-
queue.Queue不能用于协程场景，因为它基于线程阻塞而非协程挂起，不支持await；应改用asyncio.Queue，其通过协程挂起实现背压与异步等待。
-
优先使用Playwright或Selenium启动真实浏览器执行混淆JS，再提取DOM；若必须正则解析，需预处理注释与零宽字符、兼容进制与多行匹配，并识别String.fromCharCode等字符串构造模式。
-
asyncio.run()不能在已运行事件循环中调用，因设计上单线程仅允许一个顶层循环；Web框架或Jupyter中应改用await或create_task()；await后必须为Awaitable对象，同步IO需替换为异步版本或用run_in_executor()。
-
import语句触发Python导入协议：先由sys.meta_path查找器定位模块，再由加载器执行并注入sys.modules缓存；可被拦截实现热重载等高级功能。
-
本文介绍如何基于时间序列连续性，从PandasDataFrame中筛选出满足“最近N个自然月内存在至少N条连续月度观测”的unique_id及其全部记录，适用于时序建模前的数据质量校验。
-
打开Pycharm非常简单：1.通过桌面快捷方式双击图标启动；2.通过开始菜单找到Pycharm图标点击启动。首次启动时，你会看到欢迎界面并进行初始设置，如选择主题、设置Python解释器和配置插件。
-
PyPy、Cython和Numba是三种提升Python性能的有效工具。PyPy通过JIT编译加速纯Python代码，适合CPU密集型任务且无需修改代码；Cython通过类型声明将Python代码编译为C代码，适用于精细化性能优化和C库集成；Numba利用@jit装饰器对数值计算进行JIT编译，特别适合NumPy数组操作和科学计算。选择取决于代码特性：PyPy适合纯Python场景，Cython适合需深度优化的部分，Numba适合数值计算密集型任务。
-
__getattr__仅在访问不存在属性时触发，用于动态代理、惰性加载和友好错误提示；它不拦截已定义属性或方法，也不替代__getattribute__。
-
SVM是一种通过寻找最大间隔超平面进行分类的监督学习算法，利用核函数处理非线性数据，在高维空间表现优异；Python中使用scikit-learn的SVC类实现，需注意数据标准化和参数调优以提升性能。
-
Python推导式提供简洁语法创建序列或映射，主要包括列表、字典、集合推导式及生成器表达式。列表推导式通过[表达式for变量in可迭代对象if条件]生成列表，如[x2forxinrange(10)]创建0到9的平方列表；添加条件可筛选结果，如[x2forxinrange(10)ifx%2==0]仅保留偶数平方。字典推导式使用{键表达式:值表达式for变量in可迭代对象if条件}格式，例如{s:len(s)forsin['apple','banana','cherry']}将字符串与其长度关联成字典，或用{
-
reduce函数需导入functools，通过累积计算将序列归约为单值。示例1：add函数依次接收前次结果与下个元素，如a=1,b=2→3；a=3,b=3→6；a=6,b=4→10。示例2：初始值"start->"作为首次参数s，依次拼接'a'、'b'、'c'得"start->abc"。示例3：lambdax,y:x*y以1为初值，计算1×2×3×4=24。参数来源明确：累计值与当前元素。
-
使用pathlib.Path.write_text()方法可在单行中完成文件打开、写入和自动关闭，避免手动管理文件句柄，既简洁又安全。
-
torch.compile(model)不能直接套用，因首次前向才触发编译，含动态shape分支易graphbreak致退化；需预热、避控制流、慎选mode，并监控缓存命中。
-
Python读JSON文件最常用方式是用json.load()配合withopen()，需指定encoding='utf-8'；字符串解析用json.loads()；常见问题包括路径错误、编码不匹配、JSON格式非法，可借助json5库处理带注释或单引号的类JSON文本。
-
tf.config.threading.set_intra_op_parallelism_threads控制单算子内线程数，必须在import后、图构建前设置；set_inter_op_parallelism_threads控制算子间并发，二者正交；环境变量优先级更高，需避免覆盖。
