-
函数是独立可调用对象，方法是绑定在对象上的函数；函数直接调用如greet("Alice")，方法需通过对象调用如d.bark()，关键区别在于调用方式及是否隐含绑定对象参数。
-
pytest通过扫描目录、导入测试文件并AST解析来收集test_*函数，import失败则静默跳过；scope决定fixture生命周期但受conftest层级影响；parametrize与yieldfixture冲突因执行阶段不匹配；mock.patch需作用于引用位置而非定义位置。
-
df.plot.scatter()画不出图的主因是matplotlib后端未正确配置或未调用plt.show()；x/y参数须为列名字符串，颜色大小等需用列名或标量，返回Axes对象。
-
遇到UnicodeDecodeError说明文件是GBK编码，Python默认UTF-8读取导致报错；应优先试encoding='gbk'读取，再用pathlib批量转码为UTF-8，注意过滤文件类型、避免覆盖、处理路径和异常。
-
df.plot.hist()不显示图形的主因是未触发Matplotlib渲染，Jupyter中需省略分号，脚本中须加plt.show()；多列默认叠加导致重叠，应指定单列或调整alpha；bins仅为建议值，严格控柱需用np.arange；中文乱码需预设字体。
-
原子组的实际作用是避免不必要的回溯，提升正则表达式的匹配效率和稳定性。1.它通过语法格式(?>匹配内容)实现，告诉正则引擎一旦匹配完该部分内容就不再回头尝试其他组合；2.常用于解决嵌套量词导致的性能问题，如将(a+)+改为(?>a+)+可防止指数级回溯；3.适用于固定格式的前缀匹配，比如日志解析中防止引擎在固定部分反复试探；4.使用时需要注意，并非所有语言都支持原子组，例如Python标准库re不支持，而regex模块支持；5.不当使用可能改变匹配结果或影响性能，因此需结合具体逻辑判断是否需要
-
本文介绍如何使用Python切片（slicing）从原始bytes对象中精确提取目标字节段（如Modbus协议中的11字节数据区），生成新的bytes对象，并正确传递给CRC校验函数。
-
Python爬虫项目上线后，多数问题不是出在代码语法上，而是集中在请求行为、反爬应对、数据提取和运行稳定性这几个环节。下面整理高频问题及对应解决思路，不讲理论，只说实际踩过的坑和怎么绕过去。请求被拒绝：403、406、ConnectionResetError网站返回403或直接断连，大概率是请求头缺失或特征太“机器人”。Requests默认的User-Agent是python-requests/2.x，几乎等于举手说自己是爬虫。加真实浏览器的User-Agent（比如Chr
-
应使用单个aiohttp.ClientSession实例配合asyncio.Semaphore限流并发，并显式配置ClientTimeout，避免重复创建session、未await响应方法及无超时导致卡死。
-
f-string是推荐的格式化方法，其语法简洁高效，如print(f"我的名字是{name}，今年{age}岁。")；str.format()通过占位符和参数传递实现，如print("我的名字是{}，今年{}岁。".format(name,age))；%格式化采用类似C语言的风格，如print("我的名字是%s，今年%d岁。"%(name,age))，但已逐渐被取代。
-
Python列表核心原理是动态数组实现、引用存储机制、可变对象特性；底层为连续内存的动态数组，扩容有代价；存储对象引用而非值本身；作为可变对象，函数传参默认传引用。
-
typing.Protocol是Python3.8+中用于定义鸭子类型接口的结构化类型检查机制，不需继承或注册，仅要求实现指定方法和属性签名，运行时无开销，仅被静态检查工具（如mypy）识别，isinstance检查始终返回False。
-
量化交易与目标检测属不同领域：前者处理时序数据，后者处理图像数据；二者仅在图表识别、另类数据解析等边缘场景有谨慎交叉。
-
print是临时调试手段，logging是可配置、可持久、可分级的正式日志工具；核心区别在于输出目标、级别控制、格式化能力及生产环境适应性。
-
可以使用haversine公式或geopy库计算两地间的大圆距离。1.手动实现haversine公式，通过经纬度转弧度、计算球面差值与地球半径乘积得距离；2.推荐使用geopy库的geodesic方法，基于WGS-84椭球模型更精确；3.注意坐标顺序为(纬度,经度)，避免颠倒，且长距离需考虑地球曲率，单位可选千米、米或英里。
