-
Python列表是底层用C实现的动态数组，以指针数组存储对象引用，其性能由扩容机制、引用特性、内存连续性共同决定：append均摊O(1)但单次可能O(n)，索引访问O(1)而中间增删平均O(n)，存储开销固定，遍历缓存友好但对象内存不连续。
-
chardet检测不准因依赖字节统计推断，对短文本、混合编码及无BOM的GBK/GB2312文件易误判；应结合confidence过滤、优先试utf-8再回退gbk，并推荐charset-normalizer替代。
-
本文详解为何直接@patch无法影响类属性中提前执行的函数调用，并提供可靠方案：结合patch.object与importlib.reload在模块重载前替换目标函数，确保类属性初始化时即使用模拟返回值。
-
Python模型API部署需四步：轻量化模型（TorchScript/joblib）、封装预测模块（ModelWrapper类）、选用FastAPI构建API层、本地测试后容器化部署。
-
Python集合的交、并、差、对称差运算分别对应找共同元素、合并去重、获取左集独有元素、获取彼此独有元素，均自动去重且无序，需注意操作数类型及顺序敏感性。
-
Python数据分析关键在于理清“数据来源→清洗→分析→业务支撑”主线，明确含指标、时间、异常、目的的清晰目标，优先使用内部数据源，清洗需还原业务逻辑，分析重分组对比与趋势拆解，结论须转化为可执行业务建议。
-
时间序列预测应从真实小任务入手边做边学，用Python快速搭建基础模型，重视特征工程与数据特性匹配，避免信息泄露。
-
Python字符串不可变是理解内存、编码等的起点；字符串是否被intern取决于是否满足标识符字符等条件；encode()的errors参数需据场景选择，标准化后再编码最安全。
-
Python采用“编译+解释”混合模式，先将源码编译为平台无关的字节码（存于__pycache__），再由CPython虚拟机循环执行；性能瓶颈在于字节码解释开销与动态类型运行时检查，GIL进一步限制多线程CPU并行。
-
autoextend_percent设太低会因频繁小步扩容跟不上写入速率，导致快照空间耗尽而静默失效；应协同调高threshold（70–85）、percent（50–100）并确保监控启用。
-
首先通过搜索引擎输入“Python官网”或直接在浏览器地址栏输入python.org访问官网首页，其次可将网站添加书签以便快速回访。
-
len在Python中是用来计算对象长度的函数。1)对于字符串，len返回字符数量。2)对于列表、元组等，len返回元素数量。3)对于字典，len返回键值对数量。4)自定义类可通过__len__方法支持len函数。
-
Python中使用threading模块实现多线程可提升I/O密集型任务效率。1.导入threading模块；2.定义线程执行函数；3.创建Thread对象并指定target和参数；4.调用start()启动线程；5.可选调用join()等待线程完成；6.示例展示并发执行三个任务；7.可通过继承Thread类重写run()方法实现复杂逻辑。注意GIL限制，CPU密集型任务建议使用multiprocessing。
-
Python3中datetime模块支持字符串与datetime互转（strptime/strftime）、时间戳转换（fromtimestamp/timestamp）、struct_time交互及时区处理（ZoneInfo），需注意格式符匹配与时区设置，掌握这些方法可满足多数时间操作需求。
-
Python函数通过args和kwargs实现不定参数，args收集位置参数为元组，kwargs收集关键字参数为字典，二者结合可提升函数灵活性与通用性。
