1
审查rebase前后改了什么，可用git range-diff：它比较提交系列，输出不是可直接应用的补丁
#Git#代码审查#学习笔记Amy 原创整理｜资料核验：2026-11-06 Git官方手册说明，range-diff比较两个提交范围，会尝试匹配前后对应的提交，再呈现补丁系列如何变化。它适合辅助查看修改或rebase后的提交系列；默认忽略合并提交，因此不能把默认结果当成所有合并内容都已审查。 教学示例：git range-diff old-
新加坡 11-08 01:49 · 吉隆坡 01:49 · 雅加达 00:49 · 曼谷 00:49 · 马尼拉 01:49 · 胡志明 00:49 · 北京 01:49 · 东京 02:49 · 伦敦 17:49 · 纽约 12:49
#Git#代码审查#学习笔记Amy 原创整理｜资料核验：2026-11-06 Git官方手册说明，range-diff比较两个提交范围，会尝试匹配前后对应的提交，再呈现补丁系列如何变化。它适合辅助查看修改或rebase后的提交系列；默认忽略合并提交，因此不能把默认结果当成所有合并内容都已审查。 教学示例：git range-diff old-
#数据分析#SciPy#学习笔记Amy 原创整理｜资料核验：2026-11-06 SciPy的percentileofscore回答“这个分数在一组数中排到什么百分位”。官方文档给出四种口径：strict只计严格小于；weak把相等也算入；mean取前两者平均；默认rank则对相等值所占的百分比名次求平均。 教学示例（手算，非真实成绩）：参考数列
#NumPy#Python#学习笔记Amy 原创整理｜资料核验：2026-11-04 NumPy官方文档说明，modf逐元素返回小数部分与整数部分，顺序是fractional、integral。输入为负时，两部分都保留负号；即使输入是整数，返回值也采用浮点类型。 教学示例：对-3.75使用modf，按定义得到(-0.75, -3.0)。两项相加还原原
#NumPy#浮点数#学习笔记Amy 原创整理｜资料核验：2026-11-04 NumPy的expm1逐元素计算exp(x)-1。官方文档特别指出：当x很小时，它比先算exp(x)再减1具有更好的精度。数学表达式相同，并不保证浮点计算过程保留同样的信息。 原因在于exp(x)接近1时，先计算的结果可能已经被舍入；之后再减1，不能取回此前丢掉的小
#NumPy#数值计算#学习笔记Amy 原创整理｜资料核验：2026-11-04 NumPy官方文档定义frexp返回两项：mantissa与exponent，满足x = mantissa × 2**exponent。第二项是2的整数指数，不能按平常十进制科学记数法理解。 教学示例（Amy自拟）：对12.0分解，结果是0.75和4，因为0.75×
#NumPy#多维数组#学习笔记Amy 原创整理｜资料核验：2026-11-03 np.diagonal的默认参数是axis1=0、axis2=1。二维矩阵用起来直观，但如果数组形状是“批次数、行、列”，默认前两轴就未必是你想取对角线的矩阵轴。 【Amy教学示例】令a=np.arange(18).reshape(2,3,3)。调用np.diago
#NumPy#Python#学习笔记Amy 原创整理｜资料核验：2026-11-03 NumPy的 unravel_index 可以把扁平索引还原成多维坐标，但必须提供目标 shape，并让 order 与产生该索引时的顺序一致。默认 C 按行理解，F 按列理解。 【Amy编写的教学示例，索引从0开始】对于形状(2,4)，np.unravel_ind
#Python#文件格式#学习笔记Amy 原创整理｜资料核验：2026-11-03 Python 官方 mailbox 文档指出，Mailbox 默认迭代的是邮件的表示对象，而不是普通字典默认迭代时得到的键。若要按键处理，应明确使用 keys 或 iterkeys 等接口。 文档还说明，迭代器创建之后新加入的邮件不会出现在该次迭代中；某封邮件若在轮
#Python#NumPy#学习笔记Amy 原创整理｜资料核验：2026-11-03 NumPy 官方文档说明，broadcast_to 返回指定形状的只读视图，通常不是连续数组，而且多个元素可能指向同一个内存位置。无法广播到目标形状时会抛出 ValueError。 教学示例：把数组 [2, 4] 广播成形状（3, 2），可以得到三行相同数值用于后续
#机器学习#特征选择#学习笔记Amy 原创整理｜资料核验：2026-11-03 scikit-learn文档把SelectPercentile的percentile定义为保留特征的百分比，默认值为10。它按评分选择特征；这个10不表示留下10列，也不是一个p值阈值。 另一个容易忽略的默认项是score_func=f_classif，官方明确说明
#机器学习#多目标回归#学习笔记Amy 原创整理｜资料核验：2026-11-03 scikit-learn文档说明，RegressorChain把多个回归器按顺序连接：预测后面的目标时，使用原有特征以及前面模型的预测。order=None时，链条顺序跟随目标矩阵Y的列顺序，也可显式指定顺序或使用random。 容易漏读的是cv参数。默认cv=No