很多公司都大量使用了python，其中有一些开发规范，code guidline， 通用组件，基础框架是可以共用的。
每个公司都自己搞一套, 太浪费人力，我想开一帖和大家讨论一下这些python基础设施的搭建。
原则是我们尽量不重新发明轮子，但开源组件这么多，也要有个挑选的过程和组合使用的过程，在这里讨论一下。
另一方面，有些开源组件虽然强大，但我们不能完全的驾驭它，或只使用其中很少的一部分，我们就可以考虑用python实现一个简单的轮子，可控性更强，最好不要超过300行代码。
jeppe jeppe
jeppe
/ python_infrastructure.md
Created
October 12, 2012 11:06
— forked from onlytiancai/python_infrastructure.md
python 基础设施讨论贴
jeppe
/ gist:73b0426b9103c732364f
Last active
August 29, 2015 14:06
— forked from sing1ee/gist:e079b50b4aebdefa9066
###数对数目分析
####原题 给定两个数组X和Y，元素都是正数。请找出满足如下条件的数对的数目：
- x^y > y^x，即x的y次方>y的x次方
- x来自X数组，y来自Y数组
####分析 假设数组X的长度为m，数组Y的长度为n，最直接的暴力法，时间复杂度为O(m*n)，但这样的话，并不需要都是正数这个条件的。那么，我们该如何优化呢？
jeppe
/ gist:b40058818e133250493a1b5d3e19b543
Created
January 22, 2017 11:35
— forked from entaroadun/gist:1653794
Recommendation and Ratings Public Data Sets For Machine Learning
Movies Recommendation:
- MovieLens - Movie Recommendation Data Sets http://www.grouplens.org/node/73
- Yahoo! - Movie, Music, and Images Ratings Data Sets http://webscope.sandbox.yahoo.com/catalog.php?datatype=r
- Jester - Movie Ratings Data Sets (Collaborative Filtering Dataset) http://www.ieor.berkeley.edu/~goldberg/jester-data/
- Cornell University - Movie-review data for use in sentiment-analysis experiments http://www.cs.cornell.edu/people/pabo/movie-review-data/
Music Recommendation:
- Last.fm - Music Recommendation Data Sets http://www.dtic.upf.edu/~ocelma/MusicRecommendationDataset/index.html