-
装饰器是Python中用于包装或修改函数、方法或类行为的高阶函数，无需修改原代码即可添加日志、计时、权限校验等横切关注点。其核心语法为@decorator_name，本质是将函数作为参数传入装饰器并返回新函数。使用functools.wraps可保留原函数元信息，避免调试困难。带参数的装饰器需多一层嵌套结构，如@log_level(level="DEBUG")。装饰器解决了代码重复和关注点分离问题，广泛应用于Web路由（@app.route）、权限控制（@login_required）、限流、缓存（@lr
-
应使用train_test_split分两次：先按比例分离测试集，再对剩余数据分离训练集和验证集，全程固定random_state并启用stratify确保类别分布一致，严禁混用验证集与测试集。
-
dask.delayed更适合数据流水线因其构建可调度的DAG，支持中间复用、条件分支与失败重算；而concurrent.futures仅适用于独立函数调用。
-
datetime.date减法结果不含结束日，即date2-date1表示[date1,date2)区间天数；需包含首尾时应加1；跨年跨月不影响逻辑，但不可用字符串比较替代date运算。
-
本文介绍如何利用Z3SMT求解器高效求解大规模线性布尔方程组（所有变量取值∈{0,1}），替代传统暴力搜索或符号代数方法，完整演示建模、求解、遍历全部解的Python实现，并分析不同位宽建模对解空间的影响。
-
dict.get()默认值不保证类型安全，可能引发AttributeError/TypeError；应分层判断或用嵌套get()配合空字典默认值；可变默认值需避免共享引用；关键路径宜用try/except捕获KeyError；defaultdict适用动态键场景而非错误兜底；深度嵌套推荐Pydantic校验而非层层get()。
-
学Python需明确目标分阶段：先定方向（如数据分析、Web开发等），再掌握核心语法并动手实践，通过小项目串联知识，深入理解底层逻辑，最后以输出倒逼系统化学习。
-
FastAPI本身不处理并发，真正支撑高并发的是ASGI服务器（如uvicorn）及部署时的进程/线程模型；需用Gunicorn配合uvicorn.workers.UvicornWorker，禁用syncworker，并确保数据库使用asyncdriver（如asyncpg）和AsyncEngine，否则异步链路将退化为同步。
-
迁移学习关键在于合理选择预训练模型、分层冻结策略、头部适配及微调监控。需按任务匹配选模型，分语义层级设置不同学习率冻结，替换并增强分类头，监控梯度与特征分布以避免灾难性遗忘。
-
最可靠的方式是先写入同目录临时文件再用os.replace()原子替换原文件：它跨平台原子、避免损坏，需防覆盖、权限冲突及磁盘空间不足。
-
Python3严格区分str（文本）和bytes（二进制），二者类型、内存表示及操作接口均不同，混用导致TypeError或UnicodeDecodeError；必须用.encode()和.decode()显式转换，且编码名需准确匹配。
-
Python输入整数需先用input()读字符串再用int()转换，但可能因非纯整数字符串（如"3.14"、"abc"）引发ValueError；安全做法是用try/except循环捕获异常并提示重输。
-
Python列表核心操作：添加用append（单元素）、extend（逐个合并）、insert（指定位置）；删除用remove（按值）、pop（返回并删）、del（直接删）、clear（清空）；修改支持索引赋值和灵活切片赋值；查找用in、index、count，注意效率与异常处理。
-
__slots__仅限制动态添加实例属性，不阻止已有属性赋值、类属性、描述符、property或子类绕过；__setattr__是统一校验入口，需谨慎处理内置属性；不可变性需深拷贝或封装，而非依赖tuple/frozenset。
-
property函数将方法包装为属性，实现对私有属性的访问控制；2.可定义getter、setter和deleter，用于拦截属性的读取、赋值和删除操作；3.支持在不改变接口的情况下加入数据验证或逻辑处理。
