-
PyechartsSankey要求nodes（按业务顺序排列的去重步骤名）和links（含source/target/value的字典列表），需从原始日志聚合转化频次，注意中文字体设置、流量归一化及低频路径保留。
-
sheet_name参数可传None、字符串、整数、字符串列表或整数列表：None读全部表并返回字典；字符串或整数读单表并返回DataFrame；列表读多表并返回字典；非法组合如["Sheet1",None]会报ValueError。
-
Python中AI模型输出答案的本质是确定性数学流程，分为三步：一、token化将文本转为整数ID；二、前向传播经嵌入层和Transformer计算logits；三、解码采样依策略将logits转为最终文本。
-
应使用importlib.resources替代__file__拼路径，因其能统一处理源码运行和打包后资源读取；打包工具还需显式声明资源文件，否则资源虽可读但未被包含。
-
因为Python字符串不可变，每次+拼接都创建新对象并复制全部内容，循环中呈O(n²)复杂度；而join()预估总长、一次分配内存，复杂度为O(n)，但仅在拼接项较多（>5）且动态积累时才显著优于+。
-
RabbitMQ+Pika实现可靠事件解耦需解决自动重连、消息不丢失、DLX配置正确、fanout绑定完整及消费性能优化五大核心问题，否则易引发线上故障。
-
re.match仅从字符串开头匹配，re.search才全文搜索；未转义特殊字符会导致误匹配；应预编译正则以提升性能；调用group前必须检查匹配结果是否为None。
-
Depends()仅在路径操作函数及被FastAPI显式调用的依赖函数中生效，普通工具函数、类方法或模块级代码中无效；类型提示须可解析，嵌套依赖需完整签名，导入顺序影响命名空间可见性。
-
__all__只影响from...import*，因其语义明确依赖该列表决定导入白名单；而importpackage和frompackageimportname是显式导入，直接操作命名空间，完全绕过__all__检查。
-
链式调用需方法返回self，仅修改状态的方法适用，查询方法应返回实际值；注意副作用、可读性与调试便利性。
-
使用threading.Thread可创建线程并发执行函数，target指定目标函数，start()启动，join()等待完成；I/O密集型任务受益明显，CPU密集型受GIL限制；通过args或kwargs传参；多个线程可用列表统一管理启停；共享变量需用Lock保证线程安全，避免数据竞争。
-
Python异步I/O性能优于线程，因其避免线程切换开销和GIL限制，单线程事件循环调度协程，切换成本纳秒级，且通过epoll/IOCP实现高效I/O等待；但仅适用于I/O密集型场景，且需全链路async支持。
-
StackingRegressor的次级模型拟合基模型对训练集的预测输出构成的新特征矩阵；它用该矩阵（n_samples×n_base_models）拟合y_train，而非原始X或y，且默认通过交叉验证生成无泄漏的out-of-fold预测以避免过拟合。
-
安装后命令行无法识别Python通常因未添加至环境变量，Windows需勾选“AddPythontoPATH”或手动配置，macOS/Linux使用pyenv或brew安装后需检查shell配置文件；多版本管理推荐Windows用PythonLauncher（如py-3.9），macOS/Linux用pyenv实现全局、局部切换；pip报SSL错误或超时可换国内镜像源如清华源，临时使用-i参数或永久配置pip.conf，并可升级pip、校准系统时间解决证书问题；虚拟环境创建失败应确认venv模块可用（Li
-
asyncio.wait_for超时抛TimeoutError而非返回默认值，因其设计目标是强制中断而非容错；必须用try/except捕获并手动提供fallback，同时确保被取消协程的资源清理。
