-
type()可动态创建类，语法为type(name,bases,dict)；示例：MyClass=type('Person',(),{'species':'Homosapiens'})；可添加方法如greet；支持继承，如Dog=type('Dog',(Animal,),{'speak':lambdaself:"Woof!"})。
-
使用Tkinter构建GUI界面并用PyInstaller打包为单文件可执行程序；需添加--windowed参数隐藏控制台，资源路径用sys._MEIPASS适配打包后环境。
-
__slots__并非总省内存：继承内置类型或含__dict__的父类时会被忽略，反而可能增大实例；仅对纯新式类且无父类__dict__时生效，需用hasattr(Parent,'__dict__')检查。
-
str.partition()分隔符不存在时返回(s,'','')；rpartition()同理，且均从首次/末次出现处切割，始终返回三元组，解包安全。
-
方差检验通过分析数据变异判断多组均值差异是否显著。使用Python的scipy.stats可实现单因素ANOVA，如f_oneway函数计算P值，若小于0.05则表明至少两组均值存在显著差异；需满足正态性、方差齐性和独立性假设，不满足时可用Kruskal-Wallis等非参数方法替代。
-
Faker('zh_CN')可生成中文姓名，但需pipinstallfaker[zh_CN]安装中文扩展；手机号号段需自定义覆盖；地址层级错乱时应分调province/city/district或用行政区划树校验。
-
get_type_hints()默认只作用于传入的类型对象（如B），而非实例（如b）；若传入实例，它会退化为获取该实例所属类的__annotations__（不包含父类），因此无法自动合并继承链上的类型提示。
-
post_init是dataclass初始化后自动调用的校验与衍生计算方法，用于字段验证、联合校验及init=False字段赋值，须只读校验、避免覆盖用户输入，错误时抛ValueError并附清晰信息。
-
pd.Grouper(origin='start')以数据首个时间戳为分组区间左边界起点，后续区间按freq等距对齐，确保首尾紧贴实际数据范围，避免空桶或覆盖偏差。
-
在异步Telegram机器人中使用DjangoORM进行多对象原子更新时，需通过transaction.atomic+select_for_update()+F()表达式组合防范竞态条件，确保读-判-写逻辑的线程/协程安全。
-
Python中迭代器和生成器实现懒加载以节省内存，迭代器需实现__iter__和__next__方法，生成器函数用yield简化编写并自动支持状态暂停与恢复。
-
PySpark是Python在大数据生态中的重要工具，适合处理海量数据。它基于Spark的分布式计算能力，支持并行处理数十GB到TB级数据。与Pandas不同，PySpark可跨节点分片数据，避免内存限制。安装需配置Java、ApacheSpark和PySpark包，本地模式适合开发测试。核心结构包括RDD和DataFrame，后者更推荐使用。常用操作如select()、filter()、groupBy()等，注意惰性执行机制。性能优化建议：用Parquet格式、减少shuffle、合理分区、适当缓存，并
-
asyncio的核心是“不阻塞”而非“快”，通过事件循环调度awaitable对象（协程、Task、Future）实现高并发I/O；误用同步调用、漏await任务、混用同步/异步队列是常见陷阱。
-
使用locals()可查看函数内局部作用域的变量字典，如my_function中输出{'a':1,'b':'hello'}；2.globals()返回模块级全局命名空间，包含变量、函数和导入模块等；3.dir()不传参时列出当前作用域名称，适合交互环境浏览，但函数中建议用locals()获取局部变量。
-
魔术方法用于定义对象在特定操作下的行为，应仅在语义清晰、符合直觉时重载；运算符需有明确数学或领域含义；实现__eq__通常需配套__hash__，比较方法应保持一致性。
