-
ORM通过将数据库表映射为类、记录映射为对象来简化Python中的数据库操作。1.类对应表，字段对应属性，ORM根据类定义自动创建或匹配表结构；2.引擎负责数据库连接，会话管理事务并执行增删改查；3.字段类型和约束如主键、唯一性、默认值等影响建表与行为逻辑；4.ORM虽提升效率但也存在性能、学习成本和隐藏复杂性等局限，建议结合SQL理解使用。
-
Python用ABC实现强制接口（需继承+运行时检查），用Protocol实现结构化接口（鸭子类型+静态检查）；接口应聚焦行为、小而专注、命名清晰，并配合类型提示。
-
orjson最快但不支持自定义encoder；ujson支持default但Python3.12+有兼容问题；rapidjson功能全但体积大、安装慢；选型应先定位真实瓶颈，避免盲目替换。
-
Python消息队列有三种实现方式：1.用list手动封装FIFO队列，支持enqueue/append和dequeue/pop(0)，但pop(0)为O(n)；2.用queue模块实现线程安全队列，含Queue、LifoQueue、PriorityQueue；3.用multiprocessing.Queue实现进程间通信，基于管道和锁，不支持不可序列化对象。
-
使用requirements.txt可实现Python项目依赖的一键安装，首先通过pipfreeze>requirements.txt导出依赖，建议仅保留直接依赖并规范版本控制符如==、>=、~=，然后用户可通过pipinstall-rrequirements.txt在虚拟环境中一键安装，推荐结合虚拟环境避免冲突，新项目也可采用pyproject.toml声明依赖以实现现代化打包方式。
-
multiprocessing.Pool直接mappandas.DataFrame报错因DataFrame默认无法被pickle完整序列化，尤其含自定义方法、扩展类型或未关闭文件句柄时；实操应传numpy.ndarray或纯Python数据结构，避免传整个DataFrame。
-
本文介绍一种灵活、鲁棒的Python文本高亮方案：支持不区分大小写匹配，并可将两个指定关键词之间的全部文本（不含关键词本身）统一高亮，适用于日志解析、文档摘要提取等多行文本处理场景。
-
Pandas、NumPy、SciPy应分层协作：Pandas负责数据清洗与表达，NumPy支撑底层向量化计算，SciPy承担统计建模与假设检验；工程化需模块化设计，各层仅传DataFrame或dict，确保可维护、可上线。
-
Python3.6与2.7本质不兼容：3.6中print为函数、/为真除法、str默认Unicode、range返回迭代器；新增f-string、dict保序、变量注解、async/await；2.7已于2020年停止维护，3.6于2021年底终止安全更新。
-
Redis分布式锁核心是SETkeyvalueEXsecondsNX原子命令，加锁需唯一value和合理超时，解锁须Lua脚本校验value后删除，续期需匹配且安全，推荐使用redis-py-lock等成熟库。
-
升级Python前须确认当前版本及安装方式，官网安装包可无损升级但需勾选PATH和launcher选项，conda或venv环境应分别用condainstall或重建虚拟环境，升级后需运行python-mensurepip--upgrade修复pip并更新IDE解释器路径。
-
在Python中计算移动平均值最常用的方法是使用Pandas库的rolling函数。1.导入pandas和numpy；2.创建一个Series或DataFrame；3.使用rolling函数并指定window参数来定义窗口大小；4.调用mean()方法计算移动平均值；5.可通过设置min_periods参数处理窗口数据不足的情况。rolling函数还可用于sum、std、median等多种聚合操作，甚至支持自定义函数。选择窗口大小需权衡平滑度与响应速度，并结合数据频率和分析目标。此外，Pandas还支持指
-
cProfile是定位Python性能瓶颈最轻量可靠的方法，应插入关键入口调用并优先分析cumtime，结合pstats排序识别高耗时函数；CPU利用率低但卡顿时需先用top-H验证是否GIL争用。
-
frozenset的核心价值在于提供不可变集合类型，使其可作为字典键或集合元素；支持哈希、嵌套、语义明确、线程安全，并原生支持集合运算。
-
Python进程池适合计算密集型、可并行且相互独立的任务；当任务CPU耗时长、可拆分、需控制并发数时应使用multiprocessing.Pool，通过map/starmap/apply_async分发任务，注意序列化限制与资源管理。
