-
Python的set去重基于哈希表，通过__hash__()和__eq__()判断重复，平均时间复杂度O(1)，不保证插入顺序，不可变类型可哈希，可变类型需自定义哈希与相等逻辑。
-
Python中给异常对象动态添加属性基本安全，但需避开内置属性和CPython3.11+的冻结优化；推荐捕获后赋值或使用dataclass封装以兼顾类型安全与元数据完整性。
-
sys.stdout可控制Python输出目标，通过重定向实现输出到文件或自定义处理。1.sys.stdout.write()需手动换行；2.可将sys.stdout指向文件对象实现写入；3.临时重定向需保存并恢复原始stdout；4.自定义类如Tee可同时输出到多个目标，常用于日志记录，操作后需恢复避免异常。
-
在Python多线程环境中，直接使用signal()注册信号处理器在非主线程中是不可靠的。本文将深入探讨sigwait()在多线程信号处理中的正确实践，特别是针对SIGALRM。核心在于通过pthread_sigmask在主线程中阻塞或忽略目标信号，并在一个专用的接收线程中使用sigwait同步等待被阻塞的信号，辅以threading.Event实现线程间的有效同步。
-
解决Pycharm中"无解释器"问题的方法是：1.确保系统已安装Python；2.在Pycharm中选择"AddLocalInterpreter"并输入正确的Python路径；3.如果问题persists，尝试重启Pycharm、检查路径、更新Pycharm或重新添加解释器。
-
在Python中为类属性设置默认值主要有四种方式：1.在__init__方法中为实例属性设置默认值，确保每个实例拥有独立副本；2.避免使用可变对象（如列表、字典）作为默认参数，应使用None并动态创建；3.使用类属性定义所有实例共享的默认值，适用于常量或配置；4.利用dataclass装饰器（Python3.7+）简化字段和默认值定义。推荐优先使用__init__中的默认参数以保证清晰与安全。
-
在Python中，pi指的是数学常数π。使用方法：1）从math模块导入π；2）用于计算圆的面积和周长；3）在三角函数中以弧度计算；4）在统计学和概率计算中应用。使用π时需注意精度、性能和代码可读性。
-
正确做法是分块读取大文件：设置缓冲区、循环read()、优先行迭代；超大文件随机访问用mmap；写入时批量处理并显式flush；跨平台需指定UTF-8编码和newline参数；流式数据用生成器+itertools实现内存恒定。
-
argparse中用add_mutually_exclusive_group(required=True)创建必须二选一的互斥参数组，否则默认可全不提供；组内参数类型宜一致，required必须设在组层级而非单个参数；子命令中需在对应子解析器上定义该组。
-
Python不支持函数重载因其动态类型特性导致无法通过参数类型区分同名函数，后定义函数会覆盖前者；例如deffunc(a)和deffunc(a,b)中后者生效，调用func(1)报错。可通过默认参数如deffunc(a,b=None)判断b是否为None来执行不同逻辑；使用args接收可变参数并根据len(args)分支处理；结合typing.overload装饰器为类型检查工具提供提示，如标注int转str、str转int的重载签名，实际逻辑在未注解的func中用isinstance分发。总结：Pyth
-
本文介绍如何在不显式循环的前提下，使用isin()、shift()和布尔逻辑组合，精准选取DataFrame中匹配关键词的行及其指定偏移量（如+2行）的记录，适用于多关键词、多偏移规则的批量筛选场景。
-
openpyxl与pandas分工协作：pandas负责数据清洗计算，openpyxl负责格式化呈现；pandas读写会丢失样式，需用openpyxl操作模板、填入结果并设置格式、条件高亮等。
-
应使用dtype={"col_a":"boolean","col_b":"boolean"}强制指定三态布尔类型，并配合na_values和converters处理空值及大小写混杂的字符串；避免用小写bool，因其不支持缺失值。
-
缺失值和异常值需结合业务逻辑与数据分布处理：识别时需检查隐性缺失；填充要按列类型选择策略；异常值检测应兼顾统计与业务规则，并通过截断、分箱或专项分析等方式处理。
-
两周内可跑通Python数据分析全流程：装Anaconda→启JupyterLab→用pandas读/看/算/画→以微信账单等真实小数据实操。
