-
普通dataclass的hash为False，因为Python默认生成的__hash__为None；即使设hash=True，含可变字段（如list）时也会被静默忽略，因哈希值需在对象生命周期内恒定。
-
最直接有效的解法是让「刚写完就查」的SELECT显式路由至主库，在请求粒度精准控制数据源为master_db，避免依赖延时、锁或全局开关，并辅以1.5秒本地缓存兜底。
-
必须先创建.venv是因为全局pipinstall会导致所有项目共享site-packages，引发版本冲突；而python-mvenv.venv可生成完全隔离的Python环境，确保依赖互不干扰。
-
典型现象是Flask应用长时间空闲后首次请求报OperationalError(2013,'Lostconnection...')，本质为MySQL服务端主动断连而SQLAlchemy连接池未感知；须同时配置pool_pre_ping=True（每次取连接前探活）和pool_recycle=3600（设为比wait_timeout小至少10秒）才可靠。
-
Scrapy是Python中高效抓取网页数据的流行框架，适合各类爬虫项目。首先在虚拟环境中创建并激活环境，使用python-mvenvscrapy_env命令创建，再根据系统运行相应激活命令。接着执行pipinstallscrapy安装框架，并通过scrapyversion验证安装成功。然后使用scrapystartprojectmyspider创建项目，生成标准目录结构，包含spiders、items.py和settings.py等核心文件。进入spiders目录后，运行scrapygenspidere
-
直接索引arr[index_array]是最简单可靠的高级索引方式，按index_array顺序提取元素，结果形状与索引数组一致；np.take()适用于需显式控轴、处理越界或提升兼容性/可读性场景。
-
async/await不等于自动并行，单个await默认串行等待，需用asyncio.gather()或create_task()显式并发；同步代码中直接调用async函数不会执行；漏await会返回协程对象而非结果；asyncio.sleep()默认不响应中断，需额外处理。
-
本文介绍一种通用、健壮的Pandas数据合并方法：将主表df1与关联表df2按ID列（IDL1或IDL2）匹配，并仅保留Orig/Dest与Orig2/Dest2组合不一致的记录，最终注入Orig2、Dest2、DayL等字段。
-
使用--no-cache-dir参数可缓解pip安装时的MemoryError，它禁用本地缓存以减少磁盘I/O和临时内存压力，但不降低编译过程本身的内存占用，需配合--no-deps、--find-links等参数及环境变量PIP_DISABLE_PIP_VERSION_CHECK=1协同优化。
-
为什么del之后内存不立即释放？Python的内存回收依赖引用计数+垃圾收集器（gc），del只是减少引用计数，并不保证立刻归还内存给操作系统。尤其当对象被循环引用、或位于大容器中未被完全清理时，gc.collect()也未必能马上触发释放。实操建议：用sys.getsizeof()查对象本身内存（不含子对象），配合obj.__dict__或vars()检查大字段；不要只看del是否执行成功对已知生命周期的大型数据结构（如临时DataFrame、缓存字典），显式调用gc.
-
答案：Python3.5可在Windows、macOS和Linux上安装。Windows用户从官网下载安装包并勾选添加到PATH；macOS建议使用官方安装包或Homebrew安装；Linux（Ubuntu）可通过deadsnakesPPA安装。安装后通过python3.5--version验证，建议用于旧项目维护。
-
.pyc文件是Python源码编译生成的字节码缓存文件，仅用于加速模块导入；它非必需，不跨版本兼容，仅在import时生成，存于pycache中并受magicnumber校验。
-
join基于索引对齐合并，需索引类型一致且值匹配；merge通过left_index/right_index参数支持索引合并，更灵活但需注意参数完整性。
-
self是当前实例的引用，用于访问实例属性和方法；Python自动将实例作为第一个参数传入，self并非关键字而是约定名称，通过它可操作对象状态，确保方法能正确作用于具体实例。
-
permutations返回迭代器而非列表，需用list()转换或遍历才能查看结果；支持r参数指定排列长度；不自动去重，含重复元素时需手动处理；可接受字符串、元组等可迭代对象，但传字典仅迭代键。
