-
Python并发异常处理需按执行模型分层设计：线程异常须主动捕获并经Queue等传递；进程异常依赖exitcode或Future接口；asyncio中Task异常需显式检查exception()；通用策略强调状态隔离、幂等重试与显式超时。
-
read_csv无法直接读取加密CSV，因其无解密能力；需先按加密类型（ZIP密码、AES、Base64）用对应方式解密，再正确编码（如utf-8-sig或gb18030）并转为StringIO传入。
-
requests代理只生效一次是因为每次请求都是新会话，需显式传proxies参数；正确做法是每次请求传proxies或新建Session并设置其proxies属性（不可直接修改只读字典）。
-
create_text的坐标默认是中心点而非左上角；需设anchor='nw'才使x/y对应左上角，字体须用元组如('MicrosoftYaHei',12)，动态更新应先delete再create并存ID为实例属性。
-
flush刷新的是缓冲区里的待写入数据，确保print或write的数据立即发送至文件、终端或网络，而非延迟等待缓冲区满或程序结束。
-
lambda表达式用于创建匿名函数，语法为lambda参数:表达式，适用于map、filter、sorted和reduce等场景，如list(map(lambdax:x**2,[1,2,3,4]))返回[1,4,9,16]，list(filter(lambdax:x%2==0,[1,2,3,4,5,6]))返回[2,4,6]，sorted([('Alice',85),('Bob',90)],key=lambdax:x[1])按成绩升序排列，reduce(lambdax,y:x+y,[1,2,3,4])计算
-
set交集比in循环快，根本原因是set的&运算基于哈希表，平均O(min(m,n))；而list/tuple的in每次O(n)，嵌套成O(m×n)。必须两边都是set才触发C层哈希优化，否则回退慢路径。
-
Python中pickle和json都能实现对象序列化，但适用场景、能力边界和安全特性差异极大，不能简单互换。功能覆盖：pickle支持任意Python对象，json只支持基础数据类型pickle是Python原生序列化协议，能处理函数、类实例、嵌套自定义对象、带循环引用的结构等。例如：序列化一个包含方法、属性和内部状态的类实例（如datetime.datetime.now()）保存带有闭包的lambda函数（虽不推荐，但技术上可行）正确处理对象间相
-
Redlock在Python中不应直接使用PyPI的redlock-py，因其未遵循修正建议、存在竞态漏洞；应手写核心逻辑或选用经审计的redlock-python0.3.x分支，且必须校验有效节点数、补偿时钟漂移、独立连接池、Lua安全解锁。
-
本文介绍如何在Python中定义一个函数，使其能接收任意类型的元素和由该类型元素组成的列表，并通过类型检查确保列表中所有元素与输入元素类型一致。
-
delattr删除不存在属性会抛AttributeError，应先用hasattr检查或直接try/except捕获；delattr支持字符串属性名实现动态删除，而delobj.attr仅支持硬编码名称。
-
本文介绍如何在PythonGUI应用中通过依赖注入（DI）替代全局回调变量，实现ui_theme与cards_page模块间的松耦合通信，提升可测试性与可维护性。
-
ClusterSpec是TensorFlow分布式训练的拓扑描述对象，用于定义集群中各任务的角色（ps/worker）、主机名和端口；不能直接写死IP地址，因其易变、端口易冲突、环境差异大，且会导致连接失败、配置不一致等问题。
-
梯度累积不能直接增大batch_size，因为optimizer.step()会清空梯度并更新参数；正确做法是分多次小batchbackward，累计梯度后按周期调用step()和zero_grad()，且loss需除以累积步数。
-
PyMySQL需用mysql+pymysql://连接字符串，驱动名严格为pymysql；启用pool_pre_ping=True检测连接有效性；中文需连接字符串加?charset=utf8mb4并配置MySQL服务端及表字符集。
