-
应优先用set替代list做成员查找、用namedtuple或dataclass替代dict存结构化数据、用join替代字符串拼接、用deque替代list做队列操作、用lru_cache替代全局字典缓存。
-
Python适合作为胶水语言，因其专注连接而非性能，具备成熟的跨语言调用机制、丰富的标准与第三方库基础设施、简洁低门槛的语法与运行模型，以及跨平台一致性和轻量部署能力。
-
半监督学习是高效利用少量标注与大量未标注数据的关键路径，核心是让模型从数据分布中挖掘结构信息以提升泛化能力；适用于标注成本高、未标注数据远多于已标注数据且同分布的场景；主流策略包括自训练、一致性正则和图半监督，均有成熟Python实现。
-
tuple比list更省内存，因其无扩容预留、无allocated字段、对象头更轻量，且字面量可编译期复用并缓存哈希值；sys.getsizeof显示小32–40字节。
-
本文详解为何用ifsublistinlist_of_lists判断子列表存在性时失败，而应使用==比较；并通过实例、内存分析和集合扩展，清晰阐明列表嵌套比较的底层逻辑与正确写法。
-
ffmpeg-python是FFmpeg的轻量惰性封装，支持链式语法与完整选项，不立即执行而拼接命令后单次调用，兼顾性能与可编程性；相比OpenCV（帧级低效）和moviepy（抽象高、调试难），它复用系统FFmpeg、支持硬件加速、微秒级精准剪辑、无损流复制及复杂滤镜。
-
Python自动化报表推送核心是三步：生成报表、自动发送、定时执行。用pandas+模板生成报表，smtplib+email标准库发邮件并注意编码与附件类型，APScheduler实现轻量定时调度并加日志与容错。
-
前向传播是输入数据逐层计算得到预测输出的过程，反向传播则基于链式法则将损失梯度从输出层逐层回传以更新参数；二者构成“预测→计算损失→回传梯度→更新参数”的训练闭环。
-
Python性能优化需先用cProfile定位慢函数，再用LineProfiler分析行级耗时；案例中组合使用使函数从850ms降至92ms，提升超9倍。
-
FastAPI可通过依赖函数接收Query参数实现动态切换依赖实例：在get_processor等依赖中根据mode值返回不同DataProcessor子类实例，或用ProcessorFactory封装创建逻辑，结合Depends链式调用按query参数调整运行时行为，注意请求隔离与参数必填校验。
-
直接调用模型是快速上手的起点，需掌握输入格式、参数调节、token限制与错误处理；微调适用于业务适配，重数据质量与LoRA高效训练；从头训练仅限极特殊需求；工程化闭环强调部署、观测与持续迭代。
-
本文详解为何在for循环中边遍历边用remove()修改列表会导致迭代提前终止，并提供符合“原地操作、不新建列表”要求的可靠解决方案。
-
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。
-
时间序列预测核心在于合理预处理、贴合时序的特征构造、按时间顺序划分数据及渐进式模型验证；需确保时间索引规范、禁用未来信息、滚动验证真实模拟落地场景。
-
自定义类可通过实现__getitem__、__len__等特殊方法来模拟序列行为，如支持索引访问、切片、in判断和迭代；示例中MySequence类实现了只读序列，添加__setitem__和__delitem__后可支持修改，继承collections.abc.Sequence或MutableSequence能获得协议验证与默认方法。
