-
迭代器是实现__iter__()和__next__()方法的对象，生成器是含yield的函数或生成器表达式创建的特殊迭代器；二者均惰性计算，节省内存。
-
pytest做接口和UI自动化测试的核心是分层设计、统一断言、驱动复用与环境隔离；需按职责划分目录结构，封装ApiClient和PageObject，标准化断言与报告策略。
-
本文介绍使用scipy.integrate.quad_vec对每个元素均为关于同一变量的函数的矩阵值函数（即：输入为标量、输出为固定形状矩阵）进行高效、准确的逐元素数值积分，避免手动循环或错误的矢量化尝试。
-
最简可用Locust脚本需继承HttpUser、用@task装饰实例方法、通过self.client发请求并设host和headers；压测时应从小users/spawn-rate起步，关注RPS与响应时间曲线，结合服务端监控定位真实瓶颈。
-
get_type_hints()需作用于类对象（如B）而非实例（如b），才能递归解析父类注解；直接传入实例将仅返回该实例所属类的直接注解，忽略继承链。
-
delattr不会释放内存，仅从实例字典中移除属性名引用；它不触发垃圾回收，也不等价于del变量，常见于动态删除运行时生成的属性名。
-
元组和列表最核心的区别在于：元组是不可变对象，列表是可变对象。这意味着一旦创建，元组的元素不能被修改、添加或删除；而列表支持增删改查所有操作。这个“不可变性”不是语法限制，而是由Python对象模型决定的底层行为。不可变≠不能包含可变对象元组自身不可变，指的是它的元素个数和每个位置绑定的对象引用不能变。但它完全可以包含列表、字典等可变对象：t=([1,2],{"a":3})是合法元组t[0].append(3)可以执行——修改的是内部列表，元组指向该列表的引用没变
-
pandera更轻量、Pythonic，适合快速校验DataFrame结构；great_expectations功能全但配置重，适合需审计、报告和复杂编排的场景。
-
Flask默认日志不写入文件是因为开发服务器仅输出到stderr且未配置文件handler；生产环境日志更易被WSGI接管或丢弃。常见问题包括basicConfig失效、日志仅显示在终端、重启后文件为空及多进程错乱。根本原因是app.logger是独立实例，不继承rootlogger配置，且Flask启动时已添加StreamHandler，basicConfig仅在root无handler时生效；同时若未显式设置日志级别，WARNING以下消息会被过滤。可靠写法是直接为app.logger添加Rotati
-
hatch默认不识别monorepo子包，需显式配置workspace.members；poetry需子包声明include才能安装；二者运行命令时工作目录策略不同，CI中应显式指定--cwd。
-
用pathlib处理文件路径，比拼接字符串或调用os.path更直观、更安全，也更符合现代Python风格。它把路径当作对象来操作，支持链式调用和面向对象语法，跨平台兼容性好，代码可读性高。创建和解析路径对象用Path类直接构造路径，自动适配操作系统分隔符（Windows用\，Unix/macOS用/）：frompathlibimportPathp=Path("data")/"raw"/"input.csv"——使用/运算符拼接，清爽自
-
优先选OvRClassifier（如LogisticRegression）或OvOClassifier（如SVC），依据是基模型是否支持predict_proba或仅依赖decision_function；类别数≤4时倾向OvR，>6且样本量大时OvO泛化更稳。
-
本文详解如何用os.walk()正确扫描目录树、匹配文件扩展名并返回绝对路径，重点解决路径错误、工作目录不匹配导致“找不到文件”的常见问题，并提供可直接运行的健壮示例代码。
-
本文详解如何利用fastkde库对一维数据集估计概率密度，并精准获取指定位置（而非网格）处的密度值，重点介绍pdf_at_points函数的正确用法与注意事项。
-
定位加密参数生成位置需先在Network面板对目标请求设fetch/XHR断点，从调用栈向上找到getSign()等函数；Python复现时须逐段验证中间值，注意编码、时间精度及上下文依赖。
