-
使用多线程或异步编程可避免Python中因I/O、锁竞争等导致的线程阻塞。通过threading模块将耗时任务放入子线程，结合队列实现安全通信；对I/O密集型任务采用asyncio异步编程更高效。示例：创建子线程执行long_task，主线程继续运行。设置超时机制，如网络请求timeout、锁acquire(timeout=)、queue.get(timeout=)，防止无限等待。用threading.Semaphore控制并发数，Condition协调线程状态，减少资源争用。高并发I/O场景推荐协程，如
-
使用itchat库可实现Python自动发送微信消息，首先通过pip安装并扫码登录，利用get_friends获取好友列表，search_friends查找指定好友，send发送文本消息，结合schedule库可定时发送，但需注意微信官方不支持此类操作，频繁使用可能被风控，仅限个人号非商业用途，且需保持电脑开机联网。
-
Python异步任务队列本质是事件驱动的协作机制，依赖事件循环监听I/O、定时器等信号调度协程；需用create_task并发提交任务，避免await阻塞；所有IO操作须异步化或线程池托管。
-
Python对象生命周期始于__new__分配内存和__init__初始化，依赖引用计数与GC处理循环引用，销毁前可能调用__del__（不保证执行），推荐用weakref和显式资源管理替代依赖__del__。
-
Python文件操作应优先用pathlib和shutil：pathlib.Path用/运算符替代os.path.join()，自动跨平台并规范化路径；shutil.copy()等函数比os.system("cp")更安全可靠，避免shell依赖和路径错误。
-
logging模块非开箱即用，需手动配置Logger、Handler、Formatter；basicConfig仅首次生效；日志按层级继承并向上传播；多进程需避免共用FileHandler，推荐队列或专用收集进程。
-
动态网页爬取需结合Selenium与requests：Selenium模拟浏览器执行JS并获取渲染后HTML或提取API参数，requests高效调用接口；登录等交互用Selenium，后续数据请求交由requests，并注意Cookie、Headers一致性及反爬规避。
-
Python列表、字典、集合的底层机制决定其性能与安全性：列表为动态数组，索引O(1)但中间增删O(n)；字典基于哈希表，键须可哈希，查找平均O(1)；集合是无序去重结构，成员检测O(1)，空集合须用set()。
-
本文介绍一种高效、可扩展的方法，利用预定义百分比序列与分组索引技巧，在PandasDataFrame中为每组连续的TARGET=1行动态生成从起始值到100的等距累计百分比，并自动将TARGET=0行设为0。
-
id()返回对象在内存中的唯一标识符，其值在对象生命周期内不变；同一对象多次调用结果相同，id相同即为同一对象（is为True），变量赋值是引用绑定而非复制，可变对象原地修改时id不变，不可变对象“修改”实为新建对象。
-
Python导入模块时按顺序搜索路径：先当前脚本目录，再PYTHONPATH环境变量指定的目录，最后是安装默认路径如标准库和site-packages。可通过sys.path查看当前搜索路径列表，其顺序决定模块查找优先级。使用sys.path.insert(0,'path')可临时添加高优先级路径，append则添加低优先级路径，.pth文件或PYTHONPATH实现持久配置。若自定义模块与标准库同名（如json.py），会因搜索顺序导致“模块遮蔽”，误加载本地文件而非标准库，引发错误。因此应避免命名冲突
-
本文介绍如何使用Pandas高效识别并标记每个分组中首次出现指定字符（如'Y'）所在行的对应日期，适用于客户行为分析、事件首触点追踪等场景。
-
Python内存管理依赖引用计数与gc模块协同工作：引用计数实时释放零引用对象，gc模块处理循环引用；需用weakref、及时解绑、避免__del__滥用等预防泄漏，并通过sys.getrefcount、gc.garbage和psutil监控验证。
-
Python配置文件首选JSON、INI、YAML：JSON轻量通用但无注释；INI结构清晰适合简单场景；YAML功能强支持嵌套与注释，推荐中大型项目；应封装Config类统一管理并校验。
-
NumPy中的ndarray是科学计算核心，提供创建（如np.array、zeros、ones、arange、linspace）、形状操作（reshape、flatten、transpose）、数学统计（sum、mean、argmax、where）及数组拼接与广播等高效函数，掌握后可显著提升数据处理效率。
