在数据分析中，可以在一个Jupyter笔记本中无缝集成Python、R和Julia，以提高效率。需要安装相应的语言和Jupyter内核，并使用Julia的PyCall和RCall库来调用Python和R代码。这种方法结合了机器学习、快速数据准备和数据可视化的优势。

人工智能在科研中的应用可以降低成本和提高效率，包括在标注、编程、文件管理、语法纠正和研究创意方面的辅助。工具如Label Studio、GitHub Copilot和Riffo等可以显著改善研究流程，AI还能够生成新的研究想法并提供有效的解决方案。

托马斯-库恩（Thomas S. Kuhn）写道，科学进步既包括正常时期的小修改，也包括非正常时期的大革命。最近，人工智能的不正常进展正接近一个潜在的破坏性阶段，GPT-4 这个最先进的和令人震惊的语言模型被广泛认可就是证明。尽管如此，该模型引起了人们的欣喜和对其影响的争论，其中，Chromesky 的断言既正确又错误。

LaTeX-OCR 是一个知名、开源、免费的 OCR 识别工具，作为 Mathpix 的替代品十分流行。 但是，因为 pytorch, qt 等模块跨平台的兼容性问题，在 arm64 的宿主机上安装该工具需要一一定的操作。

Polars 是一个我早有耳闻但从未实际使用的 Pandas 替代品。根据 Polars 自己的介绍，它是一个“超级快的数据框”（blazingly fast DataFrames）——王婆卖瓜能信吗？本文在自己的常用环境测试了一下，确实很快。

通常由于路径配置不正确导致，但对于Apple Silicon 设备，这种不同的架构，即arm64，会移动 lib 文件夹，从而引入了这个问题。

为了 .reindex 这一方法，自 0.21.0开始，pandas 不再支持使用 .loc 或 [] 方法对存在一个或多个缺失标签的列表 (a list with one or more missing labels) 进行索引。

今天分析数据降维的时候，使用 PCA 遇到了一个错误