-
Python的round()函数采用“银行家舍入”规则，即四舍六入五成双，而非传统四舍五入。当小数部分为0.5时，向最近的偶数取整，如round(2.5)得2，round(3.5)得4。此规则减少统计偏差，但可能导致不符合直觉的结果。此外，浮点数精度问题可能影响舍入准确性，如2.675在内部可能表示为略小于其值的形式，导致round(2.675,2)结果为2.67而非2.68。若需传统“五入”行为，推荐使用decimal模块并设置ROUND_HALF_UP模式，或自定义函数实现。decimal模块可避免二
-
在asyncio中应优先使用TaskGroup实现关联任务树的优雅取消，它自动级联取消并确保清理；若不可用，则通过共享Event手动传播取消信号，并用try/finally或异步上下文管理器保障资源释放。
-
Python分支结构有三种：if（单分支，条件真时执行）、if-else（双分支，二选一）、if-elif-else（多分支，逐个判断互斥条件）；无switch-case，但三元表达式aifconditionelseb可作简写。
-
Python接口系统无“第254讲”官方课程，实为Flask/FastAPI等框架的WebAPI开发实践；可靠学习应依托官网文档与高星开源项目，聚焦鉴权、异步、序列化等真实问题而非编号。
-
Python编程需注意缩进强制性、赋值即绑定、默认参数陷阱、is/==区别、for/else语义、模块导入规则及f-string特性等易忽略细节，这些决定代码健壮性与可维护性。
-
Python中避免循环依赖的关键是打破双向引用，可通过拆分公共逻辑到独立模块、使用延迟注解解析（fromfutureimportannotations）、函数内导入及TYPE_CHECKING条件导入实现。
-
continue语句用于跳过当前循环的剩余部分，直接进入下一次循环判断。例如在foriinrange(10):ifi%2==0:continue;print(i)，输出1,3,5,7,9；在while循环中同样适用，如n=0;whilen<10:n+=1;ifn==5:continue;print(n)，可跳过5输出其余数。
-
Python函数对象是包含代码、环境、元数据和自定义属性的完整运行时对象，其__code__保存字节码与变量信息，__closure__和__globals__记录作用域状态，__name__等提供反射能力，且支持动态添加属性。
-
Python做AI项目可从“能跑通”起步，调用现成模型实现图像识别、文本生成、语音转写；聚焦业务小问题用pandas/scikit-learn或PyCaret快速建模；Gradio、PySimpleGUI等轻量部署让成果即刻可用。
-
Python自动化办公核心是用脚本实现重复性任务一键执行，机器学习仅作为规则不足时的增强工具；优先解决Excel、PDF、邮件三大高频场景，再通过触发器实现真自动，最后按需引入轻量模型。
-
None是Python中表示“无意义结果”的唯一单例对象，类型为NoneType，用is判断，函数默认返回，作安全占位符，不参与运算，强调显式处理。
-
文本数据清洗是将杂乱原始文本转化为结构清晰、含义明确、程序可稳定读取的数据，核心包括清理噪声字符、统一标点与大小写、过滤无效行、提取关键信息并结构化。
-
Python项目配置管理核心是代码与配置分离，推荐用环境变量+配置类：基类Config定义通用项，子类覆盖环境特有值，敏感信息仅从环境变量读取；.env仅用于本地开发，生产用系统级变量；PydanticSettings支持类型校验与多源合并。
-
LightGBM调优需先分析数据分布再设定目标函数：目标右偏时用'regression_l1'或'huber'，分类任务需关注正样本不均衡问题。
-
Q-learning是一种无模型强化学习算法，通过Q表存储状态-动作价值，按贝尔曼方程迭代更新：Q(s,a)←Q(s,a)+α[r+γmaxₐ′Q(s′,a′)−Q(s,a)]，结合ε-greedy策略实现探索与利用平衡。
