-
本文介绍一种纯NumPy向量化方法，将源数组Y中每行的非零元素，按顺序填入目标数组X每行最靠前的零值位置，全程避免Python循环，适用于大规模矩阵（如5000×20000）高频操作。
-
match.groups()最适合“不关心分组数量”的场景，它返回包含所有捕获组值的元组，无论组数多少或是否匹配成功，均不会报错，且天然过滤未参与匹配的组。
-
Pandas筛选数据核心是布尔索引，通过条件生成True/False序列来选择行；结合loc、iloc、query()、isin()、between()及.str方法可实现多条件组合与复杂场景筛选，处理缺失值可用isnull()/notna()，配合括号明确优先级，提升代码可读性与效率。
-
Python处理大规模日志需流式读取、预编译正则提取字段、结构化写入CSV或JSONLines、分块输出、加进度提示与断点续跑，确保内存可控、格式一致、鲁棒可维护。
-
必须用fromtkinterimportttk或importtkinter.ttk，不能直接importttk；启用主题需先创建根窗口再调用ttk.Style()并用theme_use()设置，如'vista'或'clam'。
-
Flask的before_request必须在app实例创建后、run()前注册，工厂模式需在create_app内注册，蓝本需用bp.before_request单独挂载；多个钩子按注册顺序执行，任一异常中断后续；应使用app.logger安全记录日志，避免耗时操作；与after_request非自动配对，异常时after_request不执行，需用teardown_request兜底；默认不拦截静态文件和404，需禁用自动静态路由或使用WSGI中间件实现全局拦截。
-
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。
-
Python单元测试用unittest框架，核心是继承unittest.TestCase类，测试方法名必须以test_开头，通过unittest.main()运行；常用断言包括assertEquals、assertTrue、assertRaises等，支持setUp/tearDown进行测试前准备与清理。
-
split()函数在Python中的用法包括：1.默认使用空白字符分割字符串；2.指定分隔符进行分割，如逗号；3.指定最大分割次数；4.处理空字符串时返回包含一个空字符串的列表；5.结合正则表达式进行复杂分割。split()函数灵活且高效，但需注意数据格式和边缘情况。
-
Cerberus的validate()不返回布尔值判断结果，需配合errors属性检查；Pydanticv2的model_validate()不自动解析JSON字符串，须先json.loads()或用model_validate_json()。
-
eval()危险因动态执行不可信代码，应改用json.loads()或ast.literal_eval()；requests必须设timeout防雪崩；浮点比较须用math.isclose()；日志配置应封装函数并单次调用。
-
Python的异常链（ExceptionChaining）和异常传播机制，是理解错误如何在代码中逐层传递、被拦截或重构的关键。它不仅影响调试体验，还决定了你能否保留原始错误的上下文信息。异常链：显式关联两个异常当一个异常在处理另一个异常的过程中被抛出，Python默认会将二者链接起来，形成异常链。这种链接让开发者能同时看到“引发异常的原因”和“后续发生的错误”。有两种主要方式建立异常链：隐式链：在except块中直接raise新异常（不带from），且当前有活跃异常时，Py
-
Django日志配置必须设"version":1（整数），否则整个LOGGING被静默忽略；按天轮转须用TimedRotatingFileHandler配"when":"midnight"；loggers需显式绑定handlers；注意权限、绝对路径及时区。
-
pandas.DataFrame.corr()默认计算皮尔逊相关系数，需显式指定method='spearman'才能计算斯皮尔曼；后者基于秩次，对异常值和非线性关系更鲁棒；scipy.stats中pearsonr和spearmanr均返回(相关系数,p值)元组，p值是判断统计显著性的关键。
-
Python2项目不能直接运行于Python3，因默认字符串类型、编码行为、库API等存在本质差异；需用python3-Wall检测警告，检查open()编码、统一HTTP客户端、更新venv/pip、修正mock与断言写法。
