-
索引并非越多越好，过多低效索引会拖慢写入并占用磁盘空间；应通过EXPLAIN确认索引是否被实际使用，未被使用的索引应及时删除；复合索引需遵循最左前缀原则，等值字段在前、范围字段居中、排序字段靠右；避免对索引字段使用函数，否则导致索引失效。
-
Python函数核心在于定义、调用、返回、作用域与闭包五环节；函数是一等对象，支持赋值、传参、返回；参数传递为传对象引用；无return默认返None；闭包通过__closure__保存外部变量。
-
数据预处理是模型学习有效规律的前提，包括缺失值处理、分类变量编码、标准化/归一化及异常值判断；特征工程强调业务理解驱动的特征构造与迭代优化；模型选择应从简单baseline（如逻辑回归、随机森林）起步，逐步提升。
-
本文介绍一种基于迭代器与递归下降解析的优雅方案，将嵌套括号表达式（如["(","A","&","B",")","|","C"]）自动构建成多叉树，并支持任意深度的节点访问与子节点插入。
-
Python中对象ID的复用机制不会导致Pickle错误地复用已序列化对象，因为Pickler内部的memo字典不仅记录ID，还强引用实际对象，确保其生命周期覆盖整个序列化过程。
-
Python装饰器复用的核心是抽离通用逻辑为可配置、可组合的函数，包括参数化装饰器、类装饰器、装饰器工厂配合functools.wraps、以及组合式装饰器四种方式。
-
GIL是CPython解释器的全局锁，确保同一时间仅一个线程执行字节码，源于引用计数内存管理需线程安全。它使CPU密集型多线程性能受限，因多核无法并行执行；但I/O密集型任务可在等待时释放GIL，实现并发。绕过GIL的方法包括：使用multiprocessing实现多进程并行，采用asyncio处理异步I/O，调用能释放GIL的C扩展（如NumPy），或切换无GIL的解释器（如Jython）。
-
文本特征稀疏是自然语言处理的天然属性，应通过TruncatedSVD降维、语义分组、HashingVectorizer等方法合理利用稀疏结构，结合n-gram、统计特征或句向量补充结构信息，并注意工程细节以避免内存与精度损失。
-
Python处理压缩文件主要用zipfile和tarfile标准库，支持ZIP、GZIP、BZ2、XZ等格式，但不支持RAR、7z；zipfile适合跨平台小文件打包，tarfile适合Linux场景并保留权限等元信息。
-
GitHubActions轻量高效，适合中小型Python项目；Jenkins灵活可控，适合复杂流水线；二者可混合使用，统一配置保障CI可信性。
-
本文介绍如何将模板中以“-[]”开头的选项列表，自动替换为带小写字母序号的格式（如a.selectionone），并提供可直接集成到现有代码中的健壮实现方案。
-
本文详解Python依赖版本约束符（==、~=,>=）的行为差异，重点说明为何pyspark~=3.1.2会阻止升级至3.3.4，并给出可维护、向后兼容的版本声明最佳实践。
-
本文介绍使用pandas的str.split()和explode()方法，高效地将DataFrame中多个字符串型列表列（如"MS"和"DS"）按元素一一配对展开为独立行，自动处理长度不等时的缺失值填充（如None）。
-
使用requests库可轻松发送HTTP请求，先安装pipinstallrequests，再用get()或post()方法获取响应，支持JSON解析、自定义头、超时设置及Session复用；也可用内置urllib发送请求但较繁琐；httpx则支持同步与异步模式，兼容requests且性能更优。
-
ffmpeg-python是FFmpeg的轻量惰性封装，支持链式语法与完整选项，不立即执行而拼接命令后单次调用，兼顾性能与可编程性；相比OpenCV（帧级低效）和moviepy（抽象高、调试难），它复用系统FFmpeg、支持硬件加速、微秒级精准剪辑、无损流复制及复杂滤镜。
