-
Python的random模块不安全，因其基于可预测的MersenneTwister算法；应改用secrets模块或os.urandom()生成密码学安全随机数，避免使用非明确声明“cryptographicallysecure”的函数。
-
python_requires需配合wheel格式发布才生效，仅写>=3.8不足；必须生成含py38等标签的.whl文件并上传PyPI，且安装时使用pip≥9.0.0，源码包.tar.gz会忽略该限制。
-
支持partial_fit的模型包括：①SGDClassifier和SGDRegressor；②MultinomialNB；③PassiveAggressiveClassifier；④MiniBatchKMeans；⑤MLPClassifier/MLPRegressor（需solver='sgd'或'adam'）。
-
print(arr)显示省略号是因为NumPy默认启用摘要打印，由np.get_printoptions()的threshold参数控制，默认1000但小数组异常省略常因threshold被设低或Jupyter干扰；禁用方法是np.set_printoptions(threshold=np.inf)或上下文管理器临时生效，并建议配合linewidth=np.inf防折行。
-
先用pipinstalltox安装，再运行tox--version验证；若仍报错，检查PATH是否包含pip的bin目录（如~/.local/bin），macOS/Linux需添加exportPATH="$HOME/.local/bin:$PATH"到~/.zshrc，Windows用户需重启CMD或改用PowerShell。
-
dir()返回的不是所有属性，而是对象当前命名空间中可枚举、非私有的名称列表，受__dir__方法控制，不保证完整性与顺序，且不验证属性是否真正可用。
-
Python3.11协程启动速度提升源于帧对象初始化优化和await内联加速：asyncdef字节码更紧凑，首次调用快15%～20%；对同类型可等待对象的await启用地址缓存，跳过属性查找，但需避免混用类型以防止缓存失效。
-
apply慢因单线程执行且每次调用触发类型推断与索引对齐；向量化可提速10–100倍；swifter仅优化DataFrame/Series.apply，不支持groupby等场景，多进程需注意序列化与内存开销。
-
循环中用np.append或list.append+np.array会慢，因每次调用均需复制全部数据，时间复杂度O(n²)；预分配应先确定长度、显式指定dtype、用索引赋值，避免隐式转换与越界。
-
用tenacity实现异步重试最可靠，其@retry装饰器原生支持asyncdef函数，内置wait_exponential()自动处理指数退避、jitter、最大等待时间与重试次数，避免手动实现漏异常过滤、忽略取消信号或重复await协程等错误。
-
冷启动慢主因是import开销大，而非代码执行慢；Python启动时需逐行执行import，触发模块查找、源码读取、语法解析、字节码编译及模块级初始化，且容器/Serverless中无法复用缓存。
-
ZoneInfo是Python3.9+推荐的原生时区解决方案，直接对接IANAtzdata，可直接作为tzinfo参数传入datetime构造函数，无需localize；但Windows需额外安装tzdata包，且不支持模糊时区名。
-
Python读取TXT乱码主因是编码未显式指定，应据文件实际编码用encoding='utf-8'或'gbk'等；不确定时可用chardet探测；utf-8-sig可自动处理BOM；read()适合小文件，readline()/readlines()按需选择。
-
最省事的是pickle，但仅限同版本Python可信环境；跨语言或配置用json（需处理特有类型）；大体积数据选msgpack；复杂函数用cloudpickle。
-
核心原因是默认连接池和超时策略不适用代理探测场景，需严格控制并发、设置单独超时、捕获异常、禁用DNS缓存、校验代理格式、分批执行、及时释放响应、选用合适检测地址并放宽判断逻辑。
