「java鄙视链」程序员中的鄙视链

今天给各位分享java鄙视链的知识，其中也会对程序员中的鄙视链进行解释，如果能碰巧解决你现在面临的问题，别忘了关注本站，现在开始吧！

本文目录一览：

• 1、为什么会有程序员间的鄙视链
• 2、如何评价现在出现的各种鄙视链？
• 3、是不是被鄙视过，讲讲IT工程师的鄙视链
• 4、为什么java处于鄙视链的底端
• 5、【程序员段子】c语言看不起c++，c++看不起Java，Java看不起c#，c#看不起美工，
• 6、大数据处理之道(预处理方法）

为什么会有程序员间的鄙视链

所谓程序员间的鄙视链，有很多穿凿附会的地方，仅仅只是写出来供大家娱乐一下的段子。它的来源应该是程序员之间的分工和所使用的语言不同，学习难度和工作难度不同所发展来的。一般来说使用C++语言的难度要比使用JAVA语言的难度高，而使用C语言的难度要比使用C++语言的难度更高，所以才有这个所谓的鄙视链，仅仅只是娱乐而已。

如何评价现在出现的各种鄙视链？

很正常的一种现象吧。都觉得自己使用的才是最好的，因此看不起他人。比如说：

玩主机的鄙视玩pc的，玩pc的鄙视玩手游的，玩手游的鄙视玩页游的。

学C语言的鄙视学Java的，学Java的鄙视学PHP的，学PHP的鄙视学HTML的。

我觉得可能也是一种发泄“负面”情绪的一种方式，只要不影响、不伤害别人，那就没什么大不了的。

是不是被鄙视过，讲讲IT工程师的鄙视链

工具鄙视链

Allegro → mentor →PADS → AD→ protel99se

示波器之间的鄙视，这就涉及到示波器内部电路的复杂及技术的先进性了。

用安捷伦示波器 →泰克示波器 →台湾产的示波器 → 国产示波器→ 二手模拟示波器 → 没有示波器

逻辑鄙视链

Altera和Xilinx相互鄙视，他们都鄙视用Lattice芯片的……

Verilog和VHDL相互鄙视，他们都鄙视用原理图拉线的……

以前用VerilogHDL的鄙视用HLS、鄙视用OpenCL的，现在情况变了……

现在轮到谈谈软件的鄙视了，软件就多了，各种语言之间的鄙视

asm → C ↔ C++ ↔ Java ↔ C# → JavaScript → VB → VBScript

Common Lisp ↔ Scheme → Emacs Lisp →→ Python

Python ↔ Perl → shell

PHP → all

程序员鄙视链

搞C的=搞C++的搞java的搞.net的搞js的搞html的美工

会汇编语言的鄙视会C 语言，搞C 语言的鄙视 C++ 。C++ 又要鄙视 Java 和 C# ，Java 和 C# 他们相互鄙视， C# 又鄙视 Visual Basic和会把 C# 念成「C 井」的，会把 C# 念成「C 井」的则鄙视认为 HTML 是一种程序语言的，还有很多语言之间的鄙视，数不胜数，也五花八门，他们总是能找到鄙视的对象，为了表示自己的工作如何高大上。

用Python 3的工程师鄙视还在用 Python 2 的工程师，用 Python 2 的工程师鄙视遇到 UnicodeEncodeError 的工程师。

工种鄙视链

研发的 → 测试的 → 生产的 → 焊接的→ 不会焊接的研发

软硬皆通的 → 只会软件 或只会硬件→ 软硬都会，万金油型。

搞硬件的 → 画PCB设计的 → 不懂PCB设计只懂硬件的。------啊！你是PCB工程师，不就是画图嘛，就是个工具而己。

结构设计、PCB设计、热设计，平时客客气气的，在出毛病的时候就开始相互鄙视了，谁都不认谁。

销售和研发，相互鄙视；产品和研发，相互鄙视

为什么java处于鄙视链的底端

编程语言学起来也不算费事，就花点时间写个小程序学学看呗。不然自己不会的话，心里没底，光听别人说这说那的确实不爽。另外觉得Python Java C++里面Java最好

【程序员段子】c语言看不起c++，c++看不起Java，Java看不起c#，c#看不起美工，

有这个一方面。

不过

更多的是这些语言的产生顺序。

C++的产生是基于C的，

java借鉴了很多C++的，

C#借鉴的java和C++。

于是在产生之初，比如C++借鉴C而生。

此时的C工程师大多比C++资历老，水平高，

而初始的语言各方面还不成熟，自然被鄙视。

其他链节也是如此。

虽然到现在，

java已经反超，应用范围还是成熟度都不弱于任何其他语言了，

但鄙视链条已经形成，

也没人去改它了(除了被鄙视的

哈哈)

至于美工，

这个是编程人员对所有非编程人员的鄙视，美工，运营，

项目管理，测试，甚至产品经理都在此列。

大数据处理之道(预处理方法）

大数据处理之道(预处理方法）

一：为什么要预处理数据？

（1）现实世界的数据是肮脏的（不完整，含噪声，不一致）

（2）没有高质量的数据，就没有高质量的挖掘结果（高质量的决策必须依赖于高质量的数据；数据仓库需要对高质量的数据进行一致地集成）

（3）原始数据中存在的问题：

不一致 —— 数据内含出现不一致情况

重复

不完整 —— 感兴趣的属性没有

含噪声 —— 数据中存在着错误、或异常（偏离期望值）的数据

高维度

二：数据预处理的方法

（1）数据清洗 —— 去噪声和无关数据

（2）数据集成 —— 将多个数据源中的数据结合起来存放在一个一致的数据存储中

（3）数据变换 —— 把原始数据转换成为适合数据挖掘的形式

（4）数据规约 —— 主要方法包括：数据立方体聚集，维度归约，数据压缩，数值归约，离散化和概念分层等。

（5）图说事实

三：数据选取参考原则

（1）尽可能富余属性名和属性值明确的含义

（2）统一多数据源的属性编码

（3）去除唯一属性

（4）去除重复属性

（5）去除可忽略字段

（6）合理选择关联字段

（7）进一步处理：

通过填补遗漏数据、消除异常数据、平滑噪声数据，以及纠正不一致数据，去掉数据中的噪音、填充空值、丢失值和处理不一致数据

四：用图说话，（我还是习惯用统计图说话）

结尾：计算机领域存在一条鄙视链的 ---- 学java的鄙视学C++的，有vim的鄙视用IDE的等等。

数据清洗的路子：刚拿到的数据 ---- 和数据提供者讨论咨询 ----- 数据分析（借助可视化工具）发现脏数据 ----清洗脏数据（借助MATLAB或者Java/C++语言） -----再次统计分析（Excel的data analysis不错的，最大小值，中位数，众数，平均值，方差等等，以及散点图） ----- 再次发现脏数据或者与实验无关的数据（去除） -----最后实验分析 ---- 社会实例验证 ----结束。

关于java鄙视链和程序员中的鄙视链的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。