-
Python3.9+推荐直接用list[str]、dict[str,int]等内置泛型类型注解，typing.List等已弃用；Optional[T]可写作T|None；Union与|行为有差异；Literal限字面值，Final防意外重赋值；Protocol实现结构化鸭子类型。
-
本文深入剖析自定义mymax函数在字符串比较中结果“不一致”的根本原因，指出其混淆了字典序比较与长度比较两种语义，并提供符合Python内置max()行为的健壮实现方案，支持任意可迭代对象及key参数。
-
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。
-
在DjangoAdmin中保存模型时，可通过重写ModelAdmin的save_model方法，在首次创建对象时自动记录当前登录用户到指定字段，避免request.user为空等问题。
-
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。
-
本文介绍如何将包含多个结构相似（即键集相同）字典的列表，按键集合自动分组，并将每组内各字段值聚合成列表，最终生成结构化的新字典列表。
-
Python字符串不可变，+拼接需频繁新建对象，n次拼接产生n-1次拷贝，时间复杂度近O(n²)；循环中+=性能断崖下跌，应改用list.append()+"".join()。
-
结论：优先用dropna而非fillna，当缺失值本身是有效信号（如设备离线）、填充会扭曲计算逻辑（如t检验）或导致分布失真（如高缺失率分类变量）时必须dropna。
-
Python3.10+推荐用T|None，兼容旧版本（≤3.9）必须用Optional[T]；混用会导致语法错误；函数参数默认为None时类型必须显式包含None。
-
Python统计元素频率最常用collections.Counter，它简洁高效且是dict子类，支持自动计数、most_common()、安全访问和算术运算；小数据量可用defaultdict(int)或字典get()/setdefault()；数值型数据推荐NumPy的np.unique()或Pandas的value_counts()。
-
Django表单验证逻辑定义在Form类的clean_fieldname或clean()方法中，调用form.is_valid()时按字段内置校验→clean_fieldname→clean()顺序执行；跨字段校验须在clean()中进行，手动报错用raiseValidationError；ModelForm外键需显式声明于fields中或视图中赋值；blank与null语义不同，空字符串需在clean中strip并校验。
-
Python性能压测核心是模拟真实并发、监控QPS/响应时间/错误率/资源占用并分层定位瓶颈；首选Locust工具，支持脚本化场景设计、分布式压测及Web界面控制，需结合服务端psutil/Prometheus监控与数据库慢查分析，按网络→应用→依赖→系统顺序排查。
-
Python内存泄漏主因是程序逻辑导致对象无法及时回收，常见于全局缓存未清理、回调未解绑、循环引用配合__del__及弱引用使用不当；应检查全局容器、用WeakValueDictionary、加清理策略、确保回调解绑、避免__del__、用tracemalloc等工具定位引用链。
-
dropna(subset=[...])不删含NaN的行，因它仅识别np.nan、None、NaT为缺失值，不处理空字符串、字符串'NaN'或float('nan')；需先replace转换或改用布尔索引。
-
核心原因是默认连接池和超时策略不适用代理探测场景，需严格控制并发、设置单独超时、捕获异常、禁用DNS缓存、校验代理格式、分批执行、及时释放响应、选用合适检测地址并放宽判断逻辑。
