-
Polars处理大文件需用scan_csv()+惰性计算，而非read_csv()；必须显式select和filter以实现列裁剪与谓词下推；多线程依赖文件格式与操作链，避免collect()前中断惰性流。
-
结论：实现全异步非阻塞需HTTP客户端、文件I/O、数据库驱动三者皆异步；Motor是Python中唯一成熟稳定的MongoDB异步驱动，必须使用而非用PyMongo+run_in_executor包装。
-
多条件筛选必须用&、|、~且每条件加括号，禁用and/or/not；缺失值判断用isna()/notna()，禁用==np.nan；字符串列需先转数值再比较。
-
int、str、tuple修改后ID变了，因为它们是不可变类型，所谓“修改”实为创建新对象并重新绑定变量；其内存值不可原地更改，id()变化反映的是引用指向变更而非内容改变。
-
buffering参数控制文件I/O缓冲策略：默认-1启用系统默认缓冲（通常8192字节）及文本模式行缓冲；设0禁用缓冲（仅二进制模式），设1启用行缓冲（仅文本模式），设大于1的整数指定缓冲区字节大小。
-
eval()危险因动态执行不可信代码，应改用json.loads()或ast.literal_eval()；requests必须设timeout防雪崩；浮点比较须用math.isclose()；日志配置应封装函数并单次调用。
-
Python文本去重需先明确粒度：按行（最快，用dict.fromkeys保序）、按句子（需清洗后切分）、按语义（用TF-IDF或Sentence-BERT计算相似度）；预处理须统一编码、清理不可见字符、过滤空行。
-
错误码应使用带前缀的字符串枚举而非数字，如"auth_token_expired"，以提升可读性、可搜索性和版本可控性，并避免歧义与硬编码问题。
-
category类型能省内存，但仅适用于唯一值占比低于50%的低基数字符串列，如性别、省份等，可省60%–90%内存；高基数列反而增加开销。
-
validation_curve能识别过拟合，因其绘制训练集与验证集得分随超参数变化的曲线：过拟合时训练得分持续上升而验证得分先升后降，二者差距扩大，拐点即过拟合起点。
-
Python列表扩容采用几何增长策略，新容量≈当前容量×1.125，摊销时间复杂度O(1)，但会引发偶发延迟与内存浪费。
-
海象运算符在列表推导式中用于避免重复调用开销大的函数：用(result:=expensive_check(x))将结果赋值并复用，需确保条件判断不误判falsy值，且作用域内正确引用。
-
调用os.path.getsize前必须先用os.path.isfile()确认是普通文件，否则在Windows受保护路径下易触发OSError[WinError1920]；推荐用pathlib的is_file()和stat().st_size替代，更安全高效。
-
NumPy花式索引需遵循广播规则，取不规则行列交叉点应使用np.ix_()；布尔索引会自动展平结果，要保留结构需配合np.where()；take()比高级索引更安全可控。
-
答案：文章介绍了Python字符串操作的五大类方法。一、大小写转换：提供upper()、lower()、title()、capitalize()和swapcase()方法用于格式统一。二、查找与判断：find()、index()定位子串，startswith()、endswith()判断前后缀，in操作符检查子串存在性。三、分割与合并：split()、rsplit()、splitlines()实现拆分，join()将序列连接为字符串。四、替换与删除：replace()替换内容，strip()、lstrip
