-
不带参数的装饰器是接收被装饰函数为唯一参数并返回新函数的单层函数；带参数的装饰器则是三层结构：外层接收装饰器参数并返回中间层装饰器，中间层接收被装饰函数，最内层接收运行时参数。
-
用方括号[]取值最快但要求键存在，get()方法更安全可防错并设默认值，in关键字用于先判断键是否存在，嵌套字典可用连续[]或链式get()访问。
-
WebSocket断线后需在onclose中手动重连，采用指数退避策略（1s起，上限30s）并限制最大重试次数（如5次），同时发送前校验readyState并缓存未发消息；FastAPI后端无需特殊处理，但会话状态需依赖token和外部存储。
-
Python轻量任务平台核心是“定义→调度→执行→反馈”主线：用字典/Pydantic定义可配置任务，APScheduler调度，封装执行流程含日志与异常处理，FastAPI/Flask提供简易看板。
-
__repr__更适合调试，因其目标是清晰标识对象身份与状态，如<Userobjectat0x7f8a1c2b3e50>；而__str__面向用户展示，对调试无用。
-
submit()后异常不立即抛出，而是封存在Future中，需调用result()或exception()才暴露；as_completed()、wait()和map()返回的Future同样需显式获取结果才能触发异常处理。
-
推荐用pandas做数据清洗计算、openpyxl控样式，python-docx填Word模板，PyPDF2/pdfplumber/reportlab分责处理PDF，三者协同实现Excel→Word→PDF自动化流程。
-
Python数据抓取核心是理清“请求→响应→解析→存储”四环节：一、明确目标与请求方式，区分静态/动态加载，合理选用requests或Selenium；二、用CSS选择器精准提取字段，注意防KeyError和文本清洗；三、设计容错逻辑应对缺失、格式混乱与结构变动；四、结构化保存前需校验数据一致性与完整性。
-
Python输入整数需先用input()读字符串再用int()转换，但可能因非纯整数字符串（如"3.14"、"abc"）引发ValueError；安全做法是用try/except循环捕获异常并提示重输。
-
Python变量本质是名字绑定而非内存容器，a=10表示名字a指向整数对象10；名字无类型，类型属于对象；赋值即重绑定，引用计数与名字空间共同支撑动态类型机制。
-
用open()配合read(size)分块读取大文件最直接高效，应使用'rb'模式、2的幂size（如65536），避免按行读取和编码中断问题，必要时对UTF-8边界做安全回退处理。
-
本文详解Python类属性与实例属性的区别，指出直接通过self.attr=value修改类属性会意外创建同名实例属性，导致预期外的行为，并提供安全、清晰的解决方案。
-
MelSpectrogram输出全零主因是输入未归一化或采样率不匹配；需转float32并归一化到[-1,1]，校验sample_rate、n_fft等参数；dB缩放应使用可导AmplitudeToDB(top_db=None)；变长音频batch处理宜用pad_sequence+mask而非零填充；librosa与torchaudio差异在于默认f_max、norm及mel_scale，需显式对齐参数。
-
One-ClassSVM不适合直接做异常点单分类检测，因其本质是无监督异常检测模型，仅输出正常（1）或异常（-1），无法识别异常类型；对特征缩放极度敏感，需标准化；nu参数是上界约束而非异常比例目标；训练需纯正常样本、稳定数值特征，并依赖decision_function输出量化异常程度。
-
list不可哈希，因它是可变类型，不满足哈希要求：生命周期内哈希值不变且等值对象哈希值相同；字典key必须可哈希才能正确寻址；常见可哈希类型包括int、str、tuple（元素皆可哈希）、frozenset等；可用tuple(my_list)等方式转换list为可哈希形式。
