-
本文介绍两种Pythonic方式重定义内置input函数，使其按顺序返回预设列表中的值，避免使用全局变量和可变状态，兼顾简洁性、可读性与实用性。
-
Python继承与多态是支撑代码复用和灵活扩展的核心机制，继承建立“is-a”关系实现能力承接，多态依托鸭子类型实现同一接口多种行为，二者结合形成“稳定接口+可插拔实现”的可维护扩展结构。
-
tcp_tw_reuse对80端口绑定无效，因其仅作用于主动连接的客户端；服务端bind()受阻主因是端口占用、未设SO_REUSEADDR或本地端口范围受限。
-
多进程适合CPU密集型任务，利用多核并行计算，如数值处理；多线程适合I/O密集型任务，轻量高效，如网络请求。
-
使用Python的turtle库可绘制简化版小猪佩奇，先导入库并画头部圆形，再添加耳朵、鼻孔等细节，接着绘制眼睛、嘴巴和卷曲尾巴，最后用粉红色填充使形象更生动。
-
Python中实现数据广播的核心机制是NumPy的自动扩展规则，它允许形状不同的数组在特定条件下进行元素级运算。具体规则包括：1.维度比较从右往左依次进行；2.每个维度必须满足相等或其中一个为1；3.如果所有维度均兼容，则较小数组会沿大小为1的维度扩展以匹配较大数组。常见陷阱包括维度不匹配导致的错误、对一维与二维数组形状的理解混淆以及广播结果不符合预期的情况。此外，Pandas继承了NumPy的广播机制，并结合索引对齐特性增强了数据操作的直观性，但应尽量使用向量化操作而非apply()方法以保持高效计算。
-
Nextflow中不同进程的容器挂载路径策略不同，导致工作目录内可见文件不一致；scatter进程因输入文件路径较深而自动挂载了更广的父目录，而parallel仅挂载work目录，需通过stageInMode或containerOptions显式统一挂载行为。
-
Python模块加载核心是__import__函数，它实现import语句的查找、加载（执行代码并缓存于sys.modules）、绑定三步机制，并决定相对导入行为依赖__name__和__package__。
-
大对象创建慢的主因常被误判，实际瓶颈多在深拷贝、序列化反序列化或IO加载；应通过tracemalloc定位真实分配点，优先复用、延迟初始化或流式处理。
-
本文介绍如何将包含元组形式列名的DataFrame快速转换为具有双层列索引（MultiIndex）的结构，适用于需要按“主类别-子类别”组织数据的分析场景。
-
Python切片时间复杂度为O(k)，k为结果长度；list/str/tuple切片均创建新对象，range切片为O(1)，自定义类由__getitem__决定，numpy切片通常为O(1)视图。
-
oom_score_adj写入后未生效的根本原因是cgroupv2已启用而操作仍按v1设计：必须先将进程移入目标cgroup，再写入该cgroup内才有效，否则仅作用于默认rootcgroup且不参与OOM决策。
-
Python函数参数通过传对象引用传递，具体行为取决于对象可变性：1.不可变对象（如整数、字符串）在函数内重新赋值不影响原对象；2.可变对象（如列表、字典）在函数内修改内容会影响原对象，但重新赋值则不影响；3.使用默认参数需避免可变对象陷阱，推荐用None替代；4.支持位置参数、关键字参数、args和*kwargs等灵活传参方式。关键在于区分“修改内容”与“重新赋值”。
-
Manager通过启动独立管理进程托管共享对象，其他进程用代理对象发RPC请求操作，每次访问均需IPC，开销大；普通dict/list因进程内存隔离无法直接共享；嵌套结构需显式用manager.dict()创建；操作非原子且性能差，高并发下管理进程成瓶颈。
-
在Flask中使用线程异步执行耗时任务（如模型训练）时，不能直接在子线程中调用render_template()——该函数仅在请求上下文中有效，而子线程无请求上下文，也无法主动响应HTTP请求，因此visualize.html不会被发送给用户。
