很羡慕你啊，跟老婆在一起，在困难时互帮互助，非常好的恋爱经历！
努努力未来会更好的！

我选择 web 版本，或者 vmware 虚拟机 win10.。。。不想再折腾下去了，浪费了非常多的时间

filebrowser 不知道能不能满足要求，go 语言写的软件，直接下载就能自建网盘了

@my101du 对的，我的意思是楼主既然 4770k 够用，那 3700x 升级也不小了~不过楼主补充是用于编译 android 项目的 hh ，那打扰了，可能多线程需求更强一些

@tangzekk 图一口气。树活一张皮，人活一口气

@lw12 不对，现在 pdd 最低 1638~但是缺点也多，没有 type c 口，屏幕背光区域亮度有一点点不太一致(全白状态认真看能看出来), 其他还好

@lw12 AOC u28G2u, 当时有活动比较便宜，原价 2k 多，现在 pdd 也要 1889

但是台式机 32g 内存只要几百块钱...扩展性也比 m1 好很多很多
既然 4770k 够用，那 5900x/ 5600x/ 3900x/ 3700x 也够用了 2333,
我的电脑 3700x + 32GB + 1TB 二手买到手一共不到 3000 ， 平时敲敲代码，刷刷网页，cpu 完全够用，内存大多数情况是 8%-20%内存占用

最好还是按需购买吧~

28 寸 4k 显示器 1590 元， 放在家里寒暑假用的
f87 机械键盘 130 元
自己组台式机 3000 元
小米平板 5 1604 元
ssk 硬盘盒 79 元
1T ssd sn730 420 元， 把笔记本上的 pm961 256G ，sn720 512G 卖了， 卖得 165+270 ，所以是零成本升级
1T pm981a 410 元， 给移动硬盘盒用的
1T ssd sn730 12 条， 每条 415 元购入，准备当 js ，500 卖出，已经卖了 4 条

尼康 d610 带镜头 买了用 5 、6 个月又卖出，基本没亏(不考虑时间成本)
4T 紫盘 348 元，前段时间 pdd 黑卡有这么便宜，忍不住就购入吃灰了
腾讯云 2C4G8M 三年 198 元，吃灰中
蓝牙接收器 35 ，想拿来给台式听歌用，毕竟 ax210 这么贵，但是音质不好，吃灰了
惠普小音响 79 ，浪费钱了，不如加几百买好点的
大华 64G TF 卡 42 元
hdmi 欺骗器 15 元，amd 显卡不能用，吃灰
网线若干



加起来也不算少了(学生党)，但是大件产品买得很值，
4k 显示器提高生产力，
机械键盘茶轴用着挺不错的性价比高，
台式机 32G 内存 3700x cpu 强提高生产力用着爽，
小米平板 5 看看 pdf 、视频课程、网页教程什么挺不错，
笔记本换硬盘成本为 0 ，
尼康 d610 金钱成本为 0 ，
紫盘很便宜买得舒服了

我只遇到过 内存和 swap 都满了，然后 ubuntu 18.04 界面卡死，只能强制关机。没测试 ping

上面弄错了
https://pastebin.com/D1rbnbBW

就是递归建立对象，然后把所有对象保存到列表里

ps: 不要吐槽代码写得烂 hh

import json
from typing import List
import pandas as pd

class People():
def __init__(self, js_data, label_prefix:List=None):
self.id = js_data['id']

if label_prefix == None:
self.label = [js_data['label']]
else:
self.label = label_prefix + [js_data['label']]

self.child = [People(child_js, self.label) for child_js in js_data['child']]

def get_label_i(self, i:int):
if i >= len(self.label):
return ''
else:
return self.label[i]

def get_all_instance(p:People):
result = []
result.append(p)
for child in p.child:
result += get_all_instance(child)
return result



str_json = '{"id":"S0","label":"部门","child":[{"id":"S1","label":"管理层","child":[]},{"id":"S2","label":"人力资源部","child":[{"id":"S21","label":"招聘组","child":[{"id":"S210","label":"上海组","child":[{"id":"S2101","label":"上海其他","child":[]},{"id":"S2102","label":"陆家嘴","child":[]}]},{"id":"S211","label":"深圳组","child":[]},{"id":"S212","label":"北京组","child":[]}]},{"id":"S22","label":"考核组","child":[]},{"id":"S23","label":"制度组","child":[]}]},{"id":"S3","label":"行政管理部","child":[{"id":"S31","label":"后勤组","child":[]},{"id":"S31","label":"食堂组","child":[]}]},{"id":"S4","label":"信息技术部","child":[{"id":"S41","label":"运行部","child":[{"id":"S411","label":"运维组","child":[]}]}]}]}'
js = json.loads(str_json)

root_instance = People(js)
all_instance = get_all_instance(root_instance)

df = pd.DataFrame()
df['id'] = [i.id for i in all_instance]

max_depth_people = max(all_instance, key=lambda x: len(x.label))
label_depth = len(max_depth_people.label)

for label_num in range(label_depth):
df[f"label{label_num}"] = [i.get_label_i(label_num) for i in all_instance]

print(df)

恶心坏了

yoga14s 5800h