-
Python函数返回多个值本质上是返回一个元组，属语法糖；returna,b等价于return(a,b)，调用时通过解包机制实现多变量赋值。
-
Python并发任务拆分与负载均衡的核心是保持工作进程/线程忙碌、减少空等和争抢，关键在于任务粒度适配、执行者能力感知及去中心化调度；应按可并行性而非数量均分任务，I/O密集用线程或异步，CPU密集用多进程，优先采用队列驱动的动态分发与反馈式负载均衡。
-
list不可哈希，因它是可变类型，不满足哈希要求：生命周期内哈希值不变且等值对象哈希值相同；字典key必须可哈希才能正确寻址；常见可哈希类型包括int、str、tuple（元素皆可哈希）、frozenset等；可用tuple(my_list)等方式转换list为可哈希形式。
-
提升正则可读性需用命名组、re.VERBOSE注释模式、逻辑拆分；预编译、分段组合、变量复用、单元测试、文档示例及re.DEBUG调试。
-
应使用ThreadPoolExecutor(max_workers=10–20)控制并发，避免直接创建大量线程；优先选用ipapi.co或ipinfo.io等稳定API并设置timeout和重试；CSV导出采用流式写入并规范编码与空值处理。
-
Python协程由事件循环驱动，通过await挂起与恢复实现协作式多任务；当协程执行await时让出控制权，事件循环调度其他任务运行，确保并发执行不阻塞I/O操作。
-
推荐按环境拆分settings文件：base.py抽公共配置，development.py和production.py各覆差异项；通过DJANGO_SETTINGS_MODULE指定，敏感配置（如SECRET_KEY）必须从环境变量或secretsbackend读取，严禁硬编码。
-
多线程文件读写需注意线程安全与资源管理。1.使用Lock保证写操作原子性，避免多线程同时写同一文件导致数据交错；2.推荐线程写独立临时文件后由主线程合并，或通过Queue集中处理写请求；3.各线程应独立使用withopen()打开关闭文件，防止句柄泄漏；4.GIL在I/O操作中释放，适合I/O密集型任务，CPU密集型应选多进程。正确控制访问方式可确保高效安全。
-
GIL是CPython的全局解释器锁，确保同一时刻仅一个线程执行字节码；源于引用计数内存管理与C扩展兼容需求，虽经多次优化（如3.7时间切片、3.12子解释器），仍限制多核CPU密集型并发，需用multiprocessing、nogil扩展或替代解释器应对。
-
StringIO和BytesIO是内存中的类文件对象，应直接传给json.load()等函数，而非套用open()；StringIO处理str，BytesIO处理bytes；注意seek(0)、编码、内存占用及Python2/3兼容性。
-
Python变量是对象引用而非值容器，赋值即绑定引用；不可变对象重新赋值会重绑引用，可变对象原地修改影响所有引用；函数参数为对象引用传递，可变对象修改对外可见；复制需区分浅拷贝与深拷贝。
-
母版控制全局样式但不直接影响幻灯片，修改需操作presentation.slide_master；布局继承母版，新幻灯片才生效；图表须用占位符预设，字体需逐层设置中文字符集。
-
Python函数传递列表时采用“按对象引用传递”，函数内修改列表会影响原始数据，因列表是可变对象。例如，调用process_list(my_list)并执行append()或修改元素，会直接改变外部的my_list。但若在函数内将参数重新赋值（如a_list=['new']），则后续操作仅作用于新对象，不影响原列表。为避免意外修改，应使用切片[:]、list()或copy.deepcopy()创建副本，尤其当列表嵌套可变对象时需用深拷贝。建议函数优先返回新列表而非修改原列表，以遵循纯函数原则，提升代码可预
-
该用select_related时是查询外键或一对一字段且需避免N+1查询；它通过JOIN一次性获取关联数据，仅适用于正向外键/一对一关系，不支持多对多或反向关系。
-
Python内存碎片主要由CPython两层分配机制导致：小对象用pymalloc易产生内部碎片，大对象依赖系统malloc受底层碎片影响；可通过复用容器、__slots__、join替代+=、生成器、gc调优及替换jemalloc等手段缓解。
