-
如何用pytz处理时区转换？1.安装并导入pytz，使用pipinstallpytz，并通过fromdatetimeimportdatetime和importpytz导入模块；2.创建带有时区信息的时间，使用pytz.timezone()获取时区对象并通过datetime.now()创建“aware”时间，或通过.localize()方法为naive时间添加时区；3.在不同时间区间转换，通过.astimezone()方法实现时区切换，pytz会自动处理夏令时变化；4.注意事项包括避免使用datetime.
-
Apollo客户端初始化失败主因是未显式指定config_server_url；配置热更新需调用client.start()并禁用备用配置；namespace区分大小写且需后台授权；并发调用应启用本地缓存并批量获取。
-
必须设random_state，且需在train_test_split、模型初始化及交叉验证等所有随机环节统一设置整数种子，并配合PYTHONHASHSEED=0和固定NumPy版本才能确保完全复现。
-
Python位数可通过platform.architecture()直接判断，如('64bit','WindowsPE')为64位；struct.calcsize("P")返回8为64位、4为32位；sys.maxsize为9223372036854775807则为64位。
-
float('inf')在浮点语义上大于sys.maxsize，但二者类型、语义和底层表示均不同，不可混用：前者用于浮点/通用比较场景（如算法极值初始化），后者用于整数上下文。
-
Python类设计核心是单一职责，即每个类只做一件事并做好；职责边界指类应承担的行为与数据范围，需通过影响范围、存储替换成本和测试便捷性三问判断；常见越界行为包括模型类发HTTP请求、业务类生成HTML、硬编码日志监控等，应拆分服务、分离数据与展示、用装饰器或中间件解耦；可用Protocol或ABC声明依赖协议，优先组合而非继承以增强灵活性与可测性。
-
Python配置分层设计核心是隔离开发、测试、生产环境参数，典型结构为base.py（通用配置）、dev.py/prod.py（环境特化）、运行时加载逻辑；通过环境变量驱动加载、敏感信息仅由环境变量注入、启动前校验配置、本地用.env（gitignore）、CI/CD用平台密钥服务。
-
groupby后不能直接调用sample()，因DataFrameGroupBy对象无该方法；须用apply包裹，如df.groupby('category').apply(lambdag:g.sample(n=2))，并注意索引、小分组兜底及性能优化。
-
在解析PE文件等二进制格式时，直接调用.decode()易因非法字节序列触发UnicodeDecodeError；本文介绍结合异常捕获、编码策略与容错命名的稳健解码方案，并提供可直接复用的工业级处理代码。
-
根本原因是LOCATION格式错误或Redis不可达导致Django静默降级到LocMemCache；需用redis://127.0.0.1:6379/1格式、确保服务可达、清理错误OPTIONS，并开启DEBUG日志验证连接。
-
函数本身线程安全，但访问共享可变状态（如全局变量、类属性）会导致竞态；需用Lock同步、threading.local隔离或避免共享。
-
__init_subclass__是最干净的子类自动注册方式，它在子类定义完成时触发，支持传参指定注册键名，无运行时开销，且不干扰继承链。
-
重构前必须补全测试用例，以通过测试而非人眼比对保障行为一致；需覆盖正常路径、异常分支、副作用三类场景，并验证签名、文档示例、类型提示及隐式行为差异。
-
global关键字用于在函数内修改全局变量，避免Python将其误判为局部变量。如计数器示例中，需用global声明以修改外部count变量；否则会因作用域冲突引发错误。同时，可借助nonlocal处理嵌套函数的外层变量，或通过参数传递、返回值、类封装等更优方式管理状态，减少global带来的耦合与副作用风险。
-
drop默认不修改原数据，需inplace=True或赋值；删多列须用列表；axis=1不可省略；del可原地删单列但无条件筛选功能。
