-
Python多线程应使用threading模块而非\_thread或不存在的\_threading；threading提供Thread类、Lock等高级封装，支持异常隔离与资源同步，而\_thread仅为底层轻量接口，仅极少数场景适用。
-
核心是用直方图+KDE判断分布形态，箱线图识别异常与偏态，小提琴图对比多组分布，CDF图精确比较差异；需据数据量和目标灵活组合2–3种，并规范标注。
-
模型调优是围绕数据质量、特征有效性、过拟合控制和实盘适应性的系统性工作，核心目标是确保模型在未来未知行情中稳定盈利。需严控数据清洗与对齐、重视特征工程、采用滚动样本外验证调参、并完成多维度压力测试。
-
推荐使用pytest-asyncio插件，通过@pytest.mark.asyncio装饰器或pytest.ini配置asyncio_mode=auto，使测试函数支持async/await；简单验证可用asyncio.run()，但每次新建事件循环且不可复用。
-
PythonWeb数据可视化核心是理清“数据→图表→网页”逻辑，推荐PlotlyDash快速构建交互仪表盘、Flask+Chart.js轻量嵌入图表、Voilà一键转换Notebook为网页应用。
-
处理大体积数据文件应避免全量加载，采用流式读写、分块处理和合理编码：逐行读取用forlineinopen()并指定encoding；超大或无换行文件用f.read(8192)分块；写入时聚合批量落盘；始终用with管理文件，关键写入先写临时文件再原子替换。
-
死锁是多线程竞争资源时因循环等待导致程序卡住的现象，如线程A持lock1等lock2、B持lock2等lock1；避免方法是统一加锁顺序并使用RLock支持同线程重复加锁，防止自我阻塞。
-
自定义异常通过继承Exception类实现，可提升代码可读性与维护性。例如定义ValidationError并抛出：raiseValidationError("年龄必须是大于等于0的整数")，再用try-except捕获处理，便于区分错误类型、提供详细信息，并构建层次化异常体系。
-
模型调优需围绕数据流、任务目标和部署约束系统性收敛，聚焦脚本动作拆解、真实日志负样本构造、端到端成功率统计及轻量化结构选型。
-
Python推导式不支持直接写try/except，因其本质是表达式而非语句块；正确做法是将异常处理封装为独立函数并在推导式中调用，以保持简洁、可测试与可复用。
-
url_for必须传视图函数名而非字符串字面量，蓝本中需加前缀如'admin.dashboard'，带URL变量时须传实际值且类型匹配，调用需在应用或请求上下文中。
-
从零开始安装并使用PyCharm的步骤如下：1.下载并安装适合你操作系统的PyCharm版本，选择社区版或专业版。2.首次启动PyCharm，创建新项目熟悉基本操作。3.使用PyCharm进行开发，利用其代码自动完成、调试工具等功能。4.遇到问题时，查阅帮助文档或社区论坛。5.通过设置优化性能，如关闭不常用插件和调整内存分配。通过这些步骤，你可以逐步掌握PyCharm的功能，提升开发效率。
-
pd.NA与np.nan混合运算时行为不一致：算术运算均传播缺失，但比较运算中pd.NA==pd.NA返回pd.NA（未知），np.nan==np.nan返回False；混合列比较结果为pd.NA而非False。
-
Python读大文件应流式处理：文本文件推荐withopen()逐行迭代；超长行或二进制用read(size)分块；随机访问用mmap；结构化数据优先用csv、jsonlines、iterparse等标准库迭代器。
-
时间序列预测API的核心是可集成、可维护、可回溯，需标准化预处理、轻量模型封装、带置信区间返回、支持增量更新与冷启动兜底。
