-
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。
-
多线程适用于I/O密集型NLP任务，如批量文件读取清洗、并发调用外部API、并行特征提取及请求预处理；需满足无强依赖和存在等待两个条件，推荐用concurrent.futures管理线程池。
-
日志监控本质是建立“问题可发现、原因可定位、响应可闭环”的可持续机制，需贴合业务节奏，聚焦高频故障设计结构，用轻量组合快速落地，并融入日常协作与持续优化。
-
Python3.10+推荐用T|None，兼容旧版本（≤3.9）必须用Optional[T]；混用会导致语法错误；函数参数默认为None时类型必须显式包含None。
-
histogram_quantile不能直接算P99，因其依赖预设桶边界，线性插值导致偏差超30%；桶过宽会低估P99，过密则引发样本爆炸；默认桶无法覆盖80–120ms关键区间，需按SLO上限（如P99=100ms）精细配置le标签。
-
CONCURRENT_REQUESTS控制downloaderqueue中同时发出的请求数，非响应处理数或QPS；其效果受多spider、中间件、AUTO_THROTTLE等影响，且与DOWNLOAD_DELAY正交；需注意per-domain限频不防IP封禁，DEBUG时concurrent_requests=0通常是延迟等待所致。
-
Python并发安全的核心是共享变量缺乏同步机制导致竞态，需用Lock保护临界区、threading.local()避免共享、asyncio.Lock替代threading.Lock、multiprocessing专用对象实现进程间共享。
-
Pythonasync程序变慢主因是“假异步”：混用同步阻塞操作（如time.sleep、requests）、协程串行执行、CPU密集任务阻塞事件循环、资源超发。应改用async对应方案、并发调度、线程池卸载及限流控制。
-
用np.diff()找局部极值易漏边界点，因其输出长度减1、仅反映相邻变化，无法判断首尾极值；需单独检查arr[0]和arr[-1]，且diff索引对应变化位置而非极值位置。
-
Python爬虫不直接做目标检测，需先用requests+BeautifulSoup等爬取带标签图像数据，再用YOLO等模型训练检测模型。
-
Pydanticv2中推荐用@computed_field实现字段动态计算，该字段只读、运行时计算、不参与初始化和默认序列化；若需存入模型并序列化，则用@field_validator(mode="after")补全字段。
-
openpyxl主打写入与新建，支持.xlsx等格式并控制样式；xlrd仅读.xls文件，2.0+版不再支持.xlsx；推荐pandas+openpyxl组合处理数据与格式。
-
保存py文件是通过文本编辑器或IDE将Python代码以.py扩展名存储。使用记事本或VSCode等编辑器编写代码后，选择“另存为”，输入文件名如hello.py，保存类型选“所有文件”，编码用UTF-8；在IDLE、PyCharm等IDE中，新建Python文件，编写代码后按Ctrl+S，首次保存需指定文件名并确认扩展名为.py，选择合适路径。注意文件名避免中文和特殊字符，路径不含空格或中文，推荐UTF-8编码，确保.py扩展名正确，以便正常运行。
-
本文详解如何使用Pandas高效删除每个分组中尾部连续满足某条件（如flag==1）的行，避免误删中间或开头的匹配行，并提供两种健壮、可读性强的解决方案。
