-
最稳妥下载Python安装包的方式是通过官网或国内镜像站。首先访问Python官网（https://www.python.org）进入Downloads页面，系统将自动匹配对应操作系统的最新版本，或点击“Allreleases”选择历史版本；下载完成后安装时需勾选“AddPythontoPATH”。对于国内用户，若官网下载较慢，可选用清华大学、阿里云或中国科学技术大学的镜像站点，这些站点同步了官方全部发布文件，能显著提升下载速度。需注意：这些镜像用于下载Python解释器本身，而pip安装第三方库时的加速
-
Python变量是动态绑定的标签而非盒子，核心数据类型有int、float、str、bool、NoneType和list六种；可用type()查看类型，用int()、str()等显式转换，需注意命名规则、类型区别及常见陷阱。
-
API调用核心是看清文档、构造请求、处理响应；需关注URL、方法、Headers和参数位置，用requests发请求并检查状态，响应优先用.json()解析，异常要分层捕获。
-
最快清除ASCII空格用链式replace()：text.replace('','').replace('\t','').replace('\n','').replace('\r','')；Unicode空格需re.sub()或translate()。
-
Python日志监控核心是将日志作为文本数据处理：先清洗、再结构化、最后语义或模式识别异常，强调可维护性；一、用JSON日志或grok/正则将半结构化日志转为字典或DataFrame；二、分三层检测异常：级别过滤、上下文规则、轻量语义分词；三、watchdog或fileinput流式读取，deque滑动窗口统计，超阈值调用Webhook告警；四、Flask+Chart.js搭轻量Web看板，支持错误分布、趋势图与上下文展开；统一编码、标准化时间、配置外置是长期可维护关键。
-
列表是Python中有序、可变的数据结构，支持创建、访问、增删改查及排序反转操作。1.用[]创建列表，通过索引或切片访问元素；2.使用append、insert添加，remove、pop删除；3.可直接通过索引修改值，用index、count和in查找；4.调用sort、reverse原地排序反转，sorted返回新列表。
-
Python线程同步主要靠Lock和Condition实现：Lock用于简单互斥，需acquire/release配对或with语句；Condition封装Lock，配合while循环使用wait/notify实现线程协作，须避免虚假唤醒与死锁。
-
GIL是CPython中限制多线程并行执行的互斥锁，它确保同一时刻只有一个线程运行Python字节码，主要影响CPU密集型任务的并发性能；在I/O密集型场景下，线程会释放GIL，仍可提升效率；为应对GIL限制，应使用multiprocessing实现多进程并行、借助C扩展或异步编程asyncio优化性能。
-
Python代码优化需先用cProfile定位真实瓶颈，再依场景选择算法改进、数据结构替换、内存优化或C加速；核心是测量驱动，而非直觉猜测。
-
因为hash与eq必须保持一致性：若eq忽略某字段而hash未同步忽略，会违反“相等对象哈希值必须相同”的契约，导致哈希表异常或崩溃。
-
本文介绍如何在DVC项目中使用Python常量文件（如constants.py）集中定义数据路径，并在dvc.yaml中通过vars正确引用，实现路径配置的单一维护源。
-
必须显式设置@lru_cache的maxsize参数，避免内存无限增长；缓存值为强引用，慎缓存大型对象；参数须可哈希，不可变类型需手动转换；多线程下cache_clear()需加锁防护。
-
Python网页爬虫核心是“发请求→取内容→解析→存结果”，推荐requests+BeautifulSoup组合，需加headers防反爬、处理编码乱码、用CSS选择器精准定位、加延时与随机User-Agent，并优先保存为UTF-8编码的CSV或JSON。
-
try用于包裹可能出错的代码，必须与except、else或finally配合使用；2.except捕获并处理特定异常，可指定单一、多种或通用异常类型；3.else在try无异常时执行，适合放置成功后的逻辑；4.finally无论是否发生异常都会执行，常用于资源清理；5.raise用于主动抛出异常，支持内置或自定义异常类型。
-
GIL是CPython中限制同一时刻仅一个线程执行字节码的互斥锁，导致CPU密集型任务无法多核并行；I/O操作会自动释放GIL，使线程在I/O密集场景下呈现并发效果。
