-
Python协程中阻塞调用危险，因会卡住单线程事件循环，使所有协程无法调度；应改用asyncio.sleep、aiohttp等异步替代方案，并启用debug模式预警。
-
本文介绍如何将JSON格式的参数从input.txt文件中安全、规范地加载为Python字典，并用于requests.get()请求，替代硬编码参数，提升代码可维护性与灵活性。
-
SQLAlchemy中用func.row_number().over(partition_by=...,order_by=...)实现分组排名，需用label()命名、嵌套子查询或CTE过滤Top-N，并注意NULL排序及数据库兼容性。
-
本文介绍使用pandas的str.split()与explode()方法，高效、安全地将DataFrame中多个字符串型列表列（如"MS"和"DS"）按元素一一配对展开为长格式，自动处理长度不一致时的填充（如补NaN）。
-
模块级变量是Python中最简单且线程安全的单例实现，由解释器保证仅加载一次；2.双重检查锁定通过类的__new__方法和线程锁确保多线程下实例唯一；3.装饰器方式将单例逻辑与类解耦，支持参数初始化且线程安全；4.元类方式通过__call__拦截实例创建，统一管理多个单例类。推荐优先使用模块级单例，简洁高效且天然线程安全。
-
shebang行在Linux/macOS上非必需但需chmod+x才可直接运行，其解析由内核完成；Windows下Python完全忽略shebang，仅作注释。
-
Python无内置跨平台文件锁，可用fcntl（Unix）、win32file（Windows）或portalocker实现；前者为建议性锁，后者支持强制锁与统一API；需注意锁对象是文件描述符而非路径，且避免锁内耗时操作。
-
协同过滤是推荐系统的经典方法，分为基于用户和基于物品两种方式。使用Python实现需准备评分矩阵、计算相似度并预测评分，常用Surprise库进行建模。实际应用中需注意冷启动、稀疏矩阵和实时性问题，并可通过混合推荐、矩阵降维或定期更新模型优化效果。
-
yield是生成器内外交互的核心，可传递值和异常；通过throw()方法能将外部异常注入生成器并在yield处抛出，内部未捕获异常会向上传播并终止生成器，而close()会触发GeneratorExit用于清理资源。
-
Python异步任务架构核心是生产→持久化→消费→确认→监控闭环，应选RabbitMQ或Kafka而非RedisList，任务需结构化含ID/重试等字段，消费者须幂等、手动ACK、显式确认，并补全日志/指标/告警。
-
Python提速需分层优化：NumPy向量化替代循环，Cython将热代码编译为C，GPU并行处理独立海量计算；关键在按任务特性选择工具而非堆砌技术。
-
优先选CSV、SQLite或MySQL/PostgreSQL，取决于数据量、查询需求和维护场景：小规模临时分析用CSV；中等规模需筛选用SQLite；长期维护、多人协作用MySQL/PostgreSQL。
-
字典适用于数据管理中的快速键值查找，如统计字符频次、管理学生信息、分析单词频率、构建电话簿及月份名称与数字的双向映射，提升程序效率与可读性。
-
dataclass默认eq=True时所有字段参与比较，可用field(compare=False)忽略特定字段；被忽略字段不参与__eq__和__hash__计算，但需确保可哈希性一致。
-
描述符对象未被当成普通属性调用，是因为它必须定义为类变量（如attr=MyDescriptor()）才生效；若误设为实例变量（如self.attr=MyDescriptor()），则完全绕过描述符协议，导致obj.attr直接返回描述符对象而非触发__get__。
