民有正常工作,这些成本就被收入所覆盖,但封控期间没有收入,这些成本便很快成为生存风险。由于住房构成情况复杂,价格相差巨大,所以,我们只能按一般水平估算。如果按市区一套住房价值1,000万元估算,每月的租金成本不低于10,000元,这是一个三口之家的必备生活条件。根据第七次人口普查结果,上海共有561万户家庭。依此计算,封控一个月的居民房租成本大约为561亿元。如果按自购住房计算折旧成本和资金成本,实际要远高于按租金成本估算的结果。如果平均每户的水电燃气按每月500元计算,其成本为28亿元。由此,上海封控一个月的居民固定生活成本便为589亿元。换算到52天的成本合计约为1,021亿元,平均每天为19.63亿元。

(2)核酸等待成本

 

大部分人计算核酸成本只计算采样与分析过程的相关支出,而很少顾及被采样对象的等待时间成本。作为核酸采样的配合者,相当于一部电影中的演员,一般人平时看到的只是拍摄和剪辑的成本,而忽视演员才是制作电影最大的成本。虽然群众演员的“片酬”不高,但数量过于庞大。如果根据第7次全国人口普查结果,上海基础常住人口2,488万人,就业人口1,304万人,做一次全员核酸的“参演”人数,下子就达到近2,500万人,瞬间超过历史上的任何大片。如果按照上海人社通 “2020年本市全口径城镇单位就业人员平均工资为124,056元,月平均工资为10,338元”③计算,上海封控一个月全员核酸的等待成本大约可估计为1,348亿元(1,304万人*10,338元/月工资)。当然,这一估算的假设前提是这些人被封控在家完全是为了配合核酸检测。这也许并不符合实际。毕竟有些岗位的居民是可以居家办公的。但大部分人恐怕除了配合核酸和抗原检测外,并无其他实质意义的工作,这些成本便都成为核酸等待成本。

 

(3)工业生产总值下降损失

 

根据上海统计局最新公告,2022年4月实现工业生产总值1,364亿元,较上年同期下降61.6%,也就是说大约减少了850亿元。因为5月份的数据还没有出来,估计只有更坏,没有更好,所以,我们用4月份数据平均计算到5月22日,即封控52天累计损失的工业生产总值为1,473亿元。这还只是计算了上海的部分,没有涉及上海停工停产对周边省份,尤其是长三角区产业配套省份的影响。如果加上对全国GDP影响,估计又是一个巨量。

 

当然,目前看到的这个数字,其实对处于全域静默管理的上海来说应该是好消息,因为上海静默期间,仍然保住了平常产值的60%。这表明封控期间的上海仍然有许多事关民生的产业和岗位在运作,不然统计数据可能更加惨不忍睹。我相信,把上海减少的1,473亿元产值列入上海封控期间的间接成本,不会有异议吧?

 

薛云奎 |上海封控成本考
(资料来源:上海市统计局④)

 

(4)证券市场股票市值损失

 

根据Wind金融终端统计,4月1日官宣封控当日的股票上市总数为4,860个。到5月20日,上市交易的股票总数增加了42个,但股票总市值却下降了3.57万亿元(从89.79万亿下降为86.22万亿)。虽然把此期间全部的股票下跌列为封控的间接成本有些偏颇,但上海封控是影响过去两个月市场股票定价的最大不确定性因素,恐怕并无疑议。

 

(5)次生灾害及其他损失

 

封控期间因医院、学校、地铁、公交及许多公共服务部门停开导致的次生灾害因缺乏统计,难以估量其损失。这类成本有如路障与隔离装置一样,也许数额不大,但侮辱性却极强。因缺乏数据,本文暂按产值损失度的10%估算,约为85亿元)。

3

或有成本

除以上直接成本和隐性成本外,封控还涉及到未来的潜在损失或成本,我们姑且称之为或有成本。

 

或有成本是指可能有也可能没有的成本。比如管控条件下居民的精神与身体伤害成本,因过度消杀引起的环境污染与生态破坏损失,因疫情停工而导致的契约违约成本,以及因制造业供应链转移导致的客户永久丢失成本等。由于这类成本可能导致未来社会的潜在的损失和风险,如经济衰退、犯罪率上升、经济纠纷案件增加等,都带有较大的不确定性。故称之为“或有”。这只是一个理论分析框架,并无实际模型可以推算。

 

行文至此,上海封控成本只是有了一个大概,很多损失因缺乏数据而不能恰当推算,已估算出的数据也只是一个估算,其中包含了诸多假设和推测。成本计算是一项非常复杂的系统工程,需要很多专业人士的参与。文章写作过程中几次想到要放弃探究,但本着帮助提升未来决策理性的信念,仍然坚持把文章写完。尽管粗浅,但希望这些分析框架与逻辑能对感兴趣的人士有所帮助。很显然,达成某种社会目标的成本考量要远比企业产品成本计算复杂得多,而且缺乏真实可信的“原始凭证”。这大概就是企业会计与社会会计的不同吧。

 

写完此文,深感心力交瘁。最后让我借用一段庄子的话作为结语:

上必无为而用天下,下必有为为天下用,此不易之道也。……无为也,则用天下而有余;有为也,则为天下用而不足。

祝愿上海的明天更美好!

(文中数据由刘雪莹收集整理,谨致谢意!)

 


参考资料:

① 涨幅1300%,疫情下的上海物价太魔幻!

https://xw.qq.com/amphtml/20220520A05EXD00,2022年5月20日。

② 一个打工人,在上海隔离60多天,生活费一共花费了5520块

https://www.163.com/dy/article/H7G0V9860552J0VR.html,2022年5月15日。

③ 上海市关于2020年本市全口径城镇单位就业人员平均工资的通知,沪人社综〔2021〕193号,https://m12333.cn/policy/icpw.html,2021年6月22日。

④  2022年4月工业生产情况,上海市统计局,

http://tjj.sh.gov.cn/ydsj31/20220517/3d72ec2827a04e53b8c6780d3125dc11.html,2022年5月19日。

转自:https://mp.weixin.qq.com/s/Sml-G6VWJTdtVq2NPbDvyg

Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1

前言

最近又想起anki这个软件来,好奇心驱使下载了看了一看,发现非人类的中文界面依然存在,比如“简单间隔、毕业时间、简单奖励”等等这类令人极度费解的神翻译,我好奇软件开发者是不是用翻译软件把英文翻译成阿拉伯文又翻译成日文再翻译成中文得到的这种效果,这系列神翻译依然通杀所有平台版本,新手和老手是摸不着头脑的。所以我想写一写这方面的文章来分享分享让更多人明白这软件的一些核心功能到底是怎么回事。

本人2016年前就开始使用anki,中途也因为软件一些地方含含糊糊没搞得懂事什么意思而弃用。另外我有些好奇,对算法根本不理解,很多设置项都意味着未知效果,那么多用户为什么还能糊里糊涂用得那么津津有味,各种anki教程的也几乎没有对其核心算法琢磨过就下定义为”好用“实际是一种只了解基础功能的盲用,就像开没有方向盘的车一样!

由于官方说明大部分是机器翻译的缘故很多新手甚至老手都比较难懂一些功能到底是什么意思,以至于各项核心功能用不到或者糊里糊涂的在使用,即使有是翻译者翻译的有时也是较为难以理解。

官方的中英文说明很多地方并未给出设置项对应的算法的明确,实用者如果对这些核心算法设置不清楚,资料录入后复习时会有一定模糊性、不可预知性,从而对复习与学习根本做不到心中有数,就像开车没有方向盘一样,你根本不了解软件是如何运作的,重大考试很有可能因为这种模糊性会造成失误,不明白其算法和具体运作方式用就来进行关键考试是非常危险的!

在此所以我对其核心设置项进行了详解写了系列小短文,写的较为详实,学习者看完后就能做到对其核心设置算法和运作方式心中有数!系列小短文并不是新手教程而是对特定项目的详解,

只要学会PC Windows版的也就自然明白Mac os版 ios版 Android版,一举多得。

本文非入门教程,如果你是彻头彻尾的新手请跳转自 《Anki 常用操作方法合集(二)初级引导 新手必看》的第一有很好的详细教程推荐。


所以此系列小短文在于:

1、用大白话讲解一些常用又不是太简单能懂的细节功能。
2、有必要详解但别的文章都没详解过的功能。

本文详解后你能清楚的了解到的功能有:

1、记忆库-齿轮选项-步伐
2、如何提前复习而不等到时间复习呢?

看完此文你将会学习到:

步伐的运作方式
如何提前复习步伐的内容

Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1
为了更好的进行教程我使用了虚拟机,以方便调整时间进行配合

1、记忆库-齿轮选项-步伐

Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1
Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1

步伐:其实就是设置“建立的新卡片”或者“学习中选择了生疏错误的卡片”时的卡片学习中会显示的时间选项(如上图)。

默认是1分钟+空格+10分钟,这样就有两个时间可以学习中供选择,你如果不喜欢系统自定义的时间你可以自己设置时间,记得中间要带空格,

Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1

不管你设置的再多,它在之后再学习时只会显示最左边和最右边的时间如上图,但有时又是按顺序显示的“10生疏、20犹豫”这让我有点摸不着头脑可能是软件的BUG如下图,大家以下图的为准就行,更多时候是显示下图的“10 20”

这样的情况下如果你学习中再次选择“生疏”或者“建立了新卡片并学习”就会在“正在进行的课程”数量多出来,会按你设置的时间次数来进行如下图(步伐设置的10 20 30 40)学习中选择“生疏”后:

Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1

我新添加一张卡为B,学习后选择“生疏”正在进行的课程就变为“8”意味着有8次卡片的学些也就是A卡4次+B卡4次。

Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1
Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1

如果你设置步伐为“10 20 30 40”第一次学习时选择的是“20犹豫”,那么这张卡片剩余的次数(正在进行的课程)就会减少1次变成“3”卡片下次就会出现“10生疏30想起4天顺利”让你选择,如上图。

Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1

以此类推你这次选择“30犹豫”后就变成“40”,正在进行的课程就成“2”。

Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1

如果你选择40犹豫,40分钟后学习就会变成上图的选项。

也就对应上“毕业时间”和“简单间隔”的设置了。

毕业时间”和“简单间隔”在系列文章(二)中进行详解。


Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1

2、如何提前复习而不等到时间复习呢?

可以这样设置(上图),“先学时间上限”实际就是“不等待的时间”设置这个后原来需要等待30分钟出现的,在30分钟时都出现了。


在结尾我附上几篇系列小短文的连接:

威廉:Anki 高阶教程 核心设置算法研究与详解(一)记忆库(牌组)选项之新卡片1

威廉:Anki 暗记 核心设置算法研究与详解(二)记忆库(牌组)选项之新卡片2

威廉:Anki 暗记 核心设置算法研究与详解(三)记忆库(牌组)选项之复习

威廉:Anki 暗记 核心设置算法研究与详解(四)记忆库(牌组)选项之失误次数

威廉:Obsidian和Anki如何真正的联用!

2019年11月12日-本文结束-

转自:https://zhuanlan.zhihu.com/p/91456481

【Anki小工具】有道生词本转Anki 1.0

简介

其实本人用有道词典有很长时间了,也特别喜欢有道的生词本功能,在发现了Anki之前我也一直用有道的单词本复习单词,虽然现在用Anki记单词了,不过也习惯用有道来收集单词,最后再导入到Anki中,因为有道手机电脑都可以用来收集单词,并且PC端的取词功能也十分强大,所以有道渐渐地变成了一个搜集工具,而本工具的功能就是将有道生词本导出的xml文件转换成Anki可以识别的txt文件,这样就可以灵活导入到记忆库中。

详细介绍

其实最初的想法是自己写的一个Python脚本,用于实现将有道生词本导出的xml文件转成Anki可以识别的txt文件,然后再导入到Anki中。但是这次介绍是本工具的web版本,也就是全平台通用。由于本工具的功能只负责转换,最后的导入可以根据自己的需要来处理,这里为了说明方便以YDdictBasic这个模板为例,来具体说明从利用有道词典搜集单词到最后导入Anki的过程。

搜集单词

有道词典提供PC端和移动端,只需要注册一个账号就可以全平台同步到有道的单词本,而我特别喜欢用PC端的取词功能:

【Anki小工具】有道生词本转Anki 1.0

在取词模式中只需要点击那个小五角星就可以添加到有道的生词本中了,总之通过有道词典各种渠道搜集到一定的单词数量后就可以开始下一步了。

导出xml文件

这其实也是到我们需要转换的源文件,至于导出方法也非常简单,直接在PC端有道的生词本选择导出单词

【Anki小工具】有道生词本转Anki 1.0

可以根据实际情况选择分类,这里我选择所有分类:

【Anki小工具】有道生词本转Anki 1.0

保存文件的时候非常关键,一定要选择保存为xml文件

【Anki小工具】有道生词本转Anki 1.0

到此导出工作完成,接下来就是激动人心的转换了。

转换(解析xml)

这也该本次的主角登场了,打开YDdict2Anki网页版:

【Anki小工具】有道生词本转Anki 1.0

根据提示,我们第一步应该是用记事本打开刚才导出的xml文件:

【Anki小工具】有道生词本转Anki 1.0
【Anki小工具】有道生词本转Anki 1.0

全部选中后粘贴到刚才的红色文本框后在下方的蓝色区域中就会出现转换后的详细信息:

【Anki小工具】有道生词本转Anki 1.0
  • index为计数列,只是为了帮助你判断转换了多少个单词
  • word为单词列,一般导入到卡片的正面中
  • phonetic为音标列,缺点就是只有一个音标,而且有些单词没有音标
  • trans为释义列,包含词性和基本释义
  • tags为分类列,即你从有道导出时选择的分类,因为我的单词没有分类,所以这列为空

然后根据提示点击蓝色表格会出现Anki可以识别的文本,这其实就是我们需要的内容,不用犹豫,直接全选复制:

【Anki小工具】有道生词本转Anki 1.0

然后新打开一个记事本,把刚才复制的内容粘贴进来:

【Anki小工具】有道生词本转Anki 1.0

可以看到这其实就是Anki可以识别的文本格式了,每一行就是一条单词信息,单词的每个属性以制表符分隔,需要注意的是保存的时候一定要保存为utf-8编码

【Anki小工具】有道生词本转Anki 1.0

这样转换工作就完成了,接下来的导入工作就可以灵活多变了,这里以YDdictBasic这个模板为例继续说明导入到Anki的具体步骤。

导入到Anki

选择刚才保存的txt文件

【Anki小工具】有道生词本转Anki 1.0

设置好需要导入的模板以及记忆库,还有就是对应的字段名称,需要注意的是这里必须要勾选上allow HTML in fields,否则trans字段就无法实现换行显示。

【Anki小工具】有道生词本转Anki 1.0

导入后会有提示:

【Anki小工具】有道生词本转Anki 1.0

这样就导入完成了,不过大家也注意到了这个是没有导入发音的音频文件的,所以单词就不能发音,这里简要说明用AwesomeTTS插件来实现批量添加音频。

添加音频

因为我导入的这个模板音频字段在audio,所以我先筛选出在English这个记忆库中没有音频的卡片:

audio: deck:English -deck:English::*

什么这句代码的意思是在English记忆库但不包含子记忆库的范围中筛选出audio字段为空(即没有音频)的卡片

【Anki小工具】有道生词本转Anki 1.0

全部选中后启动AwesomeTTS插件即可批量加入音频:

【Anki小工具】有道生词本转Anki 1.0

总结

其实本工具的核心功能就是把有道的xml格式文本转换成Anki可以识别的txt格式文本。

  • YDdict2Anki网页版支持全平台,只需要一个浏览器就可以实现,虽然操作麻烦了点,但是如果一次转换的量大的话可以节省不少时间
  • 当然最原始的版本还是Python脚本版,我和web版本一起托管在了GitHub上面,有兴趣的小伙伴可以去看看哟

当然用有道搜集单词也只是我个人习惯,正因为自己的习惯最开始写个转换脚本只是方便自己,我也不敢臆测大家的使用习惯,适合自己的才是最好的,我只是本着分享原则供大家参考罢了。

转自:https://zhuanlan.zhihu.com/p/24288262

最新的居民收入数据,释放了什么信号?

◎智友学院(ID:zhiyoucf88) 

◎作者 | 卢卡斯

5月20日,统计局公布,2021年全国城镇非私营单位就业人员的年平均工资为106837元,比2020年增加了9458元;规模以上企业就业人员年平均工资为88115元,名义增长10.3%。
超过40%的家庭拥有两套及以上房产,近90%的城镇家庭至少拥有一套房。这个数据,你怎么看?
4月公布的16-24岁青年待业率为18.2%。1076万高校毕业生将走入社会,985、211的硕博高材生已经扎堆进入小县城公务员、教师系统。
结合最新出炉的工资数据,我们结合人均收入来看看,发现了一些有意思的数据,分享给大家。如果你有以下的疑问,本文有所解答。
1、你的收入,能在全国人民排上前百分几?
 
2、你的收入增长,有没有跑赢通胀?
 
3、最近的收入数据,释放了什么信号?
最新的居民收入数据,释放了什么信号?
前段时间,统计局发布了《中国统计年鉴2021》。极低的出生率引来所有人的关注,另一组数据却被忽视了——人均可支配收入。
“抖音、小红书上人均百万收入”和“中国有6亿人每月收入1000元”……这些或那些“模糊印象”终于可以通过大数据去验证了。
统计局公布了从2014-2020年,五个收入组的人均可支配收入:
 
最新的居民收入数据,释放了什么信号?
(国家统计局)
低收入人群的收入增长了65.75%,人均年收入为7868.8元;
 
中间偏下收入组增长了51.03%,人均年收入为16442.7元;
 
中间收入组增长了48.88%,人均年收入为26248.9元;
 
中间偏上收入组增长了52.84%,人均年收入为41171.7元;
 
高收入组增长了57.54%,人均年收入为80293.8元;
看看您的年收入,排在全国的什么位置?欢迎评论区留言。
这么看感觉整体挺好的,五个收入组都有所增长而且增长率差别不大。但当我们做成线性图表后,感官上就不一样了……
最新的居民收入数据,释放了什么信号?
(智友学院)
贫富分化,财富聚集,是现状,也是老生常谈。
20%高收入人群的收入和剩下四组人群的收入分化严重。
从增长幅度来看,低收入组的收入增幅是最大的,有65.75%;但是从绝对涨额来看,低收入群体的增长只是高收入群体涨额的零头。
而财富差距因为有积累效应,比收入差距更严重。
在中国,这几年政府发力落实精准扶贫,基尼系数有所缓和,从2015年的0.711降至2019年的0.697,但疫情之下又回到了0.704,道阻且长。
把基尼系数拉高的,是金字塔顶端的那1%。中国财富排名前1%居民占总财富的比例,从 2000 年的 20.9% 升至2020年的30.6%。
放眼全球,财富聚集也是普遍情况。全球收入排名前1%的人群,所占收入份额从1981年的16.9%涨到2020年的19.3%,财富向金字塔尖人群倾斜。(《中国收入分配报告2021:现状与国际比较》)
而再进一步看,把基尼系数推高的,是放水推高的资产价格,股市和楼市。
根据《全球财富报告2021》,中国居民总资产的增长,一方面归功于金融资产(Financial)和房地产(Real),另一方面归功于债务增长(Debt)。
最新的居民收入数据,释放了什么信号?
(全球财富报告2021)
中国家庭的特点是高储蓄率和高负债率,高储蓄率归于国人的理财习惯,高负债率是因为房产。
瑞信研究所分析道:在发达经济体,房价上涨往往会降低财富集中度,也就是会让财富更平均。一方面是发达国家的老百姓更偏爱股票,另一方面也是不同城市的房价差别没有那么大。
而在中国,情况却是相反的,房子更倾向有钱人,有钱人与房价互相成就。
中国的情况是有钱人拥有多套房子,20%的人拥有40%的房子,而一线城市的房价和二三线城市的房价差距颇大。当房价一涨,差距就拉开了。
最新的居民收入数据,释放了什么信号?
全国的人均收入可以跑赢通胀吗?
惊喜的是,5组人群的可支配收入的增长,都跑赢了通胀。
我们不用CPI来衡量通胀率,是因为CPI没有把房产等资产价格纳入统计,参考价值不大。
更能反映客观现实的通胀算法是:通胀率 = M2增长率 – GDP增长率
你可以简单理解M2的增速是央行的印钞速度。当M2增速超过GDP增速,就说明钞票引多了,会引起通货膨胀。
最新的居民收入数据,释放了什么信号?
(数据来源:统计局)
数据看,2014-2020的年均通胀率是3.76%,五个收入组,全都跑赢了。
大家也可以算一下自己的收入有没有跑赢通胀。(欢迎评论区留言)
不过,有喜有忧。虽然跑赢通胀,但是人均可分配收入的增速在震荡下行。
最新的居民收入数据,释放了什么信号?
而另一组收据也同样在说明这个观点:人均可支配收入的增长在见缓。
这个数据还是18个主要城市,包含一线城市和超一线城市,收入和生活条件都优于全国平均水平。
最新的居民收入数据,释放了什么信号?
也因为收入增长变缓,消费增长也变缓了。
这里有一个值得留意的点,经济学家林采宜认为,“房租、医疗和教育是抑制居民消费的三座大山”。
房租房价是占据居民消费里最重的部分;医疗:因为人口老龄化,医疗是各城市居民消费性支出中增速最快的项目;教育消费的增长远高于同类的其他文化娱乐服务。
最新的居民收入数据,释放了什么信号?
最新的居民收入数据,释放了什么信号?
这组数据赤裸裸展现了城市中产的焦虑——主要是房价、养老医疗、对下一代的教育。
如果连消费都不敢了,可投资的资产不是更少了?但这恰恰是拉开贫富差距的关键之处。
我们也建议大家,从保本、跑赢通胀的目标开始,慢慢积累本金,学习理财。看看各类资产的收益,其实跑赢通胀并不难,但是如何获取长期有确定性的较高收益,就需要你们不断磨炼自己了。
最新的居民收入数据,释放了什么信号?
(同花顺)
最新的居民收入数据,释放了什么信号?
这些数据释放了什么信号?
我们正在面临着两个问题:
 
1、人均收入分化大,背后是贫富分化严重,分蛋糕不均的问题;
2、收入增长放缓了,本质是经济增速减缓,需要寻找下一个“房地产行业”再做大蛋糕。
你有没有感觉到,这两年的政策密集推出?
阶层撕裂,“狙击资本家”成了这两年网络战场的背景声。最近的司马南狙击联想一事上,“高管高薪”成了网友的发泄口。除此之外,这几年还有——
1)996骂战,马云因为“996是福报”言论被网友疯狂攻击;
2)美团事件,美团因为外卖骑手的权益遭到网友狙击;
……
在这些社会背景声下,反垄断推出,打压互联网巨头。
养老保障体系
2021年11月24日,国务院公布了一则文件,《关于加强新时代老龄工作的意见》。
意见书里提到,要鼓励老年人继续发挥作用,比如再就业、当志愿者,等等灵活就业形式。里面还提到一个词,“低龄老年人”,这一部分刚刚退休,但还有就业能力的老年人,可能会成为未来老年人就业的主力。
除此之外,还有——
1)老龄人就业、延迟退休是第一个解决方案;
2)让企业承担部分养老责任,提起养老“第二支柱”(也就是企业给员工退休拟定的养老金)感觉也在提上日程了。以腾讯率先推出员工养老计划为风向标;
3)最后,频频吹风呼吁老百姓买商业保险……
最新的居民收入数据,释放了什么信号?
事实上,当蛋糕还没做得足够大时,社会保障和福利是很难提上来的。
说一个非常现实的数据:2020年我国的人均GDP是一万美元。而美国人均GDP是六万美元,日本是四万美元。
所以,要提高社会保障福利,重中之重依然是做大蛋糕,与此同时兼顾“共同富裕”。
区域产业大洗牌
发展与公平,背后是区域经济发展的资源分配。最近的一系列动向和政策都在透露着,目前,整个中国的区域产业正在进行重新洗牌。
1、央企陆续搬出北京。
 
2、一系列都市圈政策出炉。国家发改委在官网发布了“关于同意成都都市圈发展规划的复函”。在此之前,还有南京都市圈、福州都市圈……
 
3、各大城市陆续抢占新能源车企,特斯拉的上海工厂扩产,第二工厂将落户谁家,也成了大家的最为关心的点。
 
4、因为碳中和大产业链,西部地区受益于光伏、风电,也有利于区域均衡发展。
碳中和产业链被寄予希望,高层希望通过碳中和实现一箭双雕,既能做大蛋糕,也能扶起部分地区的经济。
未来十年的经济转型,本质是从人口红利到工程师红利,从低端制造到高端制造的转变。
1、共同富裕是大势——扶贫、养老体系优化、反垄断……
2、寻找下一个经济之锚——碳中和大产业链、新能源、新基建……
 
END
 

转自:https://mp.weixin.qq.com/s/u7LHUXUxHk66dcUtURrSaw