-
推荐用pathlib.rglob()遍历配置文件，配合is_file()和后缀过滤；正则替换需用re.MULTILINE和注释排除；原地修改必须先备份并校验编码；I/O密集任务优先单线程串行处理。
-
<p>Pandas循环慢是因为逐行触发Python解释器开销、类型检查和索引查找，绕开了底层NumPy的C优化；应优先使用df['col']=df['other_col']*2等向量化操作，性能可提升数十倍以上。</p>
-
np.sin、np.cos等ufunc函数对数组每个元素独立执行数学映射，不改变形状；输入须为数值型，角度需转弧度；np.exp为e^x，np.log为自然对数；广播先计算后扩展，提升性能。
-
DFA比正则更适合敏感词过滤，因其预构状态转移图后单次扫描即可完成所有匹配，时间复杂度稳定为O(n)，而正则需逐条匹配、回溯频繁，词库超500条时性能断崖下降。
-
必须继承BaseEstimator和TransformerMixin，否则无法被Pipeline或GridSearchCV识别：前者提供get_params/set_params支持超参搜索，后者提供fit_transform默认实现。
-
Python在企业落地数据分析的核心是打通“数据→分析→决策→反馈”闭环。需稳定对接数据库/API等真实数据源，分析过程要可复现、可解释，结果须嵌入业务系统（如API、企微机器人），并建立反馈闭环验证效果。
-
for循环在NumPy中特别慢，因Python解释器需反复进行类型检查、对象查找和引用计数，而NumPy数组是连续内存中的同构数据块，应通过向量化操作（如ufunc、布尔索引、np.where）而非Python层循环来利用CPU批量处理能力。
-
可通过调用地图API获取地理坐标或逆地理编码信息。一、使用requests库发送HTTP请求，安装后构造GET请求访问高德地图API，传入地址与密钥并解析返回的JSON数据提取经纬度。二、调用百度地图API需先注册获取AK密钥，构建含地址与AK的请求链接，通过requests.get()发送请求并从响应中提取location中的lat和lng值。三、高德地图逆地理编码将经纬度转为结构化地址，申请Web服务Key后，向regeo接口发送包含location参数的请求，解析regeocode.addressC
-
combine_first本质是用右侧数据填充左侧空值，并非条件填充；需警惕索引类型不一致导致的静默错位、object类型强制转换及数值运算失败，推荐先align预对齐。
-
Referer校验主要拦截非授权页面发起的请求，通过比对请求头中的Referer字符串是否来自允许域名；其本质是简单字符串匹配，易被伪造，但常与Origin、Cookie等联合校验。
-
Python处理JSON核心是序列化（dumps/dump）与反序列化（loads/load），前者转对象为字符串或文件，后者反之；需注意编码、类型兼容性及安全性。
-
pyproject.toml中build-backend应与所选工具严格匹配：hatchling需"hatchling.build"，flit_core需"flit_core.buildapi"，setuptools64.0+默认即"setuptools.build_meta"；硬写死可能覆盖轻量构建逻辑或触发降级，且必须配全requires和build-backend。
-
clipnorm是对梯度向量整体按L2范数缩放裁剪，保持方向一致性；clipvalue是对每个梯度元素单独限幅裁剪，易破坏梯度结构；二者互斥，需在优化器初始化时设置，且clipnorm更常用。
-
Button点击事件立即执行是因为command=func()是调用函数并赋值返回值（如None），而正确绑定应为command=func或command=lambda:func(arg)、command=partial(func,arg)。
-
drop_duplicates的subset参数填列名字符串或字符串列表，用于指定仅根据这些列的组合值判断重复，其余列不影响去重逻辑。
