-
np.argmax(axis=1)返回每行最大值的列索引；结果为int64一维数组，长度等于行数；遇并列取最左位置，含NaN时需改用np.nanargmax。
-
Python列表因动态扩容、支持多类型数据、内置丰富方法及广泛兼容性成为核心数据结构，适用于存储异构数据、实现栈队列、配合推导式等场景，极大提升开发效率。
-
reduce在Python中因可读性差、维护难、性能低而渐少使用；虽未被删除，但内置函数和显式循环更Pythonic，仅二元累积等特定场景才推荐使用。
-
shutil.disk_usage()是获取磁盘剩余空间最直接的方式，返回total、used、free字节值，需传绝对路径且不支持NFS；预警应结合比例与绝对余量，通知须容错限频并适配运行环境。
-
Python自带dict不支持TTL因其纯内存映射，无时间戳、过期检查或自动清理机制；手动维护易致内存泄漏，Timer方案开销大且难管理；推荐懒过期封装方案，读时检查并删除过期项。
-
描述符的__set__未被调用，最常见原因是将描述符误赋给实例属性而非类属性；必须定义在类体中，且避免直接操作obj.__dict__绕过验证。
-
lambda表达式用于创建匿名函数，语法为lambda参数:表达式，适用于map、filter、sorted和reduce等场景，如list(map(lambdax:x**2,[1,2,3,4]))返回[1,4,9,16]，list(filter(lambdax:x%2==0,[1,2,3,4,5,6]))返回[2,4,6]，sorted([('Alice',85),('Bob',90)],key=lambdax:x[1])按成绩升序排列，reduce(lambdax,y:x+y,[1,2,3,4])计算
-
<p>最稳妥的余弦相似度计算是用np.dot(a,b)/(np.linalg.norm(a)*np.linalg.norm(b))，需确保向量维度对齐、处理零向量和NaN，并注意广播与性能优化。</p>
-
后台任务关键监控指标定义为：task_duration_seconds（直方图耗时）、task_status_total（带task_name等标签的状态计数）、task_queue_length（多源队列积压数），三者分别对应“有没有做完”“做没做错”“做多慢”“会不会拖垮系统”四大目标。
-
int、str、tuple修改后ID变了，因为它们是不可变类型，所谓“修改”实为创建新对象并重新绑定变量；其内存值不可原地更改，id()变化反映的是引用指向变更而非内容改变。
-
直接用for循环并发爬取易崩，因缺乏任务隔离与流量节制，易触发限流、IP封禁、DNS耗尽或连接池打满，且单个失败会中断全部任务；队列实现可控流水线，支持暂停、重试与监控。
-
本文详解最小不可达数（Mex）的概念与实现，重点讲解基于集合查找的Python高效算法，纠正常见语法错误，并提供可直接运行的完整代码及边界情况处理建议。
-
django-axes必须添加AxesMiddleware到MIDDLEWARE且置于AuthenticationMiddleware之后、CommonMiddleware之前，否则无法拦截登录请求；需配置INSTALLED_APPS、数据库迁移及关键参数如AXES_FAILURE_LIMIT和AXES_LOCK_OUT_BY_COMBINATION_USER_AND_IP。
-
TensorBoard直方图不显示参数需检查：是否在tf.function或record_if(True)内调用、变量是否已初始化、file_writer是否正确激活；PyTorch需用.data取值并移至CPU；直方图挤压因尺度差异，应分层命名并配合标准差监控；日志路径需匹配且至少两步数据才显示标签页。
-
闭包是捕获外层变量的嵌套函数，需满足嵌套定义、引用外层局部变量、返回内层函数三条件；装饰器是基于闭包实现的语法糖，用于增强函数功能，常见于缓存、校验、计时等场景。
