-
zipapp可将纯Python项目打包为单个.pyz文件直接运行，但不支持含C扩展的依赖（如numpy、pillow），此时应改用PyInstaller等工具。
-
np.searchsorted比手写二分快是因为它用C实现、操作连续内存、避开Python循环和类型检查；它返回插入位置而非布尔值，要求输入升序，支持left/right侧定位重复元素，不支持多维直接调用。
-
Python中用_csv模块读取CSV文件，本质是调用C语言实现的底层解析器，性能高、内存占用低，适合处理大文件或对效率有要求的场景。但注意：_csv是内部模块，不推荐直接导入使用；标准做法是导入csv模块——它正是对_csv的封装，接口稳定且功能完整。用csv.reader读取普通CSV文件适用于结构清晰、无复杂引号或换行符的CSV数据。先用open()以文本模式打开文件（Python3默认utf-8，如有乱码需显式指定encoding）传入文件对象给csv.reader()，返回一个可迭代对象逐行遍
-
np.argmax(axis=1)返回每行最大值的列索引；结果为int64一维数组，长度等于行数；遇并列取最左位置，含NaN时需改用np.nanargmax。
-
Python中is运算符用于判断两个变量是否指向同一对象，通过比较内存地址（id）实现，而==比较值是否相等。示例显示可变对象如列表即使内容相同但独立创建时is返回False，不可变对象如小整数和短字符串因Python优化可能共享对象使is返回True，但此行为不应依赖。核心区别在于is检查身份、==检查值，常见用途包括与None比较、单例模式及缓存机制。
-
shutil.disk_usage()是获取磁盘剩余空间最直接的方式，返回total、used、free字节值，需传绝对路径且不支持NFS；预警应结合比例与绝对余量，通知须容错限频并适配运行环境。
-
直接用heapq不能当优先级队列用，因其仅提供堆操作原语，不支持更新优先级、按值删除或最大堆；常见错误是直接插入(priority,item)元组而item不可比较，导致TypeError。
-
应使用正则提取数字结构再标准化分隔符：先用r'[-+]?\d{1,3}(?:[.,]\d{3})*(?:[.,]\d+)?'捕获有效数字，再依位置判断并替换小数点/逗号，最后转float。
-
base.html必须定义block才能让子模板覆盖内容，否则未设block的区域彻底锁死；至少需{%blocktitle%}{%endblock%}和{%blockcontent%}{%endblock%}，且{%extends%}必须首行、路径准确、区分大小写。
-
mypy通过静态语法和类型规则推断类型：局部变量依初始化值定型，函数类型依赖标注或上下文，容器类型随操作动态细化，泛型和上下文触发双向推断。
-
pandasdatetime64[ns]内存更省，每元素仅8字节；arrow.Arrow实例约64+字节，100万条可多占40MB以上，且无共享结构、GC压力大。
-
用scipy.sparse.coo_matrix而非字典，因其底层用row/col/data三数组高效支持运算；构造需去重、转csr/csc再计算；存盘优选save_npz；切片等操作务必用csr/csc格式。
-
Pycharm的基本功能包括代码编辑、调试和版本控制。1）代码编辑：智能代码补全、语法高亮和错误提示。2）调试：支持断点调试和变量跟踪。3）版本控制：内置Git支持，方便团队协作。
-
回文判断需先标准化再比较：转小写并保留字母数字字符，用s==s[::-1]或双指针法；后者空间复杂度O(1)，适合超长字符串。
-
本文详解如何在将CSV数据加载至数据库前，准确校验列名是否存在且数据类型符合预期，重点解决df.dtypes与Python内置类型（如str、int）直接比较失败的问题，并提供健壮的类型验证方案与生产级实践建议。
