-
Python中动态导入模块主要通过importlib实现，包括importlib.import_module()按模块名导入和importlib.util结合文件路径加载两种方式，适用于插件系统、配置管理、条件加载等场景，相比__import__和exec()更安全规范，需注意处理ModuleNotFoundError、AttributeError、安全风险及模块缓存问题，最佳实践是优先使用importlib、严格控制来源、定义清晰接口并妥善异常处理。
-
在Python中重命名DataFrame列的最直接方法是通过赋值.columns属性。1.将包含新列名的列表赋值给.columns，适用于整体替换所有列名；2.新列名列表必须与原列数一致且顺序对应；3.为避免顺序错误，可先打印当前列名确认顺序；4.若仅修改部分列名，推荐使用.rename()方法并传入旧名到新名的映射字典；5.重命名后应立即检查.columns或使用.head()验证结果，确保无拼写错误、顺序错位或遗漏列名等问题。两种方法各适用不同场景，合理选择能有效减少错误风险。
-
Python变量赋值无需声明类型，通过“=”将变量名绑定到对象，实现动态类型和引用机制，支持多重赋值与灵活命名，提升开发效率但需注意可变对象的共享副作用。
-
<ol><li>一元二次方程$ax^2+bx+c=0$（$a\neq0$）的根由判别式$D=b^2-4ac$决定：当$D>0$时有两个不等实根，$D=0$时有重根，$D<0$时无实根。</li></ol>
-
记录Python程序日志的推荐方式是使用内置logging模块。1.基本用法：调用logging.basicConfig()配合info、warning等方法输出日志，默认只显示WARNING及以上级别，需设置level=logging.INFO才能显示INFO级别；常用级别按从低到高顺序为DEBUG、INFO、WARNING（默认）、ERROR、CRITICAL。2.进阶配置：通过basicConfig设置filename将日志写入文件，通过format定义格式并添加时间戳等信息。3.多模块打日志：使用
-
静态分析三步法：先用flake8检查PEP8风格和硬性错误，再用pylint深入分析逻辑与结构；接着用mypy做类型检查捕获运行时错误；最后用radon和vulture识别高复杂度与无用代码以指导安全重构。
-
pyenv是通过修改$PATH优先级在Shell层级管理多Python版本的轻量可靠方案，支持全局、局部和会话级切换，并可集成pyenv-virtualenv创建隔离环境。
-
推荐用pandas做数据清洗计算、openpyxl控样式，python-docx填Word模板，PyPDF2/pdfplumber/reportlab分责处理PDF，三者协同实现Excel→Word→PDF自动化流程。
-
Python流行是技术设计、生态积累和现实需求共同推动的结果：语法简洁自然，应用覆盖爬虫、数据分析、AI建模及办公自动化，依托Django、Pandas、PyTorch等强大开源生态，并获国家教育推广与企业招聘广泛认可。
-
Python协程依赖事件循环实现协作式调度，通过async/await语法定义和控制协程的挂起与恢复；调用async函数返回协程对象，需封装为任务（Task）并注册到事件循环；事件循环维护就绪与等待队列，当协程遇到await时主动让出CPU，执行权交还事件循环，后者从就绪队列中选取下一个任务执行；IO完成或定时器到期等事件通过回调机制通知事件循环唤醒对应协程；调度基于单线程协作原则，不保证公平性，长时间不await的协程可能阻塞其他任务，因此需避免CPU密集型操作；多核并行需结合进程池或线程池处理阻塞任务
-
Python中对象引用和属性赋值的工作机制，特别是在链表操作中的表现。它强调Python没有“自动填充”属性的行为，所有属性赋值都是显式的。通过详细的代码示例和内存引用分析，揭示了变量如何指向对象，以及属性如何被手动设置和更新，从而避免了对“指针”自动行为的误解。
-
两个集合相等当且仅当它们包含相同元素，使用==运算符判断。示例中set_a==set_b返回True，因元素相同；set_a==set_c返回False，因元素不同；空集比较返回True。注意：集合自动去重，==比较值而非身份，避免使用is。
-
多领域文本混合分类需分层解耦与联合优化：先用共享BERT编码，再通过领域分支（2层MLP+focalloss）预测粗粒度领域，细分类分支将领域概率与[CLS]拼接后经1层Transformer分类；训练中引入动态难例采样、一致性约束、领域自适应正则（KL项，λ线性退火）、三阶段解冻及梯度隔离策略，验证以“领域×细类”宏平均F1为准。
-
核心是目标驱动的数据闭环：先定义分类体系并标注样本，爬取时嵌入标签线索，边爬边清洗（去广告、过滤长短文本），用TF-IDF+LogisticRegression快速验证baseline（准确率常超85%），再据数据规模微调BERT类模型。
-
Python的sort()方法用于列表原地排序，不返回新列表；sorted()函数则返回新列表。1.sort()默认升序排列数字或字符串列表。2.设置reverse=True实现降序排序。3.使用key参数自定义规则，如按长度len或忽略大小写str.lower排序。4.注意sort()仅适用于列表且修改原数据，若需保留原列表应使用sorted()。掌握这些即可应对多数排序场景。
