-
描述符协议是Python中控制属性访问的核心机制，通过实现__get__、__set__和__delete__方法，允许将属性的获取、设置和删除操作委托给专门的对象处理，从而实现类型校验、延迟加载、ORM字段等高级功能，其核心价值在于代码复用、行为封装及与元类协同构建声明式API。
-
Flask中不能用全局变量存查询结果，因其被所有请求共享导致线程不安全和上下文混淆；g对象为单请求生命周期设计，可安全缓存如用户实例等临时数据。
-
任务拆分过细会因调度开销导致性能下降：CPU密集型建议单批≥10ms（如100–1000条），IO密集型单批不低于10次请求；map()自动分块而submit()需手动聚合；避免闭包引用大对象引发内存爆炸；不同执行器（线程/进程/asyncio）最优粒度差异显著，须实测确定。
-
ModelMeta中的ordering没起作用最常见原因是调用了order_by()、reverse()或切片（如[0:5]），这些操作会清除Meta默认排序；Django遵循“显式优先”原则，只要QuerySet有任意排序动作就忽略Meta设置。
-
SymPy的sympy.vector模块要求严格区分向量与标量；若对向量p减去一个未显式构造为向量的表达式q（如仅含点积结果），SymPy会自动忽略标量项，导致减法“失效”。关键在于：所有参与向量运算的量必须同为向量类型。
-
生产部署首选uvicorn；因其稳定性高、CVE响应快（平均3天）、生态成熟，而hypercorn维护慢（CVE平均17天）、负载不均且热重载在Windows下不可靠。
-
Keras2.6.0不包含keras.ops模块，该模块是Keras3（独立于TensorFlow的新版本）引入的核心功能；需升级至Keras≥3.0并同步更新TensorFlow以确保兼容性。
-
使用json模块可将Python对象保存为JSON文件，常用方法是json.dump()直接写入文件，支持中文需设ensure_ascii=False并指定UTF-8编码，indent用于格式化输出；也可用json.dumps()先转字符串再写入，适用于需预处理场景；列表结构可直接保存，如批量数据；注意不支持自定义对象、set、datetime等类型，需转换为字典或使用default参数处理，写入时"w"模式会覆盖原文件。
-
普通二叉树：无值限制，用于层次结构；2.二叉搜索树：左小右大，支持高效操作；3.平衡二叉搜索树：AVL和红黑树防退化；4.完全二叉树：节点靠左，适合堆与数组存储；5.满二叉树：每个节点均有0或2子；6.完美二叉树：所有叶同层且内部节点均两子；7.堆：完全二叉树，分最大最小堆，heapq实现最小堆；8.伸展树等高级变体用于特定场景。
-
pytest中mock时间函数失效因补丁位置错误：须patch被测模块内导入的名称，如importtime则patch'your_module.time.time'，fromdatetimeimportdatetime则patch'your_module.datetime.now'；freezegun需配对start/stop或用上下文管理器；random.seed()需每测试显式调用并兼顾numpy等库。
-
Python文件操作权限问题源于系统级访问限制而非代码错误，需检查用户身份、目录属性及执行上下文，并通过权限检测、路径调整和异常处理安全应对。
-
pip-tools生成的requirements.txt每次pip-compile都变，因默认不锁定子依赖版本，上游补丁更新即触发变更；需显式声明间接依赖或配合--generate-hashes才能固定全部版本。
-
Python网络设备批量管理核心是用Netmiko（基于Paramiko）实现稳准快的SSH/Telnet自动化；三步落地：单台验证→YAML/CSV存设备信息→ThreadPoolExecutor并发执行；需处理提示符识别、分页、乱码、交互应答等常见问题。
-
0.1+0.2!=0.3是二进制浮点数固有精度限制所致，并非Pythonbug；因十进制小数0.1在二进制中无限循环，IEEE754双精度只能近似存储，实际结果为0.30000000000000004。
-
TargetEncoding会导致数据穿越，因其用类别对应目标变量均值替代原始类别，若在全量数据上计算则训练集编码泄露测试集标签；必须分折独立计算、冻结映射表并处理未知类别。
