这道题的思路是：1、去掉多余空格；2、正常翻转，结合 Python 的语言特性，很快就做完了。
# Runtime: 20 ms
# Memory Usage: 10.8 MB
class Solution(object):
@classmethod
def reverseWords(self, s):
"""
:type s: str
:rtype: str
"""
sl = [ i for i in s.split(" ") if i != "" ]
return " ".join(sl[::-1])适合创业公司的数据科学项目流程 Part 2
Data Science Project Flow for Startups – Towards Data Science
三、开发阶段
在完成了审视和研究阶段之后，项目的下一步就是开发阶段。
在这个阶段，我们会在调研阶段的基础上，搭建实验环境、配置数据的 Pipeline。然后通过持续的开发和实验逐步把模型的指标推进到 KPI 的要求（hard metric）。如果实在是达不到预先计划的要求，那么应该退回到上一个阶段，改变研究的方向。如果数据科学家觉得已经用尽了所有的办法，还是达不到要求，那么项目取消也是有可能会出现的结果。
四、部署阶段
产品化和运行状态检测、解决方案部署、交付、维护。这个部分需要数据科学家做的事情就不多了。
总结
这篇文章很系统地描述了创业公司如何有条理地开展数据科学项目的开发工作，很好地解决了之前碰到的诸多问题，希望今后能用上。
保持 commit 历史干净，拯救强迫症
git pull --rebase在创业公司做开发常常会碰到如下问题：
- 费了很大的力气开发了市场不需要的功能
- 销售人员在销售的过程中始终需要开发工程师在场解释
- 各种各样紧急的需求导致开发疯狂加班
- 工作全部都堆给开发
如果有健全的流程，需求在开发之前就会经过市场与产品充分地讨论，以上问题也许都可以避免。