-
最直接的整数转字符串方法是使用str()函数，如str(123)；反之则用int("123")，但需注意处理ValueError异常以确保转换安全。
-
当使用pathos.multiprocessing.ProcessPool在继承自抽象基类（ABC）的attr类中并行调用方法时，子进程无法访问主进程中动态设置的实例属性（如self.series1），导致AttributeError；根本原因是多进程间对象序列化/反序列化时未完整传递实例状态，需显式传递所需数据。
-
神经网络受人脑启发而非复制，通过人工神经元（输入加权求和+激活函数）、多层结构（逐级抽象特征）和反向传播（梯度下降更新参数）实现学习功能。
-
Pickle是Python默认对象序列化工具，用于保存对象状态和重建逻辑，依赖解释器、类定义及代码版本，存在兼容性与安全风险；支持基本类型、顶层函数、类实例等，不支持文件对象、嵌套类等；可通过__getstate__和__setstate__控制序列化行为；协议版本0–5影响性能与兼容性；反序列化不受信任数据会导致RCE，应优先选用JSON、ProtocolBuffers等安全替代方案。
-
Django采用MVT架构而非MVC：Model负责数据逻辑与数据库交互，View处理请求响应（类似MVC的Controller），Template专注页面渲染。
-
遵循PEP8规范，使用4空格缩进、合理命名变量函数、添加必要注释、规范导入顺序，并采用f-string格式化字符串，提升代码可读性与维护性。
-
Python处理IO密集型任务时，用同步方式容易卡在等待网络响应、文件读写或数据库查询上，CPU空转，效率低。真正有效的解法不是靠多线程硬扛（GIL限制下效果有限），而是用异步I/O——让单线程在等待时立刻切换去干别的事，等IO完成再回来继续。asyncio+await是现代Python异步的基石Python3.7+中，asyncio是标准库提供的异步运行时，async/await是声明和驱动协程的语法。它不启动新线程，而是在一个线程内通过事件循环调度多个协程，实现高
-
返回函数指函数返回另一个函数对象，常用于闭包、装饰器等场景。例如make_adder(n)内部定义add(x)并returnadd，此时返回的是函数对象；plus_5=make_adder(5)后，plus_5保留对n=5的引用，调用plus_5(3)输出8，体现闭包特性。
-
Python协程性能瓶颈在于I/O等待、CPU密集任务阻塞、调度不当或同步代码混用；应避免time.sleep()等同步操作，改用asyncio.sleep()、aiohttp、asyncpg等异步方案，控制并发、卸载CPU任务至线程/进程池，并优选uvloop提升事件循环性能。
-
迁移Python环境需先在旧电脑导出包列表：pipfreeze>requirements.txt，再在新电脑安装相同Python版本并用pipinstall-rrequirements.txt恢复依赖，建议使用虚拟环境隔离项目，最后验证包是否完整及项目能否正常运行。
-
type()用于查看对象类型，如type(5)返回<class'int'>，type("hello")返回<class'str'>，type([1,2,3])返回<class'list'>；实际使用中可检查变量类型，name="Alice"时print(type(name))输出<class'str'>；与isinstance()不同，type()不考虑继承关系，适合调试和精确类型查询。
-
文本生成需清洗标准化数据、分词映射ID并构建含特殊标记的词表；采用因果掩码的Transformer解码器架构；以自回归方式训练，用交叉熵损失并右移标签；推理支持贪婪/束搜索及采样策略。
-
Python本身无界面语言概念，中文显示问题源于外围工具或环境配置；需分别设置系统区域、IDLE字体与编码、IDE界面语言、tkinter字体等。
-
Python字符串去空格需按场景选择方法：strip()等仅处理首尾ASCII空白；全角空格需显式传参；replace()/translate()适合批量删特定字符；正则re.sub()最灵活，可处理逻辑空格及不可见字符。
-
Python数据清洗需识别脏数据模式、选合适工具并避免重复劳动；pandas为主力，配合numpy、re、datetime等库；常见脏数据包括空值、重复行、格式混乱、异常值、编码错误；清洗前用df.info()、df.sample()、df.nunique()探查数据；缺失值按性质处理，文本用str+正则清理，时间字段标准化并衍生特征；清洗后保存中间结果便于回溯。
