-
np.savez()保存多数组时键名须为合法Python标识符，否则读取后无法点号访问；np.load()返回NpzFile对象，需用list(data.files)获取键名；np.savez_compressed()体积更小但速度更慢；非ndarray对象会被静默转为ndarray。
-
Python线程安全单例推荐两种方案：一是重写__new__加双重检查锁，确保全局唯一实例；二是用装饰器封装单例逻辑，复用性强且简洁。
-
Transformer的核心是解决RNN/CNN的长程依赖与并行计算瓶颈，通过Self-Attention（Q/K/V机制）、位置编码、残差连接与LayerNorm等设计实现高效建模。
-
Python中的“数组”主要指list和numpy.ndarray。list是内置的异构序列，支持多种数据类型和动态操作，适合小规模或非数值数据处理；而numpy.ndarray是同质多维数组，基于C实现，内存连续，支持高效数值运算和广播操作，适用于大规模科学计算。两者可通过np.array()和tolist()相互转换，核心区别在于数据类型一致性、性能和功能：list灵活但慢，ndarray高效专用于数值计算。
-
args解包可迭代对象为位置参数，kwargs解包字典为关键字参数；调用时是“放”，定义时是“收”；顺序为位置参数→args→关键字参数→kwargs；装饰器中必用以兼容任意签名。
-
DuckDB的DuckDBPyRelation对象与创建它的连接强绑定，无法直接跨连接注册；本文详解其设计原因，并提供基于SQL解析、Arrow表或临时视图等专业级替代方案。
-
本文介绍如何在不显式Python循环的前提下，对形状为(n,x,y)的3DNumPy数组沿第0轴（即“层”维度）高效计算每个(x,y)坐标点上的带符号绝对最大值——即保留原始符号、仅依据绝对值大小选择的极值。
-
idxmax()返回标签而非数字索引，因它默认定位最大值所在行/列的索引标签；若需位置序号，应使用argmax()配合iloc或np.nanargmax()。
-
用tree.xpath("//a/@href")最稳，可跳过无效嵌套、自闭合标签及混排子元素；需注意勿误写为text()或漏@符号，且href可能为相对路径、需手动处理base标签或JS渲染内容。
-
Python列表扩容采用几何增长策略，新容量≈当前容量×1.125，摊销时间复杂度O(1)，但会引发偶发延迟与内存浪费。
-
@lru_cache适用于输入全为不可变类型、无外部依赖、重复调用多且计算开销大的纯函数；支持maxsize和typed参数，提供cache_info、cache_clear和__wrapped__等缓存管理功能。
-
Snakemake本身不直接“锁定目录”，但将目录声明为rule的output（使用directory()）可间接实现排他性访问；需注意该操作会触发目录及其全部内容在执行前被清空，存在数据丢失风险。
-
Python爬网页需用requests+BeautifulSoup组合，注意加headers、处理编码、用开发者工具定位标签，应对简单反爬要延时和换UA，保存优先选CSV再转DataFrame，先确认网页是否静态渲染。
-
range对象仅存储start、stop、step三个整数，通过数学公式即时计算索引访问、长度和成员判断，内存占用恒定约48字节，与范围大小无关。
-
Python最常用数据类型是字符串（str）、列表（list）和字典（dict）：字符串不可变，支持索引切片及.upper()等方法；列表可变，支持增删改查和遍历；字典以键值对存储，key须不可变，支持多种遍历方式。
