-
NumPy中view()可零拷贝重解释dtype，但仅当新旧类型元素字节数相同且内存布局兼容；astype()则总复制数据并转换数值。
-
threading比multiprocessing更适合IO密集型任务，因GIL不阻塞系统调用，IO等待时线程让出CPU，其他线程可继续执行；而multiprocessing启动开销大、通信成本高，属过度设计。
-
用np.diff()找局部极值易漏边界点，因其输出长度减1、仅反映相邻变化，无法判断首尾极值；需单独检查arr[0]和arr[-1]，且diff索引对应变化位置而非极值位置。
-
母版控制全局样式但不直接影响幻灯片，修改需操作presentation.slide_master；布局继承母版，新幻灯片才生效；图表须用占位符预设，字体需逐层设置中文字符集。
-
struct.unpack数据对不上主因是字节序未显式指定，C结构体默认本机序（小端），而文件/协议常固定大端或小端；应查清源数据字节序后，在格式串开头加'>'（大端）或'<'（小端）。
-
使用sum、max、min和len计算列表的和、最大值、最小值及平均值；2.用filter结合lambda筛选偶数等符合条件的元素；3.用map对每个元素平方等映射操作；4.用sorted排序，set去重并排序，注意map和filter返回迭代器需转list。
-
configparser读取ini文件报NoSectionError等错误，主因是路径/编码错误、节名含空格或BOM、未校验sections()、类型转换前未清洗值、多环境需手动切换section、新版对无节文件更严格，建议显式关闭插值并预检文件内容。
-
asyncdef中含yield即为异步生成器（async_generator），非协程，须用asyncfor消费，不可await、list()或next()；yield不挂起，await才挂起；不支持同步迭代，且不可重用。
-
推荐使用join拼接字符串，因其性能更优、内存更省、语义更清晰；+或+=在拼接大量字符串时会产生O(n²)拷贝，而join时间复杂度接近O(n)，且可读性和扩展性更好。
-
一维前缀和用长度n+1数组存储，prefix[i]表示前i个元素和，查询[l,r]为prefix[r+1]-prefix[l]；二维需多开行列，用容斥公式prefixr2+1-prefixr1-prefixr2+1+prefixr1。
-
Python函数返回多个值本质是返回元组，可直接用逗号分隔变量解包；需确保变量数与元组长度一致，支持星号捕获、嵌套解包、下划线忽略及原子交换。
-
__members__更安全，因其是只读映射，仅含明确定义的枚举成员；而__dict__会混入类属性、方法等干扰项，且auto()值可能未就绪。
-
Pydanticv2默认禁止额外字段且校验错误提示不友好，需配置model_config={"extra":"allow"}并扁平化errors()输出；自定义校验器必须显式return值，model_dump()替代dict()且默认行为不同。
-
明确CLI的核心职责命令行工具不是功能越多越好，关键在于解决特定场景下的效率问题。比如批量重命名文件、解析日志、生成配置模板——每个工具应聚焦一个清晰目标。设计前先问：用户在什么情境下会输入这个命令？需要几秒内得到结果？是否要支持管道输入或重定向？这些决定了命令结构是否合理、参数是否必要。用argparse构建可维护的参数体系Python标准库的argparse足够支撑绝大多数CLI需求，无需过早引入click或typer。重点在于分层组织参数：把必选操作（如upload、list）设为子
-
Python反射机制通过getattr和setattr实现运行时动态属性访问与修改，支持字符串命名、安全获取、动态赋值及插件扩展，但需注意性能与类型检查限制。
