再说10秒钟计算2014年某一天星期几
有网友反映《如何10秒钟快速计算出2014年某一天星期几》，不可能10秒计算出来。
首先，我想说，谢谢您认真阅读该篇文章，并且付诸实践，实际操练。
然后，在这里，我想再多啰嗦几句。
一、计算公式
星期几 = （年份代码 + 月份代码 + 日期）mod 7
mod 7 就是说对7求余数，也就是数学上说的余数求模。
二、2014年的年份代码
3
三、进一步优化公式
星期几 = （年份代码 +  日期）mod 7  + 月份代码 mod 7
或者
星期几 = (日期mod 7 + 年份代码mod 7 ) + 月份代码 mod 7 
四、为什么要优化呢？
因为年份代码、日期都不要思考，不用转换，直接计算，赢取宝贵的时间，得到部分结果，减少大脑的瞬时记忆的负担。
先分别mod 7，核心意思，让数字相加，尽可能的小。因为7的余数分别是：0、1、2、3、4、5、6这个7个数，这样相加，就相当简单，都是小学一年级的数学运算水平。
原则上，数字超过7的，都可以再次进行进行求余数。
五、具体如何使用
例如：计算2014年11月30日星期几？
第一步：
30日，对7的余数是2；
第二步：
与2014的年份代码相加，得到2+3=5；
 
第三步：
调用大脑的记忆功能，获得11月的数字代码是2；
 
第四步：
5+2=7，再次对7求余数，得0，也就是星期天，星期日。
六、补充说明
为了进一步计算减少工作量。
也可以将7的余数分别是：0、1、2、3、4、5、6这个7个数，记忆成0、1、2、3、-3、-2、-1。
 
也就是说，知道：
-3代表星期四
-2代表星期五
-1代表星期六
 
例如：计算2014年11月30日星期几？
第一步：
30日，对7的余数是2；
 
第二步：
与2014的年份代码相加，得到2+3=5；
也就是其余数是-2；
 
第三步：
调用大脑的记忆功能，获得11月的数字代码是2；
 
第四步：
-2+2=0，得0，也就是星期天，星期日。

	

“我是从事设计的，和计算机、编程有什么关系？！”
前两天，一位从业于设计的朋友，给我们留了言。他工作表现不错，大学里还拿过几次设计竞赛的奖项，凭借自己优异的履历，他觉得自己肯定能找到一份心仪的工作。然而最近裸辞后，在找新工作的这段时间，他惊讶地发现：很多工作岗位居然要求：熟悉python编程，其中居然还不乏一些设计公司，而且岗位看上去好像也都是和编程无关的工作。看到这则留言，让我想到了朋友小晶。小晶前段时间找我约饭，居然告诉我自己想辞职了。她在一家公司做了2年的平面设计，为了赶项目，每天都要加班到一两点。虽然才毕业2年，不过算上加班时长，说他工作了3年真的不过分！ 令我惊讶的是，像她这么卖命的员工，应该是领导的“贴心小棉袄”才对啊。但她却跟我吐槽：我太难了，这工作不仅累还没前途。
1
竞争力大小
已并不在于你的阅历有多少
我很好奇发生了什么，追问她原因。
原来是某个周五临近下班，组长突然下达了一个临时任务：让小晶和另一个新来的女同事分别搜索一些KV参考图。差不多过了半小时吧，那位女同事就搞定了。而此时小晶：
目不转睛的盯着屏幕，飞速滑动着手中的鼠标，从打开的各种素材网站中筛选图片，复制粘贴整理到收藏夹...好不容易完成了大部分素材的整理，但是由于打开的网页太多，电脑突然死机，之前存档的素材全都消失了。
小晶“啪”的把电脑合上，跑到厕所，崩溃大哭起来。深漂了几年，大环境越来越差，为了这份工作，小晶也只能扛着疲惫，擦掉眼泪回到工位上，直到凌晨才下班回家。一个月后，新来的女同事被升职了，而自己却什么也没有。小晶委屈的抱怨着：“凭什么她每天到点下班，却升职加薪，我辛辛苦苦卖命工作了2年，还是税后4220.23！”以旁观者的角度，我建议小晶主动去请教一下新同事准点下班的“秘诀”。过了两天，小晶一个劲儿语音轰炸我：“我知道了，原来她是利用python帮她爬各种网站，除了自动读取信息、自动抠图，还帮她汇总到分类文件夹里。”“还可以快速整合手头设计资源，完成不同类型素材的比较，协调多软件工作，如模型渲染、PS处理、自动排版、生成文本等等。”而且，这个过程居然只要30秒！各种网络搜索的户型信息就一目了然地整理好了。(由于方案信息不便泄露，因此用模拟素材来展示)新同事用最短的时间做完工作，剩下足够的时间和客户、领导对接需求，然后借助代码帮助她及时调整内容和数据，这样的工作效率赢得了领导的信任，也让小晶佩服得五体投地。后来，小晶像着了魔，也去自学python。她告诉我：“三行代码、5秒抠图，这感觉真的是太爽了，就像玩跑跑卡丁车一直有氮气加速一样。“能用几十行代码解决的事情真的不想再玩命加班了。
python10秒抓取图片素材
提高工作效率后，小晶很快得到了老板的青睐，现在她已经从设计助理升级到了设计总监，并负责公司的数字化设计部门。
以前总是听说人工智能时代，小晶都觉得那是很远以后的事情，直到看到新同事将代码应用在当下的工作中，小晶才突然有了紧迫感。
经过这件事情，她意识到：互联网时代，能力越突出的人，越会借助工具帮助自己更快更好的完成工作，特别是互联网时代，掌握时代发展带来的新工具才可以保持竞争力。1
2
跟紧趋势才能让自己持续具备竞争力放眼望去，我们可能也像小晶一样。用着传统的方式做着常规的工作，直到受到新浪潮的冲击，才发现自己已经落后了那么远，不被淘汰出局已经是万幸了。前阵子，阿里推出了人工智能设计师鲁班，一秒可以做8000张海报，而且都是不重样的，这是我们一辈子也画不了的量。图片来自于网络，如有侵权，请联系删除如果这个技术很快成熟起来，那公司还有啥理由招一个普通的设计师？新技术给我们带来惊喜和便利的同时，也让我们产生了焦虑。人工智能的出现，肯定是会替代掉一些工作，这是无可避免的。AI代替设计师已经是将来必然的趋势，BIM设计，装配式，复杂的设计正在被简单化处理，很多工作都慢慢交给计算机来完成。
这时候我们就要多元化学习，就像一辆车会多准备一个备用车轮一样，人也需要为自己多掌握一项技能，不然等“爆胎”的时候，就会被打的措手不及。
作为职场必备技能，很多高薪行业都在招聘JD中，纷纷给出了“熟悉Python优先”这样的招聘条件。
▲各类岗位的招聘要求如今，AI盛世，国家政策大力扶持，各大高校也相继开设人工智能专业，加上求职率极高的互联网行业蓬勃发展，这一系列的迹象都表明，python确实是当下发展的趋势。
当下，python在信息搜集和数据分析方面的应用已经非常普遍，早就不是程序员的专属技能了。因为编程而拥有的“高光时刻”越来越多，编程已经几乎变成了职场的必备技能。
可能你还没有察觉，但这就是正在发生的大趋势。
几个“栗子”——
01
做客服工作，为了降低投诉率和提高用户的购买率，可以用几行代码，自动回复用户的常见问题，不仅可以腾出时间一对一服务用户，提高了购买率，还可以每天准时下班。
(操作展示图)
02
在金融行业，可以用不到200行的代码，根据给出的历史起点日期和股票代码，自动从财经网站里获取直到当日的交易数据并绘制基本走势图、移动平均线、RSI和MACD指标，做出了漂亮的股市分析图。
(操作展示图)
03在电商行业，通过抓取客竞品店铺的单价、客户群、销售额、每日价格趋势分析、并制作数据报表，大大提升了运营效果。店铺活动效果达到了之前的两倍，每天准时下班还涨薪两倍。
(操作展示图)
或许你也曾经在某个时间段被身边的人或者周围环境影响，觉得应该学一些编程，却迟迟没有迈出第一步。
诚然，进入一个新的领域我们往往需要强有力的理由来说服自己。然而你或许不知道，即便你无心做程序开发，甚至不在IT互联网行业工作，你依然有一大把理由学习编程。
这也是为什么，我这次想把风变编程-python小课推荐给大家的原因！一个让我改变对编程固有认知的地方，也希望这一次，你可以抢先抓住机遇。
此次杰视帮与风变编程 | python小课合作推荐：四天人工智能Python入门体验课。相信大家也都有看见朋友分享过风变编程，如今各行各业学习编程的趋势涌起。据说每天上课的班级爆满程度堪比周杰伦演唱会，但我这次仍为大家争取到了100个限时优惠名额。
今天，少喝一杯奶茶
给自己一次职场加薪的机会
原价 156 元，
限时优惠 8.9 元！
???
  ▲  
如果你愿意，现在就可以一起来见证。
3
实用易学让50万+小白学员选择了风变编程
在此之前，我也曾听到很多朋友的困惑：
一听编程，就觉得很难学，是不是一定要数学或有计算机的基础啊？
之前从没有接触过这些工具，学习起来会不会很困难的？
0基础文科背景的我，之前看过线上视频，也买过书，但是最后都半途而废了...
然而风变的这个编程体验课，却改变学习的一种形式，让我打开了眼界，说它是所有小白最为友好的编程入门课也不为过，重要的是：不是录播视频、也不是扔给你几十g资料自学而是互动教学的方式。课程中的实际案例，可以直接拿来帮助自己更快更好地完成工作和学习。现在我也是风变编程|Python小课50万+零基础学员之一。
风变科技是一家专业做在线教育的公司，在内容、产品、服务、科技上都具备完善体系，聚焦用户的学习成长。
旗下有「熊猫书院」和「熊猫小课」这两款有超过百万用户的产品。 
而风变编程|Python小课是风变的人工智能教研团队历时12个月为零基础小白精心打造的编程学习产品，旨在让更多人在最短的时间学会编程，更快更好地解决工作中的问题。
风变的初衷 —— 其实每个人都拥有编程能力，非技术人常常拥有更好的编程使用场景。编程是一个很美好的工具，我希望能有更多人喜欢上它，而不只掌握在程序员手中。以后，当大家说‘我有一个idea的时候’，自己就可以去实现它。风变历时4年潜心研究了人类学习模型，推出了这款颠覆目前市面上教学模式的编程教育产品。一、不用安装任何程序，30秒进入编程页面。传统编程学习对于一个新手来说平均需要花5个小时安装一大堆软件和程序，花费时间还占用电脑空间Python小课对电脑配置无要求，只需要用浏览器打开，不用安装任何程序。二、玩游戏过关卡，学习是件轻松上瘾的事。这个课程研发全新的交互式课程，自主控制学习进度，依据知识点由浅入深，巧妙安排了各种熟悉的电影故事情节。             通过广为人知的经典故事来演绎，让生涩难懂的编程专业术语变得通俗易懂。     三、闯关式的配套练习，在乐趣中记住每个知识点用游戏化的语言引导练习，把作业当游戏关卡来完成，轻松巩固知识点，在不知不觉中进步。作业第0关，打印皮卡丘。    四、不懂就问助教，教到会为止助教全程跟踪学习进度，有问必答，全方位辅助答疑，总之任何问题问助教就好啦，想不进步都难。目前Python小课已经吸引了50万+从来没有接触过编程的小伙伴前来学习。大家都是从零开始，学习python，快速获取信息，高效效解决工作中的问题，打开职场进阶之路。
   福利时间！
原价 156 元
粉丝专享价8.9 元
(一共只有100个名额，报满即止)
扫码即可入学
???
▲真正的努力，从来不只是埋头苦干
放弃不难，但选择对的方法坚持一定很酷！
生活不止一条路，即使走岔了，依然可以重新出发 ！

前几天，有个非计算机专业的同学问我，如何快速找出1亿之内的孪生素数——所谓孪生素数，就是差值为2的两个素数。原本以为这是一个很简单的问题，随便用python写了一个方法，没想到却要跑17分钟左右。改用C++试试，受限于我对C/C++的理解程度，仍然慢得无法承受（此处绝无小视C++之意）。这个问题激起了我的兴趣。于是乎，我花了半天时间，尝试了几种方式，最终又对代码做了优化，终于在3秒钟内找出了小于1亿的素数表。
略微得意了3秒钟，突然想到，Python 这个速度究竟是什么水平呢？用 C/C++/Java/Go/Rust 等语言实现起来会不会更快呢？如果大家一起来个擂台赛，会不会很热闹？各位 C/C++/Java/Go/Rust 的高手们，有兴趣一起搞个擂台赛吗？没准儿，CSDN会为这个活动设置奖项呢（哈哈哈。。。）
11月6日追记：今天，有几位朋友在评论区留言，冷嘲热讽，不太友好。一开始我还逐一认真回复，后来想，算了，统一在这里说一下吧：1. 作为从业二十余年的老程序员，从事科学计算多年，深知C/C++语言的效率，也了解目前数学运算的速度，如各位担心我忘记了，请尽量心平气和地提醒我；2. 本文写作的目的，仅仅是出于探讨如何提高python计算速度的目的，并没有轻视某种语言，且在开篇已经声明；3. 所有人都知道速度是python的短板，之所以取这样的名字，不否认有博眼球的用意，但也是想给CSDN提个建议，搞一些跨界活动，给大家弄点纪念品；4. 作为脚本语言python能跑出2.4秒的成绩，你用C++也是2点几秒，即使更快，似乎也没有蔑视嘲讽他人的资格；5. 我已过知天命之年，再激烈的言辞也可以接受，不会删除评论，最大限度尊重言论自由，也请评论者尽量保持平和的心态。
1. 找出1百万以内的质数，大约3秒钟
咸盐稍许，先给出我的最原始的算法。运行 prime_1.py，找出100万以内的质数，大约3秒钟。不要试图尝试更大范围的寻找，那会花更长的时间，长到你无法忍受。
prime_1.py
# -*- coding: utf-8 -*-

import sys, time
from math import sqrt

def find_prime(upper):
    """找出小于upper的所有质数"""
    
    prime_list = list() # 存放找到的质数
    for i in range(2, upper): # 从2开始，逐一甄别是否是质数
        is_prime = True # 假设当前数值i是质数
        for p in prime_list: # 遍历当前已经找到的质数列表
            if i%p == 0:
                is_prime = False
                break
            elif p > sqrt(i):
                break
        
        if is_prime:
            prime_list.append(i)
    
    return prime_list

upper = 1000000
t0 = time.time()
prime_list = find_prime(upper)
t1 = time.time()
print('查找%d以内的质数耗时%0.3f秒，共找到%d个质数'%(upper, t1-t0, len(prime_list)))

2. 找出1千万以内的质数，大约12秒钟
3秒钟找出100万以内的质数，这个效率，显然无法用于查找1亿以内的素数。下面的代码，我使用了numpy这个科学计算库，速度提升明显。运行 prime_2.py，找出1千万以内的质数，大约12秒钟。不过要是用它来查找1亿以内的质数，至少需要15分钟。
prime_2.py
# -*- coding: utf-8 -*-

import sys, time
import numpy as np

"""
网上有文章说，python最强找质数程序,寻找10万以内质数只要30秒哦!

运行一下我们这个脚本，找出1千万内的质数，大约11秒
不要尝试找出1亿内的质数，你等不到结果。别说我没告诉你！！！
"""

def find_prime(upper):
    """找出小于upper的所有质数"""
    
    prime_list = list() # 空数组，用于存放找到的质素
    mid = int(np.sqrt(upper)) # 判断100是否是质数，只需要分别用2,3...等质素去除100，看能否被整除，最多做到100的平方福根就够了
    nums = np.arange(upper) # 生成0到上限的数组，数组元素的值等于其索引号，相对于python的[0,1,2,3,...]
    nums[1] = 0 # 数组第1和元素置0，从2开始，都是非0的
    
    while True: # 循环
        primes = nums[nums>0] # 找出所有非0的元素
        if primes.any(): # 如果能找到
            p = primes[0] # 则第一个元素为质数
            prime_list.append(p) # 保存第一个元素到返回的数组
            nums[p::p] = 0 # 这个质数的所有倍数，都置为0（表示非质素）
            if p > mid: # 如果找到的质数大于上限的平方根
                break # 则退出循环
        else:
            break # 全部0，也退出循环
    
    prime_list.extend(nums[nums>0].tolist()) # nums里面剩余的非0元素，都是质数，合并到返回的数组中
    return prime_list # 返回结果

upper = 10000000
t0 = time.time()
prime_list = find_prime(upper)
t1 = time.time()
print('查找%d以内的质数耗时%0.3f秒，共找到%d个质数'%(upper, t1-t0, len(prime_list)))

3. 找出1亿以内的质数，耗时不到3秒钟！
上面的代码还有优化的空间吗？经过分析发现，numpy 的 ndarray 对象，其元素数量超过一定范围后，效率明显变慢。针对这一点，我做了分块优化。运行 prime_3.py，找出1亿以内的质数，耗时不到3秒钟！
prime_3.py
# -*- coding: utf-8 -*-

import sys, time
import numpy as np

"""
网上有文章说，python最强找质数程序,寻找10万以内质数只要30秒哦!

运行一下我们这个脚本，找出1亿以内的质数，耗时不到3秒，比上面快了大约1万倍
还可以尝试更大的范围，但步子不要太大！！！
"""

def find_prime(upper):
    """找出小于upper的所有质数"""
    
    prime_list = list()
    mid = int(np.sqrt(upper))
    nums = np.arange(upper)
    nums[1] = 0
    
    while True:
        primes = nums[nums>0]
        if primes.any():
            p = primes[0]
            prime_list.append(p)
            nums[p::p] = 0
            if p > mid:
                break
        else:
            break
    
    prime_list.extend(nums[nums>0].tolist())
    return prime_list

def fast_find_prime(upper, base=100000, block=20000000):
    """快速找出小于upper的所有质数"""
    
    if upper <= base:
        return find_prime(upper)
        
    mid = int(np.sqrt(upper))
    prime_list = find_prime(base)
    prime_array = np.array(prime_list)
    prime_array = prime_array[prime_array<=mid]
    
    start = base
    while start < upper:
        end = start + block
        if end > upper:
            end = upper
        print((start, end))
        
        prime_list.extend(process_func(start, np.copy(prime_array), (start, end)))
        start += block
    
    return prime_list


def process_func(id, primes, task_range):
    """执行分块任务的函数
    
    primes      - 用以剔除非质数的质数表
    task_range  - 分块任务的数值范围
    """
    
    nums = np.arange(task_range[0], task_range[1])
    for p in primes:
        k = (p-task_range[0]%p)%p
        nums[k::p] = 0
    
    return nums[nums>0].tolist()

upper = 100000000
t0 = time.time()
prime_list = fast_find_prime(upper)
t1 = time.time()
print('查找%d以内的质数耗时%0.3f秒，共找到%d个质数'%(upper, t1-t0, len(prime_list)))

后记
近期有很多朋友通过私信咨询有关Python学习问题。为便于交流，我在CSDN的app上创建了“Python作业辅导”大本营，面向Python初学者，为大家提供咨询服务、辅导Python作业。欢迎有兴趣的同学使用微信扫码加入。

从博客到公众号，每一篇、每一题、每一句、每一行代码，都坚持原创，绝不复制抄袭，这是我坚守的原则。如果喜欢，请关注我的微信公众号“Python作业辅导员”。

随着电商的发展，网购几乎已经成为大家购物的主要方式之一，线上商品买买买，线下包裹取取取，对于剁手党来说，取快递是一天中最快乐的时刻了。送货上门，智能快递柜取件，驿站取件是大家平时最主要的取快递方式。
其中，驿站取件需要先找到用户的包裹，然后再由驿站工作人员核对取件人信息，流程相比其他两种更废时间。但是就在8月15日，菜鸟推出了"黑科技"——高拍仪，方便用户秒级取件。
有了高拍仪，用户只要将找到的包裹放在高拍仪上轻松一扫，几秒钟就能将包裹直接取走，效率高用时少，再也不用在驿站排队取包裹了。
听小编这么一说，大家是不是都迫不及待地想试试这个高科技了呢？别急，目前菜鸟驿站高拍仪已在杭州、成都、天津、武汉、重庆、南京等全国主要城市400余个社区和校园中的数百家菜鸟驿站上线，今后还将进一步推广落地。
这么高大上的高拍仪是由菜鸟自主研发设计的，看上去小小一个，实际上可是和驿站的包裹管理系统、云监控系统等多个系统打通，方便的同时还保证了安全性。
对于用户来说，取包裹变得更加方便和快速了。对于驿站来说，提高工作效率的同时还极大地减少了站点人力，省下来的人力可以提供预约送货上门等多元化的包裹服务。
2018年我国全年包裹量首次突破了500亿大关，每年的包裹增量更是以100亿的速度在增加，因此物流行业的高新科技也是应运而生。有了这些省时省力的高科技，再也不用担心天猫618、天猫11等大促期间的海量包裹订单了。
在五年前，我们很难想象有一天取快递可以不用带任何证件和设备。是菜鸟，为快递最后100米带来了领先的数字化智能解决方案，末端服务新模式也正在为消费者提供全新体验。
此次高拍仪的上线，意味着菜鸟驿站集齐了秒级出库、刷脸取件、刷脸寄件的"黑科技"三件套。没想到取快递寄快递的过程中，我们就能接触到如此之多的高新科技。所谓科技改变生活，而我们就是最直接的受益者。