-
转向AI数据方向的核心是将Python能力迁移到数据闭环：采集清洗（建稳定管道、标准化异常格式）、分析建模（用pandas/scikit-learn跑通可解释流程）、业务落地（SQL回写+BI看板+一句话决策结论）。214 收藏 -
TCP粘包需通过协议约定、缓冲累积与规则切分解决；推荐定长头+变长体或分隔符方案；用StreamReader手动管理缓冲区逐条解析，避免readuntil的不可控性。214 收藏 -
正确做法是复用同一个Session实例并配置Retry，Session会自动管理cookie和保留headers，所有请求（含重试）均继承这些状态。214 收藏 -
该用pd.concat()时是单纯堆叠或并排拼接表而不需语义关联；它按axis=0纵向叠加行、axis=1横向对齐索引拼列，不支持on参数，也不校验逻辑一致性。214 收藏 -
Django2.0+中间件必须是可调用对象，推荐实现__call__方法并接收get_response参数；需在请求阶段校验、响应阶段返回response；顺序影响执行流；异步视图需匹配异步中间件。214 收藏 -
传-1作fd导致卡住，因mmap只接受文件描述符而非路径；须先open获取fileno，注意fd生命周期和flush同步，映射大小按页对齐，适用场景为随机访问而非顺序读。214 收藏 -
Python内置函数是无需导入即可直接使用的工具，覆盖类型转换、对象检查、迭代操作、数学计算、输入输出等核心场景，掌握它们能显著提升编码效率和可读性。214 收藏 -
Python函数测试核心是覆盖关键路径而非追求行数，需明确函数责任边界、测试三类输入场景，并用pytest-cov验证覆盖质量，避免假覆盖陷阱。213 收藏 -
PostgreSQL中insert().on_conflict_do_update()不返回行数，需用RETURNING子句配合fetchall()计数；MySQL依赖rowcount（需exec_driver_sql）；SQLite用changes()；ORM中避免merge()，应使用returning()。213 收藏 -
defaultdict工厂函数须为可调用对象，如list而非[]；Counter手动改value会导致most_common()结果滞后；namedtuple字段名须合法标识符；deque模拟队列须用popleft()而非pop()。213 收藏 -
本文介绍如何遍历字典列表，提取指定键值，并通过f-string构建自定义格式的字符串，最终以换行分隔的方式输出——不依赖str.join()直接处理字典，而是先生成字符串序列再统一连接。213 收藏 -
应避开Airflow当任务周期固定、依赖少、无跨系统搬运，或团队不熟悉DAG与executor配置；Prefect易因语义错误（如Task含副作用、Flow顶层调用未装饰函数）导致任务不被追踪；Luigi的requires()必须返回Task实例，否则依赖图解析失败；自研调度器仅适用于已有执行框架需轻量调度，或任务粒度达秒级。213 收藏 -
match.groups()最适合“不关心分组数量”的场景，它返回包含所有捕获组值的元组，无论组数多少或是否匹配成功，均不会报错，且天然过滤未参与匹配的组。213 收藏 -
函数式编程在Python中依赖思路而非语法，核心是数据流变换，通过映射（map）实现批量纯函数处理，组合（compose）串联单参单返函数形成可复用流水线。213 收藏 -
collate_fn必须自定义以处理变长序列，因default_collate要求tensor形状一致；基础写法三步：pad、stack、封装为dict；padding_value需匹配tokenizer，batch_first=True确保(B,T)格式。213 收藏
