From a0e64907bb697ad658449cd09172760bcfa51d7b Mon Sep 17 00:00:00 2001 From: Li-Zhuo-Ran <209094136+Li-Zhuo-Ran@users.noreply.github.com> Date: Fri, 23 Oct 2026 12:27:20 +0800 Subject: [PATCH 1/3] Review: getting_started.md translation --- lectures/getting_started.md | 44 ++++++++++++++++++------------------- 1 file changed, 22 insertions(+), 22 deletions(-) diff --git a/lectures/getting_started.md b/lectures/getting_started.md index a23a471..8b63444 100644 --- a/lectures/getting_started.md +++ b/lectures/getting_started.md @@ -78,13 +78,13 @@ translation: ## 云端 Python -开始使用 Python 编程的最简便方式是在云端运行它。 +开始编写 Python 程序最简单的方式，是在云端运行 Python。 （即使用已安装 Python 的远程服务器。） 一个既免费又可靠的选择是 [Google Colab](https://colab.research.google.com/)。 -Colab 还有提供 GPU 的优势，我们将在更高级的讲座中加以利用。 +Colab 还提供 GPU；我们会在进阶讲座中使用这一功能。 有关 Google Colab 入门的教程可以通过网络和视频搜索找到。 @@ -97,24 +97,24 @@ Colab 还有提供 GPU 的优势，我们将在更高级的讲座中加以利用 同时，本地安装比 Colab 等云端选项需要更多工作。 -本讲座的其余部分将带您了解与本地安装相关的一些细节。 +本讲座的其余部分将介绍本地安装的相关细节。 ### Anaconda 发行版 [Python 核心包](https://www.python.org/downloads/) 易于安装，但*不是*您在这些讲座中应该选择的版本。 -这些讲座需要完整的科学编程生态系统，而 +这些讲座需要完整的科学计算环境，原因是： -* 核心安装并不提供这些 -* 逐个安装各组件非常繁琐。 +* 核心 Python 安装并不包含所需的科学计算库； +* 逐个安装这些库也很繁琐。 因此，对于我们的目的而言，最佳方法是安装一个包含以下内容的 Python 发行版： 1. Python 核心语言 **以及** 1. 最流行的科学库的兼容版本。 -最好的此类发行版是 [Anaconda Python](https://www.anaconda.com/)。 +最适合本讲座的此类发行版是 [Anaconda Python](https://www.anaconda.com/)。 Anaconda @@ -169,9 +169,9 @@ Anaconda 提供了一个名为 `conda` 的工具来管理和升级您的 Anacond 它们使用*基于浏览器*的 Python 交互界面，具有以下特点： -* 能够编写和执行 Python 命令。 -* 在浏览器中格式化输出，包括表格、图形、动画等。 -* 可以混入格式化文本和数学表达式。 +* 编写并运行 Python 命令； +* 在浏览器中显示格式化的输出，包括表格、图形和动画等； +* 在笔记本中穿插格式化文本和数学表达式。 由于这些特性，Jupyter 现已成为科学计算生态系统中的重要角色。 @@ -214,7 +214,7 @@ Anaconda 提供了一个名为 `conda` 的工具来管理和升级您的 Anacond * `localhost` 是本地计算机的名称 * `8888` 指的是您计算机上的[端口号](https://en.wikipedia.org/wiki/Port_%28computer_networking%29) 8888 -因此，Jupyter 内核正在监听本地计算机 8888 端口上的 Python 命令。 +因此，Jupyter 内核正在本地计算机的 8888 端口监听 Python 命令。 希望您的默认浏览器也已打开一个看起来类似以下内容的网页： @@ -234,7 +234,7 @@ Anaconda 提供了一个名为 `conda` 的工具来管理和升级您的 Anacond :figclass: auto ``` -笔记本显示一个*活动单元格*，您可以在其中输入 Python 命令。 +笔记本中会显示一个*当前单元格*，您可以在其中输入 Python 命令。 ### 笔记本基础 @@ -297,7 +297,7 @@ Python 支持 [unicode](https://docs.python.org/3/howto/unicode.html)，允许 这是一个我们可以使用的任意程序：[https://matplotlib.org/stable/gallery/pie_and_polar_charts/polar_bar.html](https://matplotlib.org/stable/gallery/pie_and_polar_charts/polar_bar.html)。 -在该页面上，您将看到以下代码： +在该页面上，您会看到以下代码： ```{code-cell} ipython import numpy as np @@ -319,7 +319,7 @@ ax.bar(θ, radii, width=width, bottom=0.0, color=colors, alpha=0.5) plt.show() ``` -现在不必担心细节——让我们直接运行它，看看会发生什么。 +现在先不必担心细节，直接运行这段代码，看看会发生什么。 运行此代码的最简单方法是将其复制粘贴到笔记本的单元格中。 @@ -357,7 +357,7 @@ Jupyter 为您提供了几个可供选择的补全项。 ```{index} single: Jupyter Notebook; Help ``` -要获取 `np.random.randn` 的帮助，我们可以执行 `np.random.randn?`。 +要查看 `np.random.randn` 的帮助信息，可以运行 `np.random.randn?`。 文档会出现在浏览器的分割窗口中，如下所示： @@ -365,7 +365,7 @@ Jupyter 为您提供了几个可供选择的补全项。 :figclass: auto ``` -点击下方分割窗口的右上角可关闭在线帮助。 +点击下方分栏窗口右上角的按钮即可关闭在线帮助。 我们将在{ref}`后续内容 `中学习更多关于如何创建此类文档的知识！ @@ -394,7 +394,7 @@ Jupyter 为您提供了几个可供选择的补全项。 ```{index} single: Jupyter Notebook; Debugging ``` -调试是识别和消除程序错误的过程。 +调试是发现并消除程序错误的过程。 您将花费大量时间调试代码，因此学会[如何有效地进行调试](https://www.freecodecamp.org/news/what-is-debugging-how-to-debug-code/)非常重要。 @@ -416,7 +416,7 @@ Jupyter 为您提供了几个可供选择的补全项。 运行单元格时，调试器将在断点处停止。 -然后，您可以使用 CALLSTACK 工具栏（位于右侧窗口）上的"下一步"按钮逐行执行代码。 +然后，您可以点击右侧窗口中 CALLSTACK 工具栏上的“下一步”按钮，逐行执行代码。 ```{figure} /_static/lecture_specific/getting_started/debugger_breakpoint.png @@ -437,7 +437,7 @@ Jupyter 为您提供了几个可供选择的补全项。 您可以用通常共享文件的方式共享它们——或者使用 [nbviewer](https://nbviewer.org/) 等网络服务。 -您在该网站上看到的笔记本是**静态** html 表示。 +该网站上显示的是笔记本的**静态 HTML** 表示。 要运行某个笔记本，请点击右上角的下载图标，将其下载为 `ipynb` 文件。 @@ -513,9 +513,9 @@ conda upgrade quantecon 到目前为止，我们专注于执行输入到 Jupyter 笔记本单元格中的 Python 代码。 -传统上，大多数 Python 代码以不同的方式运行。 +传统上，大多数 Python 代码以另一种方式运行。 -代码首先保存在本地计算机的文本文件中。 +首先将代码保存在本地计算机的文本文件中。 按照惯例，这些文本文件具有 `.py` 扩展名。 @@ -566,7 +566,7 @@ print("foobar") * 高效的文本编辑命令（例如，复制、粘贴、查找和替换） * 语法高亮等 -目前，用于编码的极为流行的文本编辑器是 [VS Code](https://code.visualstudio.com/)。 +目前，广受欢迎的代码编辑器之一是 [VS Code](https://code.visualstudio.com/)。 VS Code 开箱即用，且拥有许多高质量的扩展。 From 29357a07b07a8e1ea47590a60858fcdfbbc2330e Mon Sep 17 00:00:00 2001 From: Li-Zhuo-Ran <209094136+Li-Zhuo-Ran@users.noreply.github.com> Date: Fri, 23 Oct 2026 12:29:01 +0800 Subject: [PATCH 2/3] Review: need_for_speed.md translation --- lectures/need_for_speed.md | 20 ++++++++++---------- 1 file changed, 10 insertions(+), 10 deletions(-) diff --git a/lectures/need_for_speed.md b/lectures/need_for_speed.md index b77f5fd..40a21c5 100644 --- a/lectures/need_for_speed.md +++ b/lectures/need_for_speed.md @@ -106,12 +106,12 @@ import random 我们需要 Python 科学库有两个原因： -1. Python 体量小 +1. Python 核心语言小巧 2. Python 速度慢 -**Python 体量小** +**Python 核心语言小巧** -核心 Python 在设计上体量较小——这有助于优化、易用性和维护。 +Python 核心语言在设计上较为精简——这有助于性能优化、易于理解和维护。 科学库提供了我们不想——也可能不应该——自己编写的程序： @@ -121,7 +121,7 @@ import random 我们需要科学库的另一个原因是纯 Python 的速度相对较慢。 -科学库通过三种主要策略来加速执行： +科学计算库主要通过以下三种策略加快执行速度： 1. 向量化：提供已编译的机器码以及使该代码可访问的接口 1. JIT 编译：在运行时将类 Python 语句转换为快速机器码的编译器 @@ -290,7 +290,7 @@ Python 在一定程度上尝试复现这些思路。 ```{index} single: Python; Vectorization ``` -避免内存流量和类型检查的一种方法是[数组编程](https://en.wikipedia.org/wiki/Array_programming)。 +减少内存中的数据传输和类型检查的一种方法是[数组编程](https://en.wikipedia.org/wiki/Array_programming)。 许多经济学家通常将数组编程称为"向量化"。 @@ -298,7 +298,7 @@ Python 在一定程度上尝试复现这些思路。 在计算机科学中，这个术语有[稍微不同的含义](https://en.wikipedia.org/wiki/Automatic_vectorization)。 ``` -其核心思想是将数组处理操作批量发送到预编译的高效本地机器码。 +其核心思想是将数组运算批量交给预先编译好的高效本机机器码执行。 机器码本身通常由经过仔细优化的 C 或 Fortran 编译而来。 @@ -352,7 +352,7 @@ with qe.Timer(): 1. 对它们求平方 1. 对它们求和 -这些操作作为批量算子发送到经过优化的机器码。 +这些操作以批量运算的形式交由经过优化的机器码执行。 @@ -376,7 +376,7 @@ with qe.Timer(): ## 并行化 -近年来，CPU 时钟速度（即单条逻辑链的运行速度）的增长已大幅放缓。 +近年来，CPU 时钟频率（即单条逻辑链的运行速度）的提升已大幅放缓。 芯片设计师和计算机程序员通过寻求一条不同的路径来应对这一放缓：并行化。 @@ -428,7 +428,7 @@ with qe.Timer(): ### 硬件加速器 -并行化的一个更为重要的来源来自专用硬件加速器，尤其是 **GPU**（图形处理单元）。 +专用硬件加速器是另一个更显著的并行计算来源，尤其是 **GPU**（图形处理单元）。 GPU 最初是为渲染图形而设计的，这需要同时对许多像素执行相同的操作。 @@ -436,7 +436,7 @@ GPU 最初是为渲染图形而设计的，这需要同时对许多像素执行 :scale: 40 ``` -这种架构——数千个简单核心对不同数据点执行相同指令——恰好非常适合科学计算。 +这种架构让数千个简单核心对不同数据点同时执行相同指令，恰好非常适合科学计算。 ```{note} **核心**是芯片中的一个独立处理单元——一种可以自主执行指令的电路。CPU 通常拥有少量强大的核心，每个核心都能处理复杂的操作序列。而 GPU 则集成了数千个更小、更简单的核心，每个核心专门执行基本的算术运算。GPU 的强大之处在于让所有这些核心同时处理同一问题的不同部分。 From fc7a2e9a1c933a47c78b1a0a806edd74463db5b8 Mon Sep 17 00:00:00 2001 From: Li-Zhuo-Ran <209094136+Li-Zhuo-Ran@users.noreply.github.com> Date: Fri, 23 Oct 2026 12:29:49 +0800 Subject: [PATCH 3/3] Revert "Review: getting_started.md translation" This reverts commit a0e64907bb697ad658449cd09172760bcfa51d7b. --- lectures/getting_started.md | 44 ++++++++++++++++++------------------- 1 file changed, 22 insertions(+), 22 deletions(-) diff --git a/lectures/getting_started.md b/lectures/getting_started.md index 8b63444..a23a471 100644 --- a/lectures/getting_started.md +++ b/lectures/getting_started.md @@ -78,13 +78,13 @@ translation: ## 云端 Python -开始编写 Python 程序最简单的方式，是在云端运行 Python。 +开始使用 Python 编程的最简便方式是在云端运行它。 （即使用已安装 Python 的远程服务器。） 一个既免费又可靠的选择是 [Google Colab](https://colab.research.google.com/)。 -Colab 还提供 GPU；我们会在进阶讲座中使用这一功能。 +Colab 还有提供 GPU 的优势，我们将在更高级的讲座中加以利用。 有关 Google Colab 入门的教程可以通过网络和视频搜索找到。 @@ -97,24 +97,24 @@ Colab 还提供 GPU；我们会在进阶讲座中使用这一功能。 同时，本地安装比 Colab 等云端选项需要更多工作。 -本讲座的其余部分将介绍本地安装的相关细节。 +本讲座的其余部分将带您了解与本地安装相关的一些细节。 ### Anaconda 发行版 [Python 核心包](https://www.python.org/downloads/) 易于安装，但*不是*您在这些讲座中应该选择的版本。 -这些讲座需要完整的科学计算环境，原因是： +这些讲座需要完整的科学编程生态系统，而 -* 核心 Python 安装并不包含所需的科学计算库； -* 逐个安装这些库也很繁琐。 +* 核心安装并不提供这些 +* 逐个安装各组件非常繁琐。 因此，对于我们的目的而言，最佳方法是安装一个包含以下内容的 Python 发行版： 1. Python 核心语言 **以及** 1. 最流行的科学库的兼容版本。 -最适合本讲座的此类发行版是 [Anaconda Python](https://www.anaconda.com/)。 +最好的此类发行版是 [Anaconda Python](https://www.anaconda.com/)。 Anaconda @@ -169,9 +169,9 @@ Anaconda 提供了一个名为 `conda` 的工具来管理和升级您的 Anacond 它们使用*基于浏览器*的 Python 交互界面，具有以下特点： -* 编写并运行 Python 命令； -* 在浏览器中显示格式化的输出，包括表格、图形和动画等； -* 在笔记本中穿插格式化文本和数学表达式。 +* 能够编写和执行 Python 命令。 +* 在浏览器中格式化输出，包括表格、图形、动画等。 +* 可以混入格式化文本和数学表达式。 由于这些特性，Jupyter 现已成为科学计算生态系统中的重要角色。 @@ -214,7 +214,7 @@ Anaconda 提供了一个名为 `conda` 的工具来管理和升级您的 Anacond * `localhost` 是本地计算机的名称 * `8888` 指的是您计算机上的[端口号](https://en.wikipedia.org/wiki/Port_%28computer_networking%29) 8888 -因此，Jupyter 内核正在本地计算机的 8888 端口监听 Python 命令。 +因此，Jupyter 内核正在监听本地计算机 8888 端口上的 Python 命令。 希望您的默认浏览器也已打开一个看起来类似以下内容的网页： @@ -234,7 +234,7 @@ Anaconda 提供了一个名为 `conda` 的工具来管理和升级您的 Anacond :figclass: auto ``` -笔记本中会显示一个*当前单元格*，您可以在其中输入 Python 命令。 +笔记本显示一个*活动单元格*，您可以在其中输入 Python 命令。 ### 笔记本基础 @@ -297,7 +297,7 @@ Python 支持 [unicode](https://docs.python.org/3/howto/unicode.html)，允许 这是一个我们可以使用的任意程序：[https://matplotlib.org/stable/gallery/pie_and_polar_charts/polar_bar.html](https://matplotlib.org/stable/gallery/pie_and_polar_charts/polar_bar.html)。 -在该页面上，您会看到以下代码： +在该页面上，您将看到以下代码： ```{code-cell} ipython import numpy as np @@ -319,7 +319,7 @@ ax.bar(θ, radii, width=width, bottom=0.0, color=colors, alpha=0.5) plt.show() ``` -现在先不必担心细节，直接运行这段代码，看看会发生什么。 +现在不必担心细节——让我们直接运行它，看看会发生什么。 运行此代码的最简单方法是将其复制粘贴到笔记本的单元格中。 @@ -357,7 +357,7 @@ Jupyter 为您提供了几个可供选择的补全项。 ```{index} single: Jupyter Notebook; Help ``` -要查看 `np.random.randn` 的帮助信息，可以运行 `np.random.randn?`。 +要获取 `np.random.randn` 的帮助，我们可以执行 `np.random.randn?`。 文档会出现在浏览器的分割窗口中，如下所示： @@ -365,7 +365,7 @@ Jupyter 为您提供了几个可供选择的补全项。 :figclass: auto ``` -点击下方分栏窗口右上角的按钮即可关闭在线帮助。 +点击下方分割窗口的右上角可关闭在线帮助。 我们将在{ref}`后续内容 `中学习更多关于如何创建此类文档的知识！ @@ -394,7 +394,7 @@ Jupyter 为您提供了几个可供选择的补全项。 ```{index} single: Jupyter Notebook; Debugging ``` -调试是发现并消除程序错误的过程。 +调试是识别和消除程序错误的过程。 您将花费大量时间调试代码，因此学会[如何有效地进行调试](https://www.freecodecamp.org/news/what-is-debugging-how-to-debug-code/)非常重要。 @@ -416,7 +416,7 @@ Jupyter 为您提供了几个可供选择的补全项。 运行单元格时，调试器将在断点处停止。 -然后，您可以点击右侧窗口中 CALLSTACK 工具栏上的“下一步”按钮，逐行执行代码。 +然后，您可以使用 CALLSTACK 工具栏（位于右侧窗口）上的"下一步"按钮逐行执行代码。 ```{figure} /_static/lecture_specific/getting_started/debugger_breakpoint.png @@ -437,7 +437,7 @@ Jupyter 为您提供了几个可供选择的补全项。 您可以用通常共享文件的方式共享它们——或者使用 [nbviewer](https://nbviewer.org/) 等网络服务。 -该网站上显示的是笔记本的**静态 HTML** 表示。 +您在该网站上看到的笔记本是**静态** html 表示。 要运行某个笔记本，请点击右上角的下载图标，将其下载为 `ipynb` 文件。 @@ -513,9 +513,9 @@ conda upgrade quantecon 到目前为止，我们专注于执行输入到 Jupyter 笔记本单元格中的 Python 代码。 -传统上，大多数 Python 代码以另一种方式运行。 +传统上，大多数 Python 代码以不同的方式运行。 -首先将代码保存在本地计算机的文本文件中。 +代码首先保存在本地计算机的文本文件中。 按照惯例，这些文本文件具有 `.py` 扩展名。 @@ -566,7 +566,7 @@ print("foobar") * 高效的文本编辑命令（例如，复制、粘贴、查找和替换） * 语法高亮等 -目前，广受欢迎的代码编辑器之一是 [VS Code](https://code.visualstudio.com/)。 +目前，用于编码的极为流行的文本编辑器是 [VS Code](https://code.visualstudio.com/)。 VS Code 开箱即用，且拥有许多高质量的扩展。