-
ljust()方法用于字符串左对齐并填充至指定宽度，默认用空格填充，如"hello".ljust(10)返回'hello'；可指定单个填充字符如"python".ljust(10,'.')返回'python....'；若原字符串长度≥width则不截断，直接返回原字符串，常用于格式化输出。
-
真正节省内存的关键是逐行迭代、即时处理、不累积；用forlineinopen()流式读取，避免readlines()或列表推导式等全量加载操作。
-
在Spyder中切换Python版本即更换其依赖的Python解释器（kernel），需先安装目标版本环境，再通过Preferences指定路径或用ipykernel注册并选择对应kernel，重启Spyder或直接在状态栏切换即可生效。
-
Python中使用base64模块进行编码和解码，核心函数为b64encode()和b64decode()，支持二进制数据与Base64字符串的转换，常用于HTTP传输、数据存储、配置文件等场景；处理URL安全问题时可使用urlsafe_b64encode()和urlsafe_b64decode()，避免“+”和“/”引发的解析问题；性能方面因底层为C实现而高效，优化建议包括减少冗余操作、批量处理和合理设置缓冲区。
-
PythonAPI日志监控需结构化日志、上下文绑定、集中收集与可观测性集成：用JsonFormatter输出JSON，绑定request_id等字段，按环境设日志级别，FastAPI中通过Depends和LoggerAdapter自动注入上下文，重点在入口层、业务主干、外部调用、后台任务埋点，并对接CloudWatch/Loki/ELK等平台实现分钟级问题定位。
-
本文介绍如何利用Pandas内置的pivot()方法，将某列（如Class）中的唯一值动态转化为列名，并将对应另一列（如Rank）的值填充到新结构中，实现“长表→宽表”的高效重塑。
-
Python是动态类型语言，变量无需声明类型，常见数据类型包括int、float、bool、str和None，可用type()查看类型。2.列表[]可变，支持增删改；元组()不可变，可作字典键。3.条件语句用if-elif-else，循环有for（遍历迭代器）和while（条件循环），注意避免死循环。4.函数用def定义，参数有位置、默认、args、*kwargs，可变对象传引用。5.类用class定义，__init__为构造函数，self指实例自身，通过类名()创建对象。
-
FastAPI可通过Accept头或query参数实现单endpoint返回JSON/CVS/XLSX多格式，需匹配Content-Type、Content-Disposition及编码处理。
-
在pytest单元测试中，可通过访问joblib缓存函数的.func属性获取未装饰的原始函数，从而跳过缓存、确保每次执行真实逻辑，避免测试受缓存状态干扰。
-
typing.Protocol是结构类型检查机制，仅在静态类型检查时生效，不生成运行时对象，也不参与isinstance或issubclass判断；需用@runtime_checkable才支持运行时结构校验。
-
局部变量比全局变量快，因Python用LOAD_FAST直接索引栈帧，而LOAD_GLOBAL需遍历模块字典；循环中应避免字符串累加、重复类型检查和冗余索引；生成器适合大数据流式处理，小数据全量消费时反增开销。
-
Python轻量归档系统三大关键：统一命名规则（如CRM_zhangsan_20240520_API接口_v2.xlsx）、按协作者+日期双维度自动分流至/archive/zhangsan/202405/、识别非标文件移入_unsorted/并留日志；配config.json和一键脚本，零代码维护。
-
用pandas.merge()实现左表全保留、右表仅匹配指定列，需设how='left'并提前筛选右表所需列（如right_df[['id','region','target_col']]），再通过on或left_on/right_on精准连接，避免冗余列混入。
-
PythonCI核心是“代码一提交，自动验证”，需分层测试（单元、集成、E2E）、规范流程（检查→环境→测试→反馈）并注重可持续性（防硬编码、内存数据库、标记不稳定测试、数据即代码），建议渐进落地。
-
本文详解Pythonf-string中因引号冲突导致的SyntaxError:f-string:unmatched'['错误，重点说明如何在花括号内安全访问嵌套字典，并提供可直接复用的修复方案与最佳实践。
