-
Python内置函数分五类：基础数据处理（如print、len、type）、对象与属性操作（如dir、hasattr）、迭代与高阶函数（如range、map）、输入输出与调试辅助（如input、help），共约70个，常用20–30个覆盖多数场景。
-
局部变量访问快是因为通过栈帧的fastlocals数组直接按索引取值，无需字典哈希查找；LOAD_FAST指令对应编译期确定的偏移量，而全局、自由或动态变量需LOAD_GLOBAL/LOAD_DEREF或字典查找，开销更大。
-
Python处理CSV应按需选工具：小文件用csv模块（需显式指定encoding='utf-8-sig'和newline=''防乱码与空行），大文件或分析用pandas（传dtype、chunksize优化性能），混合使用csv预处理+DataFrame构造更高效。
-
爬虫核心在于理解数据来源、组织与保护机制。第53讲聚焦HTTP协议本质、反爬三层结构、动态渲染破局及提取健壮性设计，强调观察验证与容错而非堆砌代码。
-
Python魔术方法是以__开头和结尾的特殊方法，由解释器在特定操作时自动调用，通过协议机制实现自定义行为，无需继承即可生效。
-
自定义异常类需继承Exception类，可添加错误码等属性，通过raise抛出并用try-except捕获，提升错误处理的可读性和维护性。
-
Python求平均值有三种主要方法：一是用sum()/len()，简洁高效但需确保列表非空；二是用statistics.mean()，自动检查空序列且支持多种数值类型；三是用NumPy的np.mean()，适合大规模数值计算和多维数组。
-
本文介绍两种无需负向后查找（negativelookbehind）即可精准匹配“前面不以逗号+任意空白后接换行符”的换行符的正则方案，适用于Pythonre.sub场景，并给出可直接运行的代码示例与原理说明。
-
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
-
SettingWithCopyWarning的核心诱因是链式索引导致pandas无法判断操作对象是视图还是副本；应优先使用.loc一次性完成条件筛选与列定位，或显式.copy()、.assign()等安全替代方案。
-
本文介绍如何在Pandas中对时间-区域分组数据计算每组var的平均值，并按特定顺序（lower升序、upper降序）为每组分配循环编号，以支持后续多边形坐标连接（如绘制上下包络线）。
-
Python标准库SysLogHandler默认仅支持RFC3164，需手动构造含PRI、VERSION、ISO时间戳、HOSTNAME、BOM等的完整RFC5424消息体；rsyslog接收端须禁用传统解析模式并使用%rawmsg%模板；生产环境推荐python-syslog-ng等专用库。
-
浅拷贝只复制第一层，嵌套对象仍共享引用；深拷贝递归复制所有层级，彻底隔离嵌套结构；eval(repr(x))模拟深拷贝危险且低效，应优先使用copy.deepcopy()并确认必要性。
-
线程内异常不会自动抛到主线程，需手动捕获并传递；使用ThreadPoolExecutor时须调用future.result()才能暴露异常，且应设timeout防卡死，多future推荐as_completed遍历。
-
自动化脚本是模型上线稳定、可复现、易维护的核心支撑，涵盖环境检查、模型校验、配置加载、健康检查、服务启停、版本更新、日志监控等全生命周期管理。
