Yosemite的ls: https://www.dropbox.com/s/2kcx93dao5ga9zd/ls?dl=0

@orzfly 对于一个损坏的文件系统，dd出的镜像应该同样是损坏的吧？但testdisk做出的镜像是好的。

@luckykong
@xiaou
@iLiberty
感觉咖啡不提神是因为你们摄入的咖啡因不够多。白天摄入500mg咖啡因，晚上保证通宵不困。

@catcn WGS-84到GCJ-02的算法极端复杂. 不知你能不能反推出GCJ-02到WGS-84的算法, 反正我是不能.
eviltransform用的是反推逼近的方法, 不是直接计算.

@catcn 真坐标到偏移坐标的算法早就被公开了, 偏移坐标到真坐标有直接的算法吗? 反推逼近or查表等不算.

@ovear 我可能没表达清楚. 首先, 如果我没弄错, 大陆地图各地图绘制时使用的坐标系如下:
google.com 地图: 偏移坐标
google.com 卫星图: 真坐标
google.cn 地图: 偏移坐标
google.cn 卫星图: 偏移坐标

那么使用了偏移坐标系绘制的大陆地图和使用真坐标绘制的境外地图道路是如何衔接的? 先前我观察了几条公路与國境線的交点, 错误的认为没有出现错位, 事实并非如此.
对于大部分公路, 境内/境外分界点上是有错位的, 但这个分界点通常并不精准的落在國境線上, 因此我一开始没有看到错位点.
对于另一些公路, 例如@Gymgle 提到的深圳湾公路大桥, 在靠近衔接处道路的形状会被扭曲, 把境内外的道路强行接在一起. 地图上的深圳湾公路大桥北部上有个较明显的转弯, 从卫星照片可以看出那个转弯并不存在.

http://www.interpretermag.com/ukraine-liveblog-day-150-ukrainian-troops-describe-grad-rocket-attack-from-russia/
http://ww1.sinaimg.cn/large/6b15f6fagw1eigps95eevj20fh0cvgmj.jpg
"In the area of Torez, we have just shot down an AN-26 airplane, it is scattered about somewhere by the Progress coal mine.
... ...
"

@Livid OS X 10.10 修复了这个bug吗?

这不是仙人掌. 看上去像景天科植物.

@love 產生大量數據冗餘, 提高維護複雜度.

@chlx 你用的t, m非常小吧.

@9hills 確實如此.

In [719]: a = range(100000)

In [720]: b = range(100000)

In [721]: cProfile.run('reduce(lambda x, y: x + y, zip(a, b))')
100003 function calls in 46.933 seconds

Ordered by: standard name

ncalls tottime percall cumtime percall filename:lineno(function)
99999 27.569 0.000 27.569 0.000 <string>:1(<lambda>)
1 0.005 0.005 46.933 46.933 <string>:1(<module>)
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
1 19.341 19.341 46.911 46.911 {reduce}
1 0.017 0.017 0.017 0.017 {zip}



In [722]: cProfile.run('list(itertools.chain(*zip(a, b)))')
3 function calls in 0.022 seconds

Ordered by: standard name

ncalls tottime percall cumtime percall filename:lineno(function)
1 0.014 0.014 0.022 0.022 <string>:1(<module>)
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
1 0.008 0.008 0.008 0.008 {zip}

@xingxiucun @9hills 使用標準庫中的itertools.chain, 效率高很多.

In [690]: a = range(1000)

In [691]: b = range(1000)

In [692]: timeit reduce(lambda x, y: x + y, zip(a, b))
100 loops, best of 3: 3.25 ms per loop

In [693]: timeit list(itertools.chain(*zip(x, y)))
10000 loops, best of 3: 110 µs per loop