-
clear()清空列表元素但不改变对象地址，所有引用同步变空；而my_list=[]是创建新对象并重绑定变量，原列表若被其他变量引用仍存在。
-
Python输出小数主要通过格式化控制显示位数与四舍五入，推荐f-string（如f"{3.14159:.2f}"），其次format()和%格式化；格式化仅影响显示，不改变float固有精度，精确计算需用decimal模块。
-
rolling.std()是Pandas中计算移动标准差的最直接方法，默认按样本标准差（ddof=1）计算，需指定整数窗口大小，支持时间偏移量（列须为datetime64），对缺失值敏感，结果受min_periods和ddof组合影响显著。
-
最可靠方式是检查响应HTML中是否存在仅登录后才有的特定DOM元素，如<divclass="profile-header">，而非依赖HTTP状态码；若用requests+BeautifulSoup未找到该元素，则登录态已失效。
-
IsolationForest可有效识别时序业务离群点，需构造多维特征、合理设contamination、标准化预处理，并结合状态机、SMTP邮件、APScheduler实现稳定报警闭环。
-
aiomonitor启动报错RuntimeError的根本原因是未在运行中的事件循环内调用start()；必须在asyncio.run()或loop.run_until_complete()驱动的协程中启动，且需确保事件循环已启动但未run_forever()。
-
用psutil.Process(os.getpid()).memory_info().rss可准确获取Python进程真实内存占用（RSS），避免sys.getsizeof()等仅统计Python对象的局限；需每1–5秒采样，结合斜率与GC回落判断泄漏，多进程须独立监控，C扩展内存需依赖RSS趋势识别。
-
本文详解为何openpyxl无法实时捕获Excel活动单元格，并提供三种可靠替代方案：使用pyperclip提升剪贴板操作稳定性、借助pywin32通过COM接口实时读取Excel活动单元格，以及用openpyxl安全读取指定单元格——兼顾准确性、实时性与跨平台兼容性。
-
用@cache.cached可缓存视图函数返回值，需先初始化cache实例并调用init_app；支持timeout和key_prefix控制缓存时长与键前缀，自定义make_cache_key精细控制缓存粒度；清除缓存需用cache.delete或cache.clear，避免数据不一致。
-
引用计数无法解决循环引用，因互相持有引用导致计数永不归零；CPython依赖gc模块通过分代回收检测并清理容器型对象的循环引用，而不可变类型等不受GC管理。
-
必须用@transaction.atomic当一组数据库操作需原子性执行，任一失败则全部回滚；它确保数据一致性，避免脏数据，适用于视图或管理命令，不可用于模型方法或异步视图。
-
Python无真正访问控制，双下划线触发可预测的名称改写以避免子类冲突，单下划线仅为约定，运行时限制需手动实现。
-
必须先创建.venv是因为全局pipinstall会导致所有项目共享site-packages，引发版本冲突；而python-mvenv.venv可生成完全隔离的Python环境，确保依赖互不干扰。
-
<p>TaskGroup会自动取消其余任务，gather默认不会；TaskGroup用asyncwith管理生命周期，抛出ExceptionGroup并需except*捕获，而gather无语法约束、异常不聚合、需手动处理返回值。</p>
-
不能只靠X-User-ID，因其易缺失、伪造或未透传；应优先用X-Gray-Flag，其次Cookieuser_id取模分桶，并加业务指标兜底（如rerank_score_mean降超0.15），且灰度与AB分流逻辑需严格区分。
