最近在尝试通过 multiprocessing 把原来的计算核心改为通过多进程实现的并行程序，但碰到了一个非常奇怪的问题，经过一些时间的排查，终于找到了问题所在。虽然问题本身很简单，但也许也有一定典型性，尤其是对编程新手而言，因此在这里用最简单的模型重现一下。
首先从下面一段非常简单的程序开始：
def main():
x = [1, 2, 3, 4, 5]
foo(x)
print(x)
def foo(x):
bar(x)
# x = bar2(x)
for i in range(len(x)):
x[i] = x[i]**2
def bar(x):
for i in range(len …上一篇博文中推荐了 Python 的 JIT 编译器 numba，这两天又用空余的时间尝试了一下最近的一个新兴语言 Julia。Julia 的目标设定得很高，未来是要成为一个速度上接近甚至超过 Fortran/C 这样的传统语言的通用编程语言。然而就我这两天很初步的尝试结果看来，它也许有这个能力，但至少目前，对工程计算的人来说，还没有达到 production-ready 的程度。（当然，这只是基于我个人的编程经验和需求的结论，很可能不适用于其他人。而且Julia本身是一门相对年轻的语言，很值得持续关注。）
之所以这样说，有三个方面的理由：
因为正在用 Python 写 lattice Boltzmann 的原因，我时不时也会研究 Python 科学计算程序的加速方法。现在为止，陆续尝试过了几个方案，包括 numexpr、Cython 等等，也写了一些博文（1、2）。而这篇文章，则是要作一个推荐，建议所有在使用 Python 做科学计算的人尝试一下 Numba。
推荐的原因，首先得从 Python 科学计算说起。
Python 本身由于其动态语言的本质，并不适合于计算量很大的科学计算。然而 Numpy 提供的带类型的数据结构，以及预编译好的基于 C 或 Fortran 的高速计算库，很大程度上解决了这个问题。绝大部分基于 Python 的科学计算程序，都是将其数据储存在 ndarray 里的。按我自己目前的认识，Numpy _至少_带来了两个方面的好处，一是存储的数据带有类型 …
read more写了一个笔记，关于Matplotlib的实用小索引。
因为是用iPython写的，直接导出成静态的html文件了，还好Farbox也同时支持静态页面，只是需要手动链接一下。
笔记的链接是 http://seekiu.farbox.com/201504-mpl_ref.html
read more很久之前看到的东西了，今天总算抽空把它写完了。
最开始是在 Quora 上看到一个很有意思的答案，虽然是简单的抛硬币问题，但结果确实是相当反直觉，因此，干脆用 Python 写了一系列的小程序，来验证这些结果。
第一个游戏很简单，抛一个硬币，连续抛两次，先后出现正面（heads，后面记为H）和反面（tail，后面记为T）的概率是ht，先后出现HH的概率记为hh。很显然，两者相等。程序验证也很简单，试验十万次，看分别出现多少次。
def game1():
# flip twice, the possibility of HH or HT
hh = 0; ht = 0
for i in xrange(100000):
pre = ''; cur …