-
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。
-
print是临时调试手段，logging是可配置、可持久、可分级的正式日志工具；核心区别在于输出目标、级别控制、格式化能力及生产环境适应性。
-
Python函数名必须用小写字母加下划线（snake_case），模块名须全小写、无特殊字符且不与内置名冲突，避免双下划线非init文件。
-
zip本质是拉链式配对，按位置将多个可迭代对象打包为元组，不自动解包字典；传入字典时默认遍历其键，需显式用keys()/values()/items()视图才能正确参与并行遍历。
-
set去重丢顺序且不能放列表，因依赖哈希判断相等性：元素须可哈希（immutable），列表可变不可哈希；Python3.7+dict有序但set仍不保证插入顺序。
-
os.path.getctime返回的是文件创建时间（Windows）或inode元数据最后修改时间（macOS/Linux），非跨平台一致；需用time.ctime()或datetime.fromtimestamp()转换，注意时区；Linux/ext4等不存创建时间，无标准跨平台方案。
-
本文介绍如何在不使用显式循环的前提下，对二维数组按第三行索引分组，高效提取每组中第一行的最大值及其对应第二行的关联数值。核心方案是利用np.lexsort对数据进行稳定排序与布尔掩码组合，实现原子级向量化操作。
-
Python列表核心原理是动态数组实现、引用存储机制、可变对象特性；底层为连续内存的动态数组，扩容有代价；存储对象引用而非值本身；作为可变对象，函数传参默认传引用。
-
新手学Python做AI应先会用再懂原理，聚焦跑通模型解决小问题；精简技术栈为Python+NumPy+Pandas、Scikit-learn、PyTorch三件套；以实战项目驱动，从抄代码到改再到创；注意环境隔离、数据形状和GPU调用三大避坑点。
-
asyncdef中含yield即为异步生成器（async_generator），非协程，须用asyncfor消费，不可await、list()或next()；yield不挂起，await才挂起；不支持同步迭代，且不可重用。
