使用time.time()、time.perf_counter()、time.process_time()和timeit模块可测量Python代码执行时间；其中time.time()简单但精度低，受系统时钟影响；perf_counter()提供高精度单调计时，适合短时间测量；process_time()仅统计CPU时间，排除I/O等待；timeit模块通过多次重复运行代码并取最优值，适用于微基准测试，能更准确评估小段代码性能。在性能优化中，除时间测量外，还需考虑内存使用、CPU剖析、I/O延迟、

Python中定义函数用def关键字，后接函数名、参数和冒号，函数体需缩进；调用时直接使用函数名加括号传参。函数可包含Docstring提升可读性，通过return返回结果，默认返回None。参数支持位置、关键字、默认值、args和*kwargs，还可限制仅位置或仅关键字传参。了解函数应查看Docstring、理解返回值，并借助错误信息调试。进阶特性包括闭包、Lambda匿名函数和装饰器，能实现数据封装、简洁表达式和功能增强，体现Python的灵活性与强大。

本文探讨了使用位操作实现线性时间非负整数去重排序的Numba优化尝试。核心问题在于，当输入整数值较大（如超过62或63）时，Numba的JIT编译导致位移操作1

函数是将代码打包复用的方式，用def定义，包含函数名、参数和函数体；可通过位置或关键字传参，支持默认值；函数可返回多个值（元组），也可使用lambda创建匿名函数处理简单任务。

装饰器是Python中用于增强函数行为的工具，通过包装函数实现日志、性能测试等功能，其本质是返回新函数的函数，支持参数传递并可结合functools.wraps保留元信息。

本文探讨了如何使用位图法对非负整数进行线性时间排序去重，并分析了在Numba加速过程中遇到的问题。我们详细解释了Python任意精度整数与Numba固定宽度有符号整数之间的差异，特别是位移操作1

Python函数通过return语句返回值，执行到return时立即停止并将结果传递回调用处；若无return语句，则隐式返回None；可通过元组实现返回多个值，如returna,b，并利用解包接收；返回值类型不固定，可根据逻辑返回不同类型的值，体现动态语言的灵活性。

Python函数传递列表时采用“按对象引用传递”，函数内修改列表会影响原始数据，因列表是可变对象。例如，调用process_list(my_list)并执行append()或修改元素，会直接改变外部的my_list。但若在函数内将参数重新赋值（如a_list=['new']），则后续操作仅作用于新对象，不影响原列表。为避免意外修改，应使用切片[:]、list()或copy.deepcopy()创建副本，尤其当列表嵌套可变对象时需用深拷贝。建议函数优先返回新列表而非修改原列表，以遵循纯函数原则，提

星号（）在Python函数中主要用于参数收集、解包和强制关键字参数。在函数定义时，args将位置参数打包为元组，kwargs将关键字参数打包为字典；在函数调用时，可迭代对象将其元素解包为位置参数，字典将其键值对解包为关键字参数；此外，单独的可作为分隔符，强制其后的参数必须以关键字形式传递，提升代码可读性和API设计清晰度。

Python的map函数用于将指定函数应用于可迭代对象的每个元素，返回处理后的迭代器。它支持单个或多个可迭代对象，结合lambda、partial或内置函数可实现简洁高效的批量操作，适用于数据转换、清洗、验证等场景。与列表推导式相比，map在处理简单映射时更符合函数式风格，尤其当使用内置函数时性能更优；而列表推导式在包含条件过滤或多层嵌套时更具可读性。实际开发中，map在数据预处理、链式管道和并行计算（如multiprocessing.Pool.map）中表现突出，是提升代码简洁性与效率的有效工

答案：map适用于一对一映射和简单元素级转换，性能高；apply更灵活，适合复杂逻辑和多步骤操作。

本教程旨在解决在Windows环境下安装Numba时遇到的Python版本兼容性问题。针对Numba目前仅支持Python3.8至3.11的限制，文章详细介绍了如何利用Python虚拟环境创建兼容的工作空间，并在此环境中成功安装Numba，确保其正常运行，避免因Python版本过高导致的安装失败。

本文旨在解决在Windows系统上安装Numba时遇到的Python版本兼容性问题。由于Numba对Python版本有特定要求，直接在最新Python环境（如Python3.12）中安装可能导致错误。教程将详细介绍如何利用Python虚拟环境，在兼容的Python版本中（例如3.8至3.11）成功安装和配置Numba，确保其稳定运行，并提供实践步骤与注意事项。

针对Streamlit应用中按钮点击后st.session_state无法正确持久化st.text_input修改值的问题，本教程深入分析了其根本原因——脚本重运行机制和状态更新滞后。文章提供了两种有效的解决方案：一是优化会话状态初始化并利用输入组件的key参数实现直接绑定；二是使用按钮的on_click回调函数进行显式状态更新，确保用户输入在多次交互中得以正确保存和显示。

本文深入探讨Streamlit应用中st.text_input与st.session_state结合使用时，文本内容无法在按钮点击后持久化的问题。通过分析Streamlit的执行机制，提出了两种核心解决方案：一是优化session_state初始化并利用key参数直接绑定输入控件，二是借助回调函数（on_click）精确控制状态更新。文章提供详细代码示例与解释，旨在帮助开发者构建更稳定、交互性强的Streamlit应用。

装饰器通过函数作为第一类对象实现，定义一个接收函数的装饰器，在其内部定义wrapper函数并添加额外逻辑，最后返回wrapper；使用@语法糖将原函数替换为包装后的函数，从而在不修改原函数代码的情况下增强功能。