-
应避开Airflow当任务周期固定、依赖少、无跨系统搬运，或团队不熟悉DAG与executor配置；Prefect易因语义错误（如Task含副作用、Flow顶层调用未装饰函数）导致任务不被追踪；Luigi的requires()必须返回Task实例，否则依赖图解析失败；自研调度器仅适用于已有执行框架需轻量调度，或任务粒度达秒级。
-
asyncio版令牌桶不能直接套用threading版逻辑，因为threading.Lock在协程中会阻塞eventloop且不可await，导致并发请求串行化、吞吐量骤降；必须改用asyncio.Lock或无锁结构。
-
Python中推荐使用concurrent.futures.ThreadPoolExecutor管理线程池，它简化了线程创建、回收与队列管理，适用于I/O密集型任务；通过with语句自动管理生命周期，支持map()保持顺序或submit()+as_completed()按完成顺序处理结果，并需注意共享状态、超时控制及避免嵌套线程池等陷阱。
-
必须用decimal而不是float的场景是金融计算、会计对账、需要精确小数位的业务逻辑，因float存在二进制浮点误差，导致金额不一致，如0.1+0.2!=0.3；decimal保证十进制精度，但需字符串初始化并显式quantize控制舍入。
-
Python列表默认不提供独立的__str__实现，而是复用__repr__；因此调用str([obj])或打印含自定义对象的列表时，实际触发的是各元素的__repr__，而非__str__——这是设计使然，而非缺陷。
-
应选择Python3最新稳定版并根据操作系统和硬件匹配安装包，优先使用64位版本，通过虚拟环境管理项目依赖。
-
本文介绍如何通过setattr动态为类批量添加与目标类同名但无实际逻辑的空方法，实现自动化哑类（DummyClass）构建，适用于单元测试中解耦外部依赖（如数据库），避免手动维护、提升可维护性。
-
Python内置http.server模块可快速搭建简易Web服务器：命令行执行python-mhttp.server8000即可提供静态文件服务；自定义BaseHTTPRequestHandler类可处理GET/POST、实现路由与动态响应，但仅适用于本地测试，不适用于生产环境。
-
本文详解如何在Python端（使用crc库）与STM32G0xx硬件CRC单元（默认配置）之间实现完全一致的CRC-32校验结果，避免盲目试错，直接给出经验证的参数组合及原理说明。
-
局部变量访问快是因为通过栈帧的fastlocals数组直接按索引取值，无需字典哈希查找；LOAD_FAST指令对应编译期确定的偏移量，而全局、自由或动态变量需LOAD_GLOBAL/LOAD_DEREF或字典查找，开销更大。
-
Python允许函数嵌套定义，根本原因在于函数是一等对象且LEGB作用域规则与闭包机制天然支持；内层函数在运行时动态创建，可访问并捕获外层变量，实现封装、工厂函数等设计意图。
-
配置国内镜像源可解决pip安装慢的问题，推荐使用阿里云、清华、中科大等镜像；可通过临时命令或永久修改pip.ini/pip.conf文件配置，Windows在C:\Users\用户名\pip\下创建pip.ini，Linux/macOS在~/.pip/pip.conf中设置index-url和trusted-host，也可用pipconfigset命令快速配置，生效后显著提升下载速度。
-
移动平均可以通过Python中的列表操作和numpy库实现。1)使用列表操作的简单方法是遍历数据，计算固定窗口内的平均值。2)使用numpy库的高效方法是利用累积和计算，避免循环，提高性能。在实际应用中，需注意窗口大小选择、边界处理、性能考虑及数据类型的一致性。
-
使用os.path.getsize()和pathlib.Path.stat()可获取文件大小，前者简单直接，后者更现代；字节可转换为KB、MB等易读单位。
-
Python官网不提供固定书单，但推荐社区公认的书籍如《EffectivePython》《FluentPython》，并关注核心开发者撰写的权威著作。
