-
用方括号[]取值最快但要求键存在，get()方法更安全可防错并设默认值，in关键字用于先判断键是否存在，嵌套字典可用连续[]或链式get()访问。
-
WebSocket断线后需在onclose中手动重连，采用指数退避策略（1s起，上限30s）并限制最大重试次数（如5次），同时发送前校验readyState并缓存未发消息；FastAPI后端无需特殊处理，但会话状态需依赖token和外部存储。
-
本文介绍如何使用Polars的pivot方法，将长格式稀疏数据（id-key-value三列结构）高效转换为宽格式列向量表示，适用于大规模稀疏特征工程场景。
-
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处理大文件应采用流式读取和生成器机制以避免内存溢出：逐行读取文本、分块读取二进制文件、用生成器封装逻辑、借助ijson/xml.etree流式解析结构化数据。
-
Python内置函数分五类：基础数据处理（如print、len、type）、对象与属性操作（如dir、hasattr）、迭代与高阶函数（如range、map）、输入输出与调试辅助（如input、help），共约70个，常用20–30个覆盖多数场景。
-
Python魔术方法是以__开头和结尾的特殊方法，由解释器在特定操作时自动调用，通过协议机制实现自定义行为，无需继承即可生效。
-
自定义异常类需继承Exception类，可添加错误码等属性，通过raise抛出并用try-except捕获，提升错误处理的可读性和维护性。
-
Python求平均值有三种主要方法：一是用sum()/len()，简洁高效但需确保列表非空；二是用statistics.mean()，自动检查空序列且支持多种数值类型；三是用NumPy的np.mean()，适合大规模数值计算和多维数组。
-
本文介绍两种无需负向后查找（negativelookbehind）即可精准匹配“前面不以逗号+任意空白后接换行符”的换行符的正则方案，适用于Pythonre.sub场景，并给出可直接运行的代码示例与原理说明。
-
函数装饰器是Python中通过闭包和语法糖为函数添加功能的技术，使用@符号将装饰器应用于目标函数，等价于将原函数作为参数传入装饰器并接收返回的新函数。装饰器内部通常包含一个包装函数（wrapper），用于在原函数执行前后插入额外逻辑，如日志、计时或权限校验。对于带参数的函数，装饰器需使用args和*kwargs适配任意参数形式；若装饰器自身需接收参数，则采用三层嵌套结构：最外层接收装饰器参数，中间层接收被装饰函数，内层执行包装逻辑并返回结果。典型应用包括计时、缓存、日志记录等，本质是利用函数可作为参数传递
-
SettingWithCopyWarning的核心诱因是链式索引导致pandas无法判断操作对象是视图还是副本；应优先使用.loc一次性完成条件筛选与列定位，或显式.copy()、.assign()等安全替代方案。
-
本文介绍如何在Pandas中对时间-区域分组数据计算每组var的平均值，并按特定顺序（lower升序、upper降序）为每组分配循环编号，以支持后续多边形坐标连接（如绘制上下包络线）。
-
Python爬虫不直接做目标检测，需先用requests+BeautifulSoup等爬取带标签图像数据，再用YOLO等模型训练检测模型。
-
Pydanticv2中推荐用@computed_field实现字段动态计算，该字段只读、运行时计算、不参与初始化和默认序列化；若需存入模型并序列化，则用@field_validator(mode="after")补全字段。
