长话短说：
- 比特币通过数字签名，把归属权问题从信任问题（高成本）变成了验证问题（极低成本）。
- 比特币通过工作量证明，把排序和维持不变的问题从信任第三方（不稳定且变数多）变成了信任能源消耗（稳定且标准）。
密码学最辉煌的世代可能是二战的时代（很不幸），战争把人类的通讯推向了密文时代，如何把一段信息从 A 传送给 B，并且不泄漏给第三方成了极为关键的问题，因为泄漏信息的代价可能是战争的失败。
二战结束后，密码学仍然很重要，但是转为地下，而且继续主要为军事目的服务。毕竟，普通人能有什么不能告人的秘密呢（笑）。
然而，90年代，互联网的出现再一次把密码学推向了风口浪尖！人们在互联网互动、娱乐、支付、交易，突然间普通人的信息也很重要了，人们可不希望自己的银行秘钥因为一次晚上交易就被盗，或者误认为一个黑客网站是他的银行网站。
它利用了信息易于传播但难以扼杀的特性。
—– 中本聪
从技术角度看，比特币就是什么东西？比特币白皮书中提到：比特币在已有技术的基础上，解决了点对点网络的“双花”问题，及重复执行交易。
一个点对点版本的电子现金应该实现点对点直接线上支付，而不需要金融机构介入。数字签名提供了部分解决方案，但是数字签名方案仍然需要依赖第三方来避免“双花”问题。这篇文章提出了一个利用点对点网络解决双花问题的方案。该网络通过将每笔交易哈希到一个不断增长的哈希工作证明链上，为其打上时间戳，这样修改一条记录的代价就是重新进行工作证明。最长的链不但证明了一些列有序的交易记录，也代表了他背后最大的CPU工作量（译者注：即电能）。只要主流的CPU工作量来自不会攻击网络的节点，他们就会生成最长的链并且抵御攻击。网络本身仅仅需要最基本的结构，信息广播基于最大努力，节点可以随时加入或者离开网络，当节点回到网络会使用最长的工作证明链作为基础。
比特币区块链为什么有价值？他的价值在于它的账本，就是比特币公链。换句话说，他的账本有价值，为什么？正是因为 Proof of work。账本上的每一笔记录，每一个区块，背后都有相应真实世界成本（主要是电力，当然还有矿机、人力成本等等忽略不计）。这就是公链价值的来源，价值不能被凭空产生，特别是数字资产。我举个栗子，如果你有一个 SQL 数据库，在里面添加一条记录的成本是多少？0。再换个例子，魔兽世界的一件装备，你获得成本是多少啊？100元，但是你要信任游戏运营商的诚实和存在。这里涉及两个问题：创建数字资产几乎没有成本；数字资产想产生价值要么通过信任，要么通过做工，无论哪种你必须跟物理世界产生联系。
总体来说，计算（技术）是通过更快、更便宜来最大化其价值。比特币（作为一项技术）似乎走了一个诡异的路线：它不是通过工作（work）提供价值，而是工作证明（proof of work）。它依赖于增加的工作量，而不是提高效率；它用复杂性代替了简化。在我看来，这种情况颠覆了数字经济中流行的价值观念——因为这种价值源于通过不可逆的加密方式破坏信息的过程，它破坏了传统的价值意义观念。– 引用 From work to proof of work
注意：在一个数据库添加一条记录的成本是 0，即使这是一条被数字签名的信息。
这就是 Proof of work 的价值，它把数字资产锚定到物理世界的资源（能源），这也是他价值的真实来源。记住：价值背后一定有物理世界的支持。当然，这不是什么新闻，我们对银行的信任也来自物理世界，我们看到银行的大楼、工作人员在工作、司法系统会运行等等，注意，这些东西背后都有能源投入，所以我们相信银行的账本有价值（第三方），愿意把自己创造的价值放入这个账本。但是，比特币和工作证明提供了一种不需要信任第三方的方式存储价值，其价值来源是现实世界消耗的能源。
我承认我喜欢比特币，原因也很简单，因为它被设计成一个中性的系统。而其他模仿者是有国籍的，以太坊有精神领袖；风投币的 PoS 共识算法让初始股东有用几乎无限的权利。这篇文章，我想说说比特币是如何正在影响第三世界国家的。
你可以争辩，比特币可以被邪恶的人控制并使用，我想说的是，任何中性的东西都可以被如此使用。水可以供养人类，也可以溺死人类。这不是水的问题，是人的问题。但是如果一个系统被设计出来就是有倾向的，没人可以逆转。
我亲爱的读者，既然你读到这篇文章，我几乎可以肯定你是幸福的。因为你可以上网，你应该也拥有智能手机和平板电脑，而你用来购买他们的货币不出意外就是你的本国货币。
但是，你也许不会经常思考，世界上很多国家的人并没有你那么幸福。他们的国家没有自己的货币，他们的老百姓可能也用不上苹果手机。
Pandas 在 Python 的数据工程领域可谓是半壁江山，Pandas 的作者 Wes Mckinney 于 2008 年开始构建 Pandas，至今已经走过了十几个年头。然而，Wes 在 2017 年的一篇博客中写道：
我开始构建 Pandas 的时候并不是很了解软件工程，甚至不太会使用 Python 的科学计算生态。我当时的代码丑陋且缓慢，也是一边学一边写。2011年，我引入了
BlockManager和Numpy作为 Pandas 的内部内存管理和数据结构。
。。。
然而这个决定也是 Pandas 如今无法自如处理超大数据的罪魁祸首。毕竟在 2011 年我们几乎不去思考处理超过100 GB 甚至 1TB 的数据。如今，我的经验是：如果你想用 Pandas 分析一个 1GB 的数据，那么你至少需要 5 - 10 GB 的内存才可以。，然而，今天我们碰到更多地情况恰恰相反，分析的数据比内存大 5-10 倍。
https://wesmckinney.com/blog/apache-arrow-pandas-internals/
之前的连篇文章主要介绍了 Quant Dev （QD） 的分类和学习路径，这一篇我们重点介绍行业内常用的软件、语言和框架。
注意 本系列主要针对买方 Quant Dev，而不是卖方或者 Quant 这个职业。通常来说，Quant 和 Quant Dev 的技能和技术栈有一些重叠，但是差异仍然较大。
之前的文章提过，Quant Dev 首先必须是一个好的程序员，通常是一个好的后端程序员，因此，QD 的基础技术栈跟一般的后端程序员非常类似，而由于业务的关系 QD 对某些语言、框架和知识的需求更多一些。
首先我们来说买方 QD 常用的计算机语言，不出预料就是下面四位：
