-
Python3.11协程启动速度提升源于帧对象初始化优化和await内联加速：asyncdef字节码更紧凑，首次调用快15%～20%；对同类型可等待对象的await启用地址缓存，跳过属性查找，但需避免混用类型以防止缓存失效。
-
pack_forget()并未销毁组件，仅临时移除布局；组件对象、事件绑定和属性均保持有效，与destroy()的不可逆性有本质区别。
-
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。
-
读懂Python标准库源码无需编译CPython或精通编译器，应优先阅读os、json等纯Python模块，用print(os.__file__)定位源码，配合inspect.getsource和help快速理解，区分Python/C实现边界，并通过test_*.py测试用例反推设计逻辑。
-
默认只接受Authorization:Bearer<token>格式，前端若误传为JWT前缀或漏掉Bearer，则DjangoRESTFramework静默拒绝，返回401；需严格统一请求头格式，并移除CSRF和SessionAuthentication干扰。
-
Python中Windows路径报错因反斜杠\被当作转义符，导致\u、\n等解析异常；用原始字符串r""可解决字面量问题，但拼接或跨平台时应优先使用pathlib.Path或os.path.join。
-
Python用户输入清洗需统一格式、剔除干扰、验证边界、转为可用类型：用.strip()去首尾空白，正则压缩中间空格并过滤零宽字符；英文转小写、中文全角转半角；手机号去除非数字后验长度，金额去符号转数值，日期用专业解析；白名单过滤非法字符、截断超长输入，并在各环节嵌入清洗策略。
-
虚拟环境被误删的根本原因是其仅为普通目录且无运行时锁机制，rm-rf可直接删除正在使用的venv；最可靠防护是跨平台扫描系统中是否存使用该环境的Python进程。
-
<p>信息增益和信息增益率用于决策树特征选择，基于信息熵计算。1.信息熵衡量数据混乱程度，公式为H(S)=-Σ(p_ilog2(p_i))，Python用entropy函数实现。2.信息增益IG(S,A)=H(S)-Σ(|S_v|/|S|H(S_v))，表示划分后熵的减少，通过information_gain函数计算特征对标签的分类能力。3.信息增益率GR(S,A)=IG(S,A)/IV(A)，其中IV(A)为特征A的固有值，用于抑制多取值特征偏差，由intrinsic_value函数计算。4
-
startswith()用于判断字符串是否以指定子串开头，返回True或False；支持单字符串、元组（多前缀）、指定起止位置；区分大小写，空字符串恒为前缀，不支持正则。
-
Locust安装与基础配置需注意：Python3.8+为硬性要求；Windows下conda环境应使用condainstall-cconda-forgelocust避免pyzmq编译失败；须验证locust--version输出；配置文件需显式指定--config=locust.conf；推荐使用HttpUser类并设置timeout及User-Agent；分布式模式下master需绑定0.0.0.0且开放5557/5558端口；高并发时需调高ulimit并考虑多进程或多机worker。
-
TimeSeriesSplit不能直接套用普通交叉验证，因为时间序列数据具有严格时间依赖性，随机打乱会泄露未来信息导致评估失真；它强制按时间顺序前向链式切分，确保训练集始终在测试集之前。
-
必须使用数据库驱动原生支持的参数化查询机制，因str.format()或%拼接发生在Python层，数据库无法区分代码与数据，'OR1=1--等payload可直接构造恶意SQL；sqlite3用?，psycopg2用%s，字段名/表名等结构元素须白名单校验。
-
选Qdrant写入更快（单节点upsert快1.5–2倍），但需NVMe磁盘；Milvus对CPU/内存要求高，高并发易阻塞；Weaviate居中，batch_size需≥100才提速。
-
asyncio.wait()适合统一控制超时与完成状态，返回(done,pending)并支持return_when精细调度；asyncio.as_completed()专为按完成顺序消费结果设计，返回异步迭代器，需asyncfor逐个await。
