-
Python单线程高并发I/O靠事件循环+非阻塞I/O+协程协作调度，非多线程；await挂起协程交还控制权，I/O就绪后恢复；CPU密集型任务需用run_in_executor避免阻塞循环。
-
Python3.9引入类型提示中的|运算符作为Union的语法糖，替代Union[T1,T2]写法，无需导入typing，支持str|int|None等简洁标注，提升可读性、可维护性与协作效率，但仅限类型注解上下文使用。
-
根本原因是模块未被Python正确导入；Sphinx运行独立解释器，需在conf.py中添加项目根路径到sys.path，并验证import成功，再配置autodoc选项与mock依赖。
-
本文详解为何应使用IntEnum（而非frozendataclass）组织逻辑常量组，并演示如何通过Enum类型注解实现严格、可推导、IDE友好的函数参数类型提示，兼顾运行时语义与静态类型检查准确性。
-
服务间调用延迟比本地函数高约1000–10000倍：本地函数调用为纳秒至微秒级，而网络调用（含localhost）通常为1–10ms，主因是TCP握手、序列化、反序列化、网卡中断及调度切换等固有开销。
-
SQLAlchemy实现upsert有三种方式：一是Core层数据库原生语法（PostgreSQL用on_conflict_do_update、MySQL用on_duplicate_key_update、SQLite用on_conflict_do_update），高效且避免竞态；二是ORM层bulk_upsert_mappings（2.0+），批量处理、不触发事件；三是merge()，自动查再更/插但有性能开销。
-
dask.delayed更适合特征提取pipeline，因其支持任意带状态、依赖外部资源或非向量化函数的Python逻辑，粒度细、易调试；而dask.array和dask.bag分别受限于纯数组运算和无序/高shuffle成本。
-
Python中恒为Falsy的值有9种：None、False、数值零（0、0.0、0j）、空序列（''、[]、()、range(0)）、空映射（{}、set()、frozenset()）及__len__返回0的空容器；其余均为Truthy。
-
回调函数绑定给Future或Task对象而非asyncdef函数，触发于其done状态变化；须用create_task等显式获取任务对象才能绑定，且回调中需检查exception()再调用result()。
-
<p>np.linalg.eig返回的特征向量是列向量，即v[:,i]对应第i个特征值w[i]，但print(v)屏幕显示按行展示，易误读为“每行一个向量”；实际布局符合线性代数惯例，验证方式为检查A@v[:,0]≈w[0]*v[:,0]。</p>
-
异常在Python中沿调用栈向上传递，若func_c抛出异常未被捕获，将依次回溯至func_b和func_a，最终由func_a的except处理，实现跨层错误捕获。
-
切片法：最简洁常用Python中用s[::-1]可直接反转字符串，底层基于序列切片机制，语法简洁、效率高、可读性强，是面试中最常被期望写出的解法。示例：s="hello"reversed_s=s[::-1]#结果为"olleh"reversed()+join()：语义清晰reversed()返回一个反向迭代器，需配合''.join()转为字符串。虽比切片稍慢（因多一次迭代和拼接），但逻辑明确，体现对内置函数的理解，适合强调可读性或需兼容其他可迭代对象的场景。示例：s=
-
__name__是Python中用于标识模块运行方式的内置变量：直接运行时值为'__main__'，被导入时为模块名（如'mymodule'）；常用于if__name__=='__main__':保护主程序逻辑，避免导入时执行；不可手动修改，否则破坏运行时判断机制。
-
Python列表去重无绝对最佳方案，需据是否保序、元素是否可哈希、数据量及是否可修改原列表选择：保序且可哈希用dict.fromkeys()；含不可哈希元素则手动遍历；不关心顺序用set()；大数据量保序可用生成器+集合。
-
df.info()展示数据结构与内存占用，df.describe()统计数值分布；前者诊断类型与缺失，后者分析均值、分位数等，需注意类型过滤与性能开销。
