-
Python打印直角三角形需控制星号数量与空格数：左下用foriinrange(1,n+1)打印""i；左上用range(n,0,-1)；右下每行打印""(n-i)+""*i（i从1到n）；右上同理i从n到1；while循环可辅助理解逐行构建过程。
-
静态分析三步法：先用flake8检查PEP8风格和硬性错误，再用pylint深入分析逻辑与结构；接着用mypy做类型检查捕获运行时错误；最后用radon和vulture识别高复杂度与无用代码以指导安全重构。
-
Python数据结构学习关键不在讲数而在实操：list的in操作为O(n)全扫描，10万元素最坏比较10万次；set查重O(1)但需构建开销，小列表偶尔查询未必划算。
-
处理百万级数据集关键在于选对工具和策略：用chunksize分块读取、dtype/usecols压缩内存、Dask/Polars替代Pandas、转存Parquet提升IO效率。
-
类方法用@classmethod装饰，参数为cls，可访问类变量；静态方法用@staticmethod装饰，无默认参数，仅为命名空间工具函数；误用会导致子类不兼容或冗余传参。
-
本文旨在解决在使用NumPy拼接大型图像数据集进行深度学习训练时遇到的内存不足错误。通过采用分批加载和训练策略，可以有效避免一次性将所有数据载入内存，从而克服ArrayMemoryError。教程将详细介绍如何构建一个基于批处理的数据加载和模型训练流程，以优化系统资源利用，实现高效的大规模数据集训练。
-
抽象类用于定义接口规范并强制子类实现特定方法，提升代码可维护性。在Python中通过abc模块的ABC和abstractmethod实现，包含抽象方法的类不能被实例化，子类必须重写所有抽象方法才能实例化，抽象类还可包含可直接继承的普通方法，适用于统一大型项目接口。
-
Python字符串比较用==、!=等运算符，按Unicode码点逐字符比对，区分大小写且严格字典序；"hello"=="Hello"为False，"test"=="test"为False，"123"==123为False。
-
自动化时间序列预测的核心是构建稳定、可复现、响应数据更新的端到端流水线，涵盖自动数据清洗、特征工程（滞后项、滚动统计、周期编码）、模型选型与超参调优。
-
使用with语句可确保资源正确释放，如文件操作中即使发生异常也能自动关闭；当无法使用with时，可在finally块中手动释放资源；通过自定义__enter__和__exit__方法或contextlib的@contextmanager装饰器可实现自定义资源管理，推荐优先使用with语句防止资源泄漏。
-
掌握Python基础运算的关键是理解运算符优先级、结合性及数据类型行为。算术运算符中/为真除法、//向负无穷取整、%符号随右操作数、**优先级高于正负号；比较与逻辑运算符中and/or返回操作数本身，位运算符仅适用于整数；赋值支持链式但不支持链式判断，增强赋值对可变对象原地修改；表达式求值需注意括号提升可读性及隐式类型转换规则。
-
使用readlines()读取的每一行末尾默认包含换行符\n，导致拼接字符串时内容被强制换行；只需调用.strip()去除首尾空白（含换行符），即可实现预期的单行输出。
-
yield只能在函数内使用，不可嵌套于表达式或异步协程中；它使函数成为生成器，return不直接返回值而触发StopIteration，适用于惰性求值与大数据流处理。
-
轻量级分类模型训练核心是“够用就好”：依数据量、硬件与延迟选合适骨架，如边缘设备用MicroResNet或QuantizedEfficientNet-Lite0，CPU服务器用ShuffleNetV2（x0.5）或3层CNN，参数控在50万内。
-
使用logging模块记录执行日志需先导入模块并调用logging.basicConfig()进行基础配置，包括设置日志级别、格式、输出文件和写入模式；2.配置后通过logging.debug()、logging.info()、logging.error()等方法在代码中记录不同级别的日志信息；3.可创建Logger、Handler和Formatter对象实现更高级配置，如将日志同时输出到文件和控制台，并为不同模块使用logging.getLogger(__name__)创建独立Logger；4.在多进程
