上个月中途接手了个项目，主要功能是C端用户购房申请资料的表单提交，单纯就功能而言确实没什么可说的，但问题在于期极复杂繁琐多变的资格逻辑校验。由于政府的购房政策多变，几乎每隔一段时间都要调那么几次，而且动不动还要做新老数据兼容。我接手的源代码里面几乎全部都是`if else`判断，几个页面里差不多都有二三十个判断，代码的可读性维护性很差。可以想象一份很难维护的代码，又反复要求被修改，这对开发这而言是极其痛苦的事情。因此我重构的目就是尽量减少`if else`逻辑判断。

泊松分布描述的是一个离散随机事件在单位时间内发生的次数, 其对应的场景是我们统计已知单位事件内发生某事件的平均次数 λ, 那么我们在一个单位事件内发生 k次的概率是多大呢? 比如说医院产房里统计历史数据可知, 平均小时出生3个宝宝,那么在接下来的一个小时内, 出生 0 个宝宝, 1 个宝宝, …, 3 个宝宝, …10 个宝宝, n 个宝宝的概率分别是多少呢?

如果某件事可以由$k$类不同途径之一去完成，在第一类途径中有$m1$种完成方法，在第二类途径中有$m2$，第$k$类途径中有$mk$种完成的方法，那么完成这件事总共有 $m1+m2+…+mk$种方法。如果某件事需经过$k$个步骤才能完成，做第一步有$m1$种方法，做第二件事有$m2$种方法，...，做第 $k$ 步有 $mk$ 种方法，那么完成这件事总共有 $m1×m2×…×mk$ 种方法。

The Geometric Mean is a special type of average where we multiply the numbers together and then take a square root (for two numbers), cube root (for three numbers) etc.

线性空间中的运动，被称为线性变换。也就是说，你从线性空间中的一个点运动到任意的另外一个点，都可以通过一个线性变化来完成。那么，线性变换如何表示呢？很有意思，在线性空间中，当你选定一组基之后，不仅可以用一个向量来描述空间中的任何一个对象，而且可以用矩阵来描述该空间中的任何一个运动（变换）。而使某个对象发生对应运动的方法，就是用代表那个运动的矩阵，乘以代表那个对象的向量。简而言之，在线性空间中选定基之后，向量刻画对象，矩阵刻画对象的运动，用矩阵与向量的乘法施加运动。是的，矩阵的本质是运动的描述。如果以后有人问你矩阵是什么，那么你就可以响亮地告诉他，矩阵的本质是运动的描述。

基于vue 2.x开发的UI组件库，轻量，简洁。

在理解元类之前，你需要先掌握Python中的类。Python中类的概念借鉴于Smalltalk，这显得有些奇特。在大多数编程语言中，类就是一组用来描述如何生成一个对象的代码段。在Python中这一点仍然成立：