-
Python多线程无法加速CPU密集型任务，因CPython的GIL强制单线程执行字节码；仅I/O密集型任务适用threading，CPU密集型必须用multiprocessing或ProcessPoolExecutor。
-
推荐使用pyproject.toml（PEP517/518），setup.py仅兼容；必填字段包括name、version、description、readme、requires-python；必须用PyPIAPItoken而非密码，上传前需执行python-mbuild、twinecheck、本地pip安装三步验证。
-
os.environ返回的是os._Environ实例，继承自MutableMapping，非dict或MappingProxyType；支持字典操作但底层为C封装，读写实时同步至C运行时。
-
PydanticV2的model_validate比V1的parse_obj快1.5–2.8倍，实测10万条5层嵌套数据耗时1.32svs3.47s，主因是改用typing.Annotated和编译式验证逻辑。
-
Python抽象类的核心价值在于表达设计意图、降低协作成本、保障系统可扩展性：它通过语法契约明确接口责任，支持开闭原则，封装共性逻辑，并为类型检查提供可靠锚点。
-
事件循环通过_ready队列调度Task，协程需显式创建Task或await才执行；asyncio.sleep(0)注册回调实现让权；I/O与定时器由selector和最小堆协同处理。
-
RedisSETNX不能直接当分布式锁用，因其无过期机制且SETNX+EXPIRE非原子操作，易致死锁；需用SETkeyvalueEXsecondsNX命令，并配合唯一value、Lua校验释放、连接池等保障安全性。
-
普通KMeans在大数据上慢因每次迭代需全量计算距离，时间复杂度O(n×k×d)且内存占用高；MiniBatchKMeans通过小批量采样加速，配合标准化、合理batch_size、max_iter、reassignment_ratio及n_init=3重试可提速4–6倍，inertia偏差<3%。
-
defusedxml不能直接用于asyncio因为其解析器均为同步阻塞式，会阻塞eventloop；需通过run_in_executor或to_thread在线程池中执行以实现真正并发，同时保留XXE等防护能力。
-
Python构建RESTfulAPI应首选FastAPI，因其自动OpenAPI文档、Pydantic校验和async支持；Flask适用于轻量或存量项目但须补全校验；务必禁用调试模式、遵循HTTP语义、分层认证授权、用Pydantic防御注入等攻击。
-
企业模型调优是围绕业务目标、数据质量、部署约束和迭代机制的工程化闭环，核心是保障模型在真实场景中持续稳定发挥价值。需明确业务导向的调优目标与线上评估口径，分层诊断数据、特征、模型问题，按阶段选择适配手段，并建立含分布监控、影子模式、模型卡片的可持续机制。
-
模块化编程通过拆分功能提升代码可维护性和复用性：一、创建.py文件作为模块并用import导入；二、使用from...import精确导入所需函数；三、将多个模块放入含__init__.py的目录形成包；四、利用__name__=="__main__"控制模块执行行为。
-
Python中and和or的优先级低于所有比较运算符（如==、!=、>等），因此比较运算符先于and/or计算。
-
本文详解如何在Pandas中安全、可靠地使用嵌套元组（如("foo",("spam",))）构建MultiIndex，并避免.loc赋值时意外创建新列或触发形状错误，核心在于显式指定索引/列维度。
-
pytest显示完整diff需同时满足：使用-vv参数、对象为内置容器或支持序列化的类型（如dataclass）、pytest版本≥7.0；否则退回单行AssertionError。
