-
本文详解Python中字典初始化的两种主流方式——逐键赋值与字典字面量（inline）——在可读性、性能、可维护性及IDE建议背后的实质差异，并推荐符合PEP8与工程实践的结构化写法。
-
pytest中mock时间函数失效因补丁位置错误：须patch被测模块内导入的名称，如importtime则patch'your_module.time.time'，fromdatetimeimportdatetime则patch'your_module.datetime.now'；freezegun需配对start/stop或用上下文管理器；random.seed()需每测试显式调用并兼顾numpy等库。
-
数据预处理是模型学习有效规律的前提，包括缺失值处理、分类变量编码、标准化/归一化及异常值判断；特征工程强调业务理解驱动的特征构造与迭代优化；模型选择应从简单baseline（如逻辑回归、随机森林）起步，逐步提升。
-
高可用是“挂了也能扛住”，需主动设计失败路径：对所有外部调用设timeout和有策略的retry；状态存储必须用Redis/PostgreSQL，禁用本地内存或文件；/health端点须检查关键依赖且超时≤1s。
-
Django通过Cookie实现会话管理、登录状态保持等功能，使用set_cookie()设置、request.COOKIES读取、delete_cookie()删除，需合理配置安全参数以保障用户数据安全。
-
Faker('zh_CN')可生成中文姓名，但需pipinstallfaker[zh_CN]安装中文扩展；手机号号段需自定义覆盖；地址层级错乱时应分调province/city/district或用行政区划树校验。
-
memray火焰图看不到Python函数名是因为默认不采集Python帧信息，需添加--record-python-allocations参数启用，但会带来2–3倍性能开销。
-
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。
