-
Python终止程序最常用方式是sys.exit()或抛出SystemExit异常；return仅退出函数，不能终止整个程序；os._exit()等强制终止方式不执行清理，应避免常规使用。
-
Python通过标准库和第三方库实现数据加密，常用hashlib验证完整性，secrets生成密钥，pycryptodome或cryptography支持AES和RSA等算法。使用AESGCM模式可同时保障机密性与完整性，结合nonce和tag确保安全；RSA则用于密钥交换与数字签名，通过公私钥配对实现安全通信，如PKCS1_OAEP加密和PSS签名，适用于小量数据加密与身份认证。
-
Python通过try-except-finally处理异常以保证程序稳定；2.可捕获特定异常如ZeroDivisionError或ValueError，并获取异常信息；3.推荐使用exceptException而非裸except防止屏蔽错误；4.else在无异常时执行，finally始终执行用于清理资源；5.可用raise主动抛出异常并可重新抛出已捕获异常；6.异常处理应增强健壮性，但不能替代正常逻辑判断。
-
Python不是汇编语言：前者是高级语言，语法近自然语言，由解释器动态执行；后者是低级语言，指令与机器码一一对应，需汇编器生成二进制并直接操控硬件。
-
Python区间预测核心是输出带置信范围的上下界（如95%预测区间），需区分预测区间（含模型误差+噪声）与置信区间（仅参数估计），并依据数据特性选择statsmodels、分位数回归、深度学习或ConformalPrediction等方法，强调校准与覆盖率检验。
-
zip()函数可将多个可迭代对象按索引聚合为元组迭代器，常用于并行迭代、构建字典、矩阵转置等场景；其以最短序列为准进行截断式合并，支持列表、元组、字符串、range等可迭代类型，结合itertools.zip_longest可实现填充式对齐。
-
探索性数据分析（EDA）是数据分析的关键第一步，因为它为后续建模提供坚实基础。1.EDA帮助理解数据分布、缺失值和异常值等核心特征；2.识别并修复数据质量问题，避免“垃圾进垃圾出”；3.指导特征工程与模型选择，提升分析准确性；4.建立业务直觉与假设，挖掘潜在洞察。Python中常用库包括：1.Pandas用于数据清洗与操作；2.NumPy提供数值计算支持；3.Matplotlib实现高度定制化绘图；4.Seaborn专注于统计可视化；5.Scikit-learn辅助预处理与特征工程。识别与处理缺失值方法有
-
端到端NER模型构建分四步：数据准备（统一JSONL/IOB2格式、半自动标注、清洗与均衡划分）、模型选型（依数据量选spaCy/BiLSTM/Transformer）、训练调优（避坑BERT大模型起步）、轻量部署。
-
MACD计算结果与TradingView不一致，通常源于EMA初始值未充分“预热”——指数移动平均需足够长度的历史数据收敛，否则早期值偏差显著；本文详解预热期设置、EMA实现要点及验证方法。
-
正则表达式的关键在于理解NFA引擎的回溯机制、贪婪与懒惰的尝试顺序、捕获组的结构化作用及实战中的边界意识。
-
使用time.sleep、ratelimit装饰器、APScheduler调度、令牌桶算法或asyncio信号量可有效控制Python中API调用频率，避免限流。
-
爬虫开发到模型部署是需分阶段聚焦、反复验证的工程闭环，核心在于数据获取要稳、特征处理要准、模型训练要可复现、服务部署要轻量可靠。
-
类是对象的模板，定义属性和方法；实例化创建具体对象。__init__初始化实例，self指向当前对象。类属性共享，实例属性独有。实例方法操作对象状态，类方法用@classmethod装饰，操作类本身；静态方法用@staticmethod装饰，不依赖类或实例状态，作为工具函数使用。
-
break终止循环，continue跳过当前迭代；嵌套循环中二者仅影响所在层，需用标志或函数控制外层；finally块在break/continue时仍执行；应优化条件减少其使用以提升可读性。
-
Flask500错误需开启debug或配置logging；requests中json=设Content-Type并序列化，data=发送原始数据；FastAPI中Body(...)必填报422，Body(None)可选但校验仍执行；大文件用FileResponse（静态）或StreamingResponse（动态流）。
