-
使用openpyxl可高效读写Excel文件，支持样式、日期处理及大型文件优化。首先通过pipinstallopenpyxl安装库；创建文件时用Workbook()生成工作簿，通过sheet.append()或cell(row,col)写入数据，并调用save()保存；读取文件使用load_workbook()加载，遍历iter_rows()获取数据；处理大文件时启用read_only=True或write_only=True模式以降低内存占用；设置字体、填充、边框和对齐方式可实现丰富样式；日期时间数据会
-
生成器是含yield的函数返回的迭代器对象，调用不执行而返回generator实例，next()或for循环触发执行；每次yield暂停并保存状态，return则终止并抛出StopIteration。
-
本文介绍如何利用NumPy广播机制，无需显式for循环，将一维数组中每个元素扩展为长度固定的递增子序列（如每个数生成[x,x+1,x+2]），再拼接成单个展开的一维数组。
-
ANCOVA是带连续协变量的方差分析，本质为含分类变量与连续协变量的线性回归；需检验平行线假设，拟合主效应模型后解读组间净差异，协变量须事前测量且具理论依据。
-
视频动作识别核心在于建模时空信息，主流结构包括双流网络（RGB+光流）、3DCNN（如I3D、R(2+1)D）和Transformer类（TimeSformer、VideoSwin），各具时空建模特点与适用场景。
-
函数装饰器是Python中通过闭包和语法糖为函数添加功能的技术，使用@符号将装饰器应用于目标函数，等价于将原函数作为参数传入装饰器并接收返回的新函数。装饰器内部通常包含一个包装函数（wrapper），用于在原函数执行前后插入额外逻辑，如日志、计时或权限校验。对于带参数的函数，装饰器需使用args和*kwargs适配任意参数形式；若装饰器自身需接收参数，则采用三层嵌套结构：最外层接收装饰器参数，中间层接收被装饰函数，内层执行包装逻辑并返回结果。典型应用包括计时、缓存、日志记录等，本质是利用函数可作为参数传递
-
应使用requests.Session统一管理连接复用、默认headers、timeout和重试策略，封装URL构建、参数序列化、错误映射及响应解析，并用dataclass或Pydantic约束数据结构，确保类型安全与可维护性。
-
with语句仅自动调用close()和join()实现优雅收尾，不调用terminate()，故子进程会完成已分配任务后才退出；异常或主进程崩溃时需手动terminate()确保清理。
-
优先选pathlib用于新项目，os.path适合轻量脚本；前者面向对象、链式调用、IDE支持好，后者函数式、兼容性强、无需实例化。
-
Dash实时仪表盘核心是理清数据来源、图表更新和界面响应三件事：用dcc.Interval实现伪实时轮询，通过callback连接交互组件，部署时关闭debug并确保资源路径正确。
-
Python部署机器学习模型为API服务的核心是：封装模型为可调用接口、选用FastAPI等轻量Web框架、通过Docker容器化或直接运行；需持久化保存模型（如joblib、torch.save、saved_model）、编写带类型提示的推理接口、用uvicorn启动并测试，生产环境可结合gunicorn、Nginx和requirements.txt保障稳定。
-
用for循环遍历集合可实现求和。定义total=0，遍历集合numbers={2,4,6,8,10}，逐个累加元素，print("集合中所有元素的和为：",total)输出30；需确保元素为int或float，避免TypeError，可用isinstance过滤非数值类型。
-
重构应先确认坏味道：频繁出错、测试易挂、扩展困难的代码才需动；提取函数需重命名变量、控制副作用、封装参数；类型判断应改为协议或注册表；测试是重构刹车系统，须覆盖边界、冻结时间、全量验证。
-
Python中exp函数用于计算eˣ，需导入math或numpy模块；math.exp()适用于单个数值，如math.exp(1)≈2.718；numpy.exp()可处理数组，如np.exp([0,1,2])返回[1.,2.718,7.389]，常用于sigmoid、softmax等模型计算。
-
Matplotlib动画核心是实时更新数据并重绘，关键在FuncAnimation逻辑、数据更新方式和性能控制；需导入plt、FuncAnimation、np，设置后端并禁用交互模式，用init/update函数配合blit=True提升效率。
