办公或者父母家用很好。自己轻度游戏也很好，核显也没有不能用，甚至能跑全战三国。
缺点的话进灰了之后（我是大约一年多之后开始留意到的）散热开始捉急，又吵，一不小心还会自动降频。解决方案拆开清灰最简单，或者改装。但是 i5 发热应该没 i7 严重，说不定就不是问题了。

965，工作环境轻松愉快，老板同事和蔼可亲，还能学到东西。

不会 Lua，单纯说这个符号的话我觉得挺直觉的，因为逻辑学里常用~表示非。比如一个命题是 A，~A 就表示取反。

你的直觉大概只是习惯了其它编程语言的人的直觉？

戴尔用了一年坏了，客服上门直接换了一台的，立刻由人傻钱多变成真香。

图片就是一块带坐标的画布
矩形就是四个点连起来

他们没有售前吗

需求总要讲的吧，吃鸡？软路由？计算器？

违法手段你私下想想就行了，发出来是当证据吗？

没有年会，也没有迟到，好在还有年假

看你合同怎么签
一般来说都是在公司期间产出的代码归公司所有

神奇，写 py 而且长期使用 pandas.Timestamp 而非自带的 datetime （因为前者更无脑）的我表示涨姿势了

随便写没关系的，又不会真的寄给你或者检查

import random
import numpy as np

# 假定你要搞的数据是
样本数 = 50
平均值 = 77.98
标准差 = 10.344

# 假定都是整数，另外有个取值范围
取值范围 = (0, 100)

# 随机一个看看
数据 = [random.randint(取值范围[0], 取值范围[1]) for i in range(样本数)]

# 准备一个函数判断随机结果对不对（回复会吞空格，缩进用下划线代替空格表示）
def 符合条件(数据, 平均值 = 平均值, 标准差 = 标准差):
____实际均值 = np.mean(数据)
____实际标准差 = np.std(数据)
____if 实际均值 == 平均值 and 实际标准差 == 标准差:
________return True
____else:
________return False

# 不断随机，直到数据符合条件
while not 符合条件(数据):
____数据 = [random.randint(取值范围[0], 取值范围[1]) for i in range(样本数)]


# 运气好的话，在天荒地老之前就可以得到符合条件的数据了！

用半年壳再裸奔

贴代码没有缩进，那干脆就一行一行来了，还能展示计算过程，其实 py 跟 excel 差不多，多加几步路就是了。

import pandas as pd

# 假定这个 excel 读进来就四列，n1, n2, n3, n4，每一行一个人
df = pd.read_excel("C:/Users/acer/Desktop/绩效.xlsx")

# 先数每个人挂了几科
df["n_failed"] = df.apply(lambda x: sum(x < 60), axis=1)

# 加权求和，反正权重是死的硬编码就是了
df["sum"] = df["n1"] * 0.1 + df["n2"] * 0.2 + df["n3"] * 0.5 + df["n4"] * 0.2

# 从 sum 得到用数字表示的等级（ 5: A, 4: B, 3: C, 2: D, 小于 2 的不及格 F ）
df["raw_grade_int"] = df["sum"].apply(lambda x:int(x / 10) - 4)

# 挂几科降几级
df['final_grade_int'] = df["raw_grade_int"] - df['n_failed']

# 从数字表示的等级转为 ABCDF，用个硬编码的字典对应
df['final_grade']=df['final_grade_int'].apply(lambda x: {5: "A", 4: "B", 3: "C", 2: "D"}.get(x, 'F'))

# 跳过不需要的列用于输出
output_df = df[['n1', 'n2', 'n3', 'n4','final_grade']]

# 输出，不需要 index
output_df.to_excel("C:/Users/acer/Desktop/工具人.xlsx", index = False)

等级是不是不够？低于 60 也算 D ？还是算不及格？