王蒙和鲁迅对诺奖的态度

部署运行你感兴趣的模型镜像

       王蒙被问及有没有信心在有生之年获得诺贝尔文学奖时,有这样的回答:“我能不能拿到诺贝尔文学奖?大概不能,可能性很小,原因已经说过很多次。但是有人推荐也不算坏事。”“诺贝尔奖好,不如文学作品本身写得好。我一直觉得,诺贝尔文学奖不能代表文学本身。作家写得好而得不到,那是诺贝尔奖的悲哀;写得不好反而得到了,那就是诺贝尔奖的透支。”“诺贝尔文学奖伟大,文学更伟大,得到了,那算辛运;没有得,也没什么。因为我们靠的是作品,是文学,不是广告。”

       1927年瑞典探测家斯文海在上海听说了鲁迅的文学成就,与诗人刘半农商量准备推荐鲁迅为诺贝尔文学奖候选人,他回信婉言谢绝了:“我很抱歉,我不愿如此,诺贝尔赏金,梁启超自然不配,我也不配,要拿这钱,还欠努力。世界上比我好的作家何限,他们得不到。你看我译的那本《小约翰》,我哪里做得出来,然而这作者就没有得到。或者我就便的,是我是中国人,靠着‘中国’两个字罢,那么,与陈焕章在美国作《孔门理财学》而得到博士无异了,自己也觉得可笑。我觉得中国实在还没有可得诺贝尔文学奖的人,瑞典最好不要理我们,谁也不给。倘因为黄色脸皮的人,格外优待从宽,反足以长中国人的虚荣心,以为真可以与别国大作家比肩了,结果将很坏。“

您可能感兴趣的与本文相关的镜像

Stable-Diffusion-3.5

Stable-Diffusion-3.5

图片生成
Stable-Diffusion

Stable Diffusion 3.5 (SD 3.5) 是由 Stability AI 推出的新一代文本到图像生成模型,相比 3.0 版本,它提升了图像质量、运行速度和硬件效率

### 使用 Pandas `loc` 属性选取特定学生科目成绩 为了实现从 DataFrame 中选取特定学生的成绩以及指定科目的成绩,可以利用 Pandas 的 `.loc` 方法完成这一操作。以下是详细的解释与示例。 假设有一个包含学生成绩的 DataFrame 数据结构如下: ```python import pandas as pd import numpy as np data = { '姓名': ['王蒙', '刘文', '赵胜'], '语文': [85, 90, 78], '数学': [92, 88, 81], '英语': [88, 95, 84] } df = pd.DataFrame(data) df.set_index('姓名', inplace=True) print(df) ``` 运行上述代码后得到的结果为: ``` 语文 数学 英语 姓名 王蒙 85 92 88 刘文 90 88 95 赵胜 78 81 84 ``` #### 特定学生的成绩选取 如果要获取某个特定学生的全部成绩,则可以通过 `.loc` 提供该学生的名称作为索引来实现。例如,获取“王蒙”的成绩: ```python result = df.loc['王蒙'] print(result) ``` 输出结果将是: ``` 语文 85 数学 92 英语 88 Name: 王蒙, dtype: int64 ``` 此部分基于提供的资料进行了扩展应用[^1]。 #### 指定科目的成绩选取 对于多个学生在某一具体科目上的表现情况,也可以借助 `.loc` 来筛选出对应的列数据。比如查询所有学生在“数学”这门课的成绩: ```python math_scores = df.loc[:, '数学'] print(math_scores) ``` 其输出应显示为: ``` 姓名 王蒙 92 刘文 88 赵胜 81 Name: 数学, dtype: int64 ``` 这里同样遵循了之前提到的方法论来构建解决方案[^2]。 #### 同时选取特定的学生及其对应科目的成绩 当需要同时限定行(即学生)与列(即科目),则可以在 `.loc` 函数内部分别定义这两个维度的选择条件。下面展示如何取得“王蒙“刘文”两位同学,在“语文”“数学”这两项课程中的得分状况: ```python selected_data = df.loc[['王蒙', '刘文'], ['语文', '数学']] print(selected_data) ``` 最终打印出来的表格形式会像这样子呈现出来: ``` 语文 数学 姓名 王蒙 85 92 刘文 90 88 ``` 以上便是针对所提需求的具体解决办法,并且每一步都严格依据已知的信息源加以阐述[^1][^2]。 ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值