-
dotenv加载失败主因是load_dotenv()未调用或时机过晚，需置于入口文件顶部；跨目录需显式指定路径；pydantic-settings提供类型校验与默认值但启动较慢，应延迟初始化。
-
schedule不适合长期运行，因其无后台线程或事件循环，需持续调用run_pending()；APScheduler适合I/O密集型任务但需显式启停；aioschedule适配异步服务但要求全异步；Linux下cron+systemd最稳定，需自行处理日志、锁和环境。
-
括号()优先级最高，其次是属性访问.，然后是指数运算；()是语法结构而非运算符，强制改变求值顺序；.左结合且优先级(15)高于(14)；唯一右结合，故abc等价于a(b**c)。
-
Python中exp函数用于计算e的x次方，主要通过math模块和numpy模块实现；math.exp()适用于单个数值，如math.exp(2)返回约7.389；而numpy.exp()可处理数组或列表，支持逐元素计算，适合批量数据处理；注意math.exp()仅接受实数，不支持列表或复数，传入非法类型会报错；对于非自然常数的幂运算，应使用pow(a,x)或a**x；选择合适方法取决于数据类型与使用场景。
-
Python类型检查是渐进式的，允许选择性添加注解，mypy仅严格校验有注解代码，未注解部分默认跳过或宽松推断，支持混合风格代码库与可调节的检查强度，且兼容Python动态特性。
-
Python常用IDE有PyCharm（专业开发首选，分免费Community版和付费Professional版）、VSCode（轻量灵活，扩展丰富）、Thonny（新手友好，教学向）和JupyterLab/VSCode+Jupyter（数据科学主力），选择需匹配使用场景。
-
在Python中，while循环用于在满足特定条件时反复执行代码块，直到条件不再满足为止。1)它适用于处理未知次数的重复操作，如等待用户输入或处理数据流。2)基本语法简单，但应用复杂，如在猜数字游戏中持续提示用户输入直到猜对。3)使用时需注意避免无限循环，确保条件最终变为假。4)虽然可读性可能不如for循环，但在动态改变循环条件时更灵活。
-
PostgreSQL中insert().on_conflict_do_update()不返回行数，需用RETURNING子句配合fetchall()计数；MySQL依赖rowcount（需exec_driver_sql）；SQLite用changes()；ORM中避免merge()，应使用returning()。
-
在Python中捕获ANSI彩色输出需模拟TTY环境或绕过终端检测：一、用script命令创建伪终端；二、设环境变量如LS_COLORS=1并加--color=always参数；三、Linux/macOS用pexpect.spawn分配PTY；四、Windows用winpty封装；五、合并stdout与stderr流。
-
Python阻塞I/O会使线程空等，降低CPU利用率与响应速度；虽释放GIL但无法真正并行，需用asyncio、多进程、超时控制或线程池缓解。
-
选实例方法、类方法或静态方法取决于操作对象：需访问实例数据用实例方法（带self）；需操作类本身用类方法（@classmethod，参数cls）；完全独立则用静态方法（@staticmethod）。
-
答案：通过切片、索引或列表推导式可处理列表部分元素。示例：lst[:3]提取前3个元素；lst[1:5]取第2至第5个；lst[::2]隔一个取一个；lst2:6反转部分；可通过索引修改特定位置；结合循环处理多个指定索引；使用列表推导式按条件操作，如[x*2ifi<4elsexfori,xinenumerate(lst)]将前4个元素翻倍。
-
核心是用直方图+KDE判断分布形态，箱线图识别异常与偏态，小提琴图对比多组分布，CDF图精确比较差异；需据数据量和目标灵活组合2–3种，并规范标注。
-
pandas是Python数据处理最常用高效的工具，核心对象为Series和DataFrame；支持多种格式读写、数据清洗、筛选聚合等全流程操作。
-
NLP异常检测核心是语义、分布、行为三层偏离识别，需以句向量构建动态健康基线，融合统计/生成/业务规则多信号，结合动态阈值与归因解释实现闭环校准。
