-
掌握Pandas核心原理比死记函数更重要，关键在于理解索引对齐、视图与副本、链式操作及内存布局四大底层逻辑，它们决定代码的性能、安全性和可读性。
-
re.M（或re.MULTILINE）是Python正则表达式中用于改变^和$行为的标志，其作用在于让^匹配每一行的起始位置，让$匹配每一行的结束位置。默认情况下，^和$仅分别匹配整个字符串的开头和结尾；启用re.M后，它们将分别匹配每行的开头和换行符之前的位置。例如，在提取每行以特定字符开头的内容时，使用re.findall(r'^\w+',text,re.M)可匹配所有行首的单词。在删除注释行的场景中，通过re.sub(r'^\s*#.*$','',config,flags=re.M)可过滤掉以#开头
-
Python处理日志的核心工具是其内置的logging模块，它提供了一套全面且高度可配置的日志管理框架。logging模块包含四个核心组件：Logger负责产生日志；Handler决定日志输出位置；Formatter定义日志格式；Filter控制日志内容过滤。相比print语句，logging支持多级日志分类（DEBUG、INFO、WARNING、ERROR、CRITICAL），具备线程安全机制，适用于多线程和异步环境。此外，logging模块提供了多种内置Handler，如StreamHandler（输
-
Python操作数据库需通过驱动建立连接并执行SQL，遵循连接、创建游标、执行SQL、提交事务、关闭连接的流程，使用参数化查询防SQL注入，结合try-except-finally管理事务确保数据一致性。
-
Python的threading.Lock底层绑定操作系统原生互斥锁（如pthread_mutex_init或CreateMutex），acquire/release直接操作内核态对象，真正阻塞而非轮询；它不感知GIL，仅保护用户指定共享数据。
-
最直接的方式是使用in操作符检查键是否存在，代码简洁且高效；若需获取值并提供默认值，则推荐dict.get()方法。1.in操作符：最Pythonic，可读性强，性能高，适用于明确判断键是否存在。2.dict.get()：适合需返回默认值的场景，简化逻辑，避免异常。3.try-exceptKeyError：遵循EAFP原则，适用于键通常存在、缺失为异常的情况。平衡三者时，优先考虑可读性与意图表达，性能差异在多数场景下可忽略。
-
必须用ConventionalCommits，因semantic-release等工具依赖feat:、fix:、chore:等前缀自动判定变更类型并生成CHANGELOG和版本号；Python项目需小写前缀+英文冒号空格，范围用具体技术如poetry、black，避免模糊词与废话。
-
Python读写TXT文件需用open()函数配合with语句确保安全，读取可用read()、readline()或readlines()，写入用write()或writelines()，并指定编码防乱码。
-
Python存储数据方式按需求分三类：内存变量适合临时使用但程序退出即丢失；文件（文本/JSON/CSV）实现简单持久化；数据库（SQLite/MySQL/PostgreSQL）支持结构化查询与多用户共享，另有pickle、HDF5、Redis等专用方案。
-
split()用于将字符串按分隔符拆分为列表，默认以空白字符分割，语法为str.split(separator,maxsplit)，可指定分隔符和最大分割次数，不修改原字符串，返回新列表。
-
局部变量访问快是因为通过栈帧的fastlocals数组直接按索引取值，无需字典哈希查找；LOAD_FAST指令对应编译期确定的偏移量，而全局、自由或动态变量需LOAD_GLOBAL/LOAD_DEREF或字典查找，开销更大。
-
Pandasgroupby变慢主因是默认行为导致冗余计算与隐式拷贝；优化需优先用agg指定列和函数、提前过滤投影、转category类型、设as_index=False和observed=True，超大数据改用Dask/Polars/DuckDB。
-
Python深度学习GPU加速核心是确保模型、数据、计算三者统一在CUDA设备上；需先验证GPU可用性，再手动迁移张量，配合混合精度、合理batchsize及避免隐式CPU切换以提升效率。
-
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。
-
mamba可将conda环境解析从数分钟缩短至1~5秒，因其采用libsolvSAT求解器替代conda的纯Python暴力搜索，并支持默认20线程并发下载，速度提升3~5倍。
