不仔细看文档吗。min, max 都有 default 参数专门对应参数为空的情况。如果希望空列表返回 None：
a = [1, 2, None, 4]
min((v for v in a if v is not None), default=None)

@mintist 我的路由器可以设置端口映射，把 websocket 的端口，映射到内网的 esp8266 的 IP 上即可。

@zonghua 这个工具使用串口通信，应该只能是在 main.py 程序结束，进入 REPL 时才能使用。而 webrepl 通过 websocket 通信上传文件，可以在主程序运行时上传下载文件。webrepl 也提供了命令行工具上传下载。

逻辑分析仪，不到 30 块：

https://item.taobao.com/item.htm?ft=t&spm=a21m2.10192351.0.0.2fa24dbc5PCdCa&id=520834070995

我是用 https://github.com/micropython/webrepl 上传代码，遥控代码是直接用逻辑分析仪获取解调波形。

chromebook 打开开发者模式，就可以安装 Anaconda，然后开启 Jupyter notebook 的服务器，就可以在浏览器中编写调试 Python 程序了。还可以安装 emacs，git 等常用的工具。

录下来。

TSNE 的文档，建议使用 PCA 或 TruncatedSVD 降维

It is highly recommended to use another dimensionality reduction method (e.g. PCA for dense data or TruncatedSVD for sparse data) to reduce the number of dimensions to a reasonable amount (e.g. 50) if the number of features is very high.

用 h5py 读写 HDF5。

列表里面保存的是什么？

被垃圾回收之后，还可以重复使用那个地址的。这是 Python 的优化。

这里介绍了一种算法

http://zulko.github.io/blog/2015/02/01/extracting-perfectly-looping-gifs-from-videos-with-python-and-moviepy/

import requests

res = requests.get("http://news.gtimg.cn/notice_more.php?q=sz300144&page=1")

text = res.content.decode()
json_text = text[text.find("{"):text.rfind("}") + 1].replace("'", '"')

import json

json.loads(json_text)

Python 中每个文件就是一个模块，dir()得到当前文件中的所有全局名字。当前模块名就是当前文件的名字。

可以用 google 的 or-tools 解，下面是一个例子：

https://gist.github.com/ruoyu0088/d100e678718572f8d1378be8704e70fd

把[13, 41, 9, 21, 12, 36, 33, 35, 46, 29, 18, 11, 36, 6, 29, 32, 43, 5, 49, 33]分为 6 组
结果是
[[36, 5, 49], [29, 29, 32], [46, 43], [36, 35, 18], [12, 33, 11, 33], [13, 41, 9, 21, 6]]
每个分组的和为：
[90, 90, 89, 89, 89, 90]

运行程序时，需要选择合适的 cut_rate 和 max_time。

对于分类数据你需要进行 one hot 编码，例如 http://blog.csdn.net/bitcarmanlee/article/details/51472816

这种数据应该先用 statsmodels 或 sklearn 中的模型试试看。这里有 boston 房价的例子：

http://cs.smith.edu/dftwiki/index.php/Tutorial:_Playing_with_the_Boston_Housing_Data

如果你的数据是一个嵌套列表，那么 list(map(sum, data))最快，如果你的数据是数组列表，那么[row.sum() for row in data]最快。至于是嵌套列表好还是数组列表好，要看每条数据的平均长度，数据越长，使用 numpy 数组越快。我猜你的数据是数组列表，你可以比较一下[row.sum() for row in data]和你的 flat 数组的方法，应该是我这个更快。因为将所有这些数组拼在一起就很浪费时间。

https://gist.github.com/ruoyu0088/83eeb57dfe5cb8fe62db91d88fe34598

我最近正好在入门 FPGA，你能说说拟合结果如何放到 FPGA 中运行吗？ FPGA 的程序该怎么写？