字元集
在VC2012中，字元集默認採用Unicode字元集(Use Unicode Charecter Set選項)，其值還可以設置為多位元組字元集(Use Multi-Byte Charecter Set)。
1. 可以很容易地在不同語言之間進行資料交換。
2. 使你能夠分配支援所有語言的單個二進位.exe文件或DLL文件。
3. 提高應用程式的運行效率。
Windows 2000是使用Unicode從頭進行開發的，如果調用任何一個Windows函數並給它傳遞一個ANSI字串，那麼系統首先要將字串轉換成Unicode，然後將Unicode字串傳遞給作業系統。如果希望函數返回ANSI字串，系統就會首先將Unicode字串轉換成ANSI字串，然後將結果返回給你的應用程式。進行這些字串的轉換需要佔用系統的時間和記憶體。通過從頭開始用Unicode來開發應用程式，就能夠使你的應用程式更加有效地運行。
Microsoft公司將COM從16位Windows轉換成Win32時，公司決定需要字串的所有COM介面方法都只能接受Unicode字串。
WCHAR Unicode字元;
PWSTR 指向Unicode字串的指標;
PCWSTR 指向一個恒定的Unicode字串的指標;
對應的ANSI資料類型為CHAR，LPSTR和LPCSTR;
ANSI/Unicode通用資料類型為TCHAR，PTSTR,LPCTSTR。
ANSI 操作函數以str開頭 strcpy
Unicode 操作函數以wcs開頭 wcscpy
MBCS 操作函數以_mbs開頭 _mbscpy
ANSI/Unicode 操作函數以_tcs開頭 _tcscpy（C運行期庫）
ANSI/Unicode 操作函數以lstr開頭 lstrcpy（Windows函數）
所有新的和未過時的函數在Windows2000中都同時擁有ANSI和Unicode兩個版本。ANSI版本函數結尾以A表示；Unicode版本函數結尾以W表示。Windows會如下定義：
[cpp] view plain copy
1. #ifdef UNICODE
2. #define CreateWindowEx CreateWindowExW
3. #else
4. #define CreateWindowEx CreateWindowExA
5.
01 靈蛇出現，必有異像
蛇有靈性，蟒蛇更甚。民間關心打死蛇後出現的種種因果報應現象，相信各位也多有耳聞。身邊聽到的一個是，一個老太打死了一條蛇，第二年她女兒便離婚了。
青城山下的一條蟒蛇修行千年終得人生，由此可見，蛇有強大的靈性，而且還告訴我們一個道理：修得人的身體很難啊！
佛法有雲：生中國難，得人身難，聞佛法難，生信心難。（注：中國，原指印度，中心之國。）
Python既是一條大蟒蛇，自然算是程式設計語言中很有靈性的了。
今既得人身，又聞佛法，且學Python，當然得用來做點什麼吧！
當今，Python最熱的領域，估計非資料分析、資料採擷莫屬了！
02 靈蟒Python，事實標準
只要你沒有太久閉關修練絕世神功，只要你用眼睛餘光瞭解過資料分析相關領域，相信你會有個感覺，怎麼處處都有Python的蹤影啊！
每種電腦程式設計語言，似乎都有自己成名或適用的領域。
在這個大家都在談雲計算、大資料、深度學習的時代，讓我們來看看，這些領域裡面的代表吧。
以Docker為代表的雲計算與虛擬化，這是Go的天下。國內使用Go最出名的，當屬七牛了；
以Hadoop為代表的大資料框架，這是java的天下。國內這塊最強的，當然首推阿裡了；
以Spark為代表的記憶體反覆運算框架，這是Scala的天下；
以Scikit-Learn為代表的資料分析領域，從這裡開始，便是Python的天下；
說句不負責任的話，Python已經成為資料分析領域裡事實上的標準語言。
03 Python一出，誰與爭鋒
且來看看，Python在資料分析領域的生態圈吧！
a. 基礎庫
Numpy： 矩陣計算與其它大多數框架的資料處理基礎；
Scipy：科學計算庫，提供了很多科學計算工具包和演算法；
Matplotlab：專業畫圖工具，話說這個單詞還是真是在Matlab之間插入了plot這個詞形成的；
Pandas：提供類似於R語言的DataFrame操作，非常方便；
……
b. 機器學習與深度學習
OpenCV：提供圖像識別的很多方便的操作；
Orange：基於圖形介面的機器學習程式，也可以用Python腳本來操作調用；
Scikit-Learn：前面說了，這是Python在機器學習領域裡面的代表作。尤其是它的文檔，完全可以當成機器學習的參考資料來閱讀了，曾經我向朋友推薦的時候說，說過，把scikit-learn的文檔當成佛經來讀，假以時日，功力定會大增。
Theano：深度學習裡面非常有名的一個框架了，也非常具有代表性。是其它很多框架的基礎。
Keras：基於Theano進行了抽象，建議入門的話使用這個，搭積木一樣地就可以弄個神經網路出來了。
NLTK：自然語言處理，提供的功能也很強大。
國內出品的Mxnet的Python介面
……
c. 分散式機器學習與深度學習
Spark之MLlib的Python介面Pyspark
H2o的Python介面
收費的Graph Create的Python介面
Google最近剛出的TensorFlow的Python介面
三星最近剛出的Veles，目前只提供Python介面
……
也許，新的機器學習或深度學習框架，如果不提供Python介面的話，恐怕會被認為難以推廣吧。
上面列舉的只是其中一部分，還有很多很多。當然，他們很多並非是用Python來實現，但都共同的提供了Python介面，甚至好幾個都把Python當成了頭等公民（First-Class）。
在此並非想說Python這門語言很強大或者複雜，而恰恰相反，得益於Python的簡潔和包容。才讓它在資料採擷領域有如此的地位。
這便是生態圈的力量，不以個人的意志為轉移。
04 書山有路，學海無涯
對於想入門資料分析、資料採擷、機器學習的朋友來說，Python是你值得花時間的選擇。因為，除了上面的工具鏈生態圈，還有書籍和知識傳播的生態圈。
如文章開篇之圖，都是和資料分析相關的書籍，且都是用Python作為示例來講解。
如若有心，且仔細看圖識字！
05 念念不忘，必有迴響
真若有心於資料領域，甚或欲從事資料科學之職業。請對Python有信心，值得你付出時間。想走機器學習之路，Scikit-learn是你最好的選擇，一邊操作實例，一邊閱讀文檔，再輔助以相關的理論基礎，持之數日，則大業可成也。
https://www.jianshu.com/p/6e57b4f485fb
