-
Python抽象类需继承ABC、含@abstractmethod方法且不可实例化，强制子类实现抽象方法，支持抽象属性和多继承，兼具接口契约与默认行为。
-
Python网络服务需显式处理SIGTERM：注册信号处理器设退出标志，主循环检查并优雅关闭连接；优先选uvicorn而非手写socket；需兜底捕获I/O异常；健康检查须探测关键依赖并设超时。
-
Python除法结果为float、//向下取整、%余数符号随被除数，-5//2→-3；链式比较如1<x<10等价于1<xandx<10；逻辑运算and/or短路；赋值支持链式如a=b=c。
-
运行python--version或python-V可查看默认Python版本；若同时安装Python2和3，需用python3--version或python2--version分别查看；在解释器中执行importsys;print(sys.version)可获详细版本信息。
-
matplotlib与seaborn应分工协作：seaborn快速生成统计图表并处理语义映射，matplotlib精准定制布局、坐标轴及注释；seaborn返回Axes对象，可直接调用ax.*方法深度调整，如设标题、旋转刻度、添加文本等。
-
Python处理JSON最常用的是内置json模块，提供loads()将JSON字符串转为Python对象、dumps()将Python对象转为JSON字符串、load()/dump()直接读写文件，支持中文显示、缩进格式及自定义类型序列化。
-
Pydanticv2中推荐用@computed_field实现字段动态计算，该字段只读、运行时计算、不参与初始化和默认序列化；若需存入模型并序列化，则用@field_validator(mode="after")补全字段。
-
在Python中，实现数据连接的核心方式主要依赖于pandas库中的merge和join方法。1.pandas.merge()是更通用的工具，支持inner、left、right、outer四种连接类型，并允许通过on、left_on、right_on等参数指定连接键，适用于复杂多变的连接需求；2.DataFrame.join()则更简洁，主要用于基于索引的连接，默认执行左连接，适合索引一致或简单场景；3.选择merge还是join取决于具体场景：merge灵活适用于多列、不同列名等情况，join则在索引
-
Python推导式不支持try/except，因try是语句而非表达式；需用带yield的生成器函数封装异常处理逻辑，如safe_divide实现容错除法并返回nan。
-
选Pillow还是cv2取决于具体需求：Pillow适合常规格式读写、简单编辑和中文路径；cv2更适合OpenCV算法、底层加速及批量NumPy操作，但部署复杂、通道处理易出错。
-
Pythonlogging模块是标准库中成熟灵活的日志工具，核心在于合理配置、恰当分级与可追溯输出；推荐使用命名logger实例、Handler-Formatter-Level三层协作、分离配置及结构化日志。
-
推荐方式是ORM插入后调用session.flush()再访问obj.id，兼容所有支持自增主键的数据库；进阶方式用insert().returning()仅限PostgreSQL等支持RETURNING的数据库。
-
本文详解如何正确配置Docker的端口映射，解决Sanic应用在容器内监听0.0.0.0:8000却无法被外部主机访问的问题，重点纠正ports字段中误用0.0.0.0:8000:8000的常见误区。
-
Pythonimporthooks易被绕过因MetaPathFinder/PathEntryFinder由用户完全控制且解释器不校验来源；须实时比对sys.meta_path、校验模块真实路径、禁用动态执行与zipimport，并防范hook自身被劫持。
-
NumPy数组比Python列表运算更快，因其采用内存连续存储、向量化操作和固定数据类型，结合广播机制与基于C的高效函数，显著提升大规模数值计算性能。
