或者 df = df.set_index(pd.to_datetime(df[5]))
再 df['ema'].plot()

df.set_index(pd.to_datetime(df[5])).plot()
或者 df2.index=pd.to_datetime(df[5])
检查一下 dtype，你需要转换成时间，字符串不行的。

以非官方纸面答复形式提出抚恤金，并说他死于酗酒……校方这是第一时间甩锅，甚至不先论锅是不是自己的，有多大，先甩他一家伙再说……

有没有人用过 kite?
比如 kite + vscode

@yx1100 你要是用校园网应该能直接下啊？学校不一般都买版权的吗？..... 要不去找找 sci-hub 一类的网站吧

https://scholar.google.com/scholar?q=machine+learning+rumor+detection&hl=zh-CN&as_sdt=0&as_vis=1&oi=scholart

比如：
https://ieeexplore.ieee.org/abstract/document/7113322
https://dl.acm.org/citation.cfm?id=2741637

勤用股沟～

@shuizhongyu10 我没处理过那么大量的 A，频繁打开文件确实是瓶颈，无论文件是否在内存里。刚才搜到一个帖子，看到使用 wile read line 本身就是一个很低效的办法，看来 shell 的确不适合直接做这种事...

https://unix.stackexchange.com/questions/169716/why-is-using-a-shell-loop-to-process-text-considered-bad-practice

...😔

@shuizhongyu10 你是 Linux 系统吗？我这边下文件不是很方便，Linux 下百度网盘神马的太不友好了 T_T，你有没有试试把 A Bsorted 文件都放在 /tmp 下? 一般发行版默认 /tmp 挂载一半内存大小。我也想知道一下效率~

每次读文件是个问题，sort -d B > /tmp/Bsorted，如果可以放内存里的话^_^

numpy 版：
a = np.array(a)
flag = a < b
c = a[flag]
d = a[np.logical_not(flag)]

look 也是 binary search，但只能查行头。看实际需求吧。

或者使用 sgrep，我记得 sgrep 是需要排序好的文件的，用二分查找。

你可能需要 look 命令：
man look:
look - display lines beginning with a given string
建议你看看手册。另外，先排序 B 文件会提高很多效率：
sort -d B > Bsorted
while read line
do
look ${line} Bsorted >> C
done < A
希望你的 A，B 都是 unique 的，重复内容浪费资源。
至于 sort 和 uniq，都有比较快的方法，比如 linux 下还能用 parallel 加速。

50.5 包邮 https://ws4.sinaimg.cn/bmiddle/62e721e4gw1et02g5wksrj200k00k3y9.jpg

https://github.com/martinwu42/fk-thq/

忘了 V 站具体咋发链接了←_←

可以配合[第四版错误不完全汇编]( https://github.com/martinwu42/fk-thq/blob/master/%E8%B0%AD%E6%B5%A9%E5%BC%BA%E3%80%8AC%E7%A8%8B%E5%BA%8F%E8%AE%BE%E8%AE%A1%E3%80%8B%EF%BC%88%E7%AC%AC%E5%9B%9B%E7%89%88%EF%BC%89%E9%94%99%E8%AF%AF%E4%B8%8D%E5%AE%8C%E5%85%A8%E6%B1%87%E9%9B%86.txt)使用

@jdgui 不是唯一啊，他照片里不是有两台么……一台用户一台在店里展示……

gayhub 的学生计划很 high