-
最常用、最可靠的方式是用pydicom.dcmread()读取DICOM文件，获取包含元数据和像素数据的Dataset对象；ds.pixel_array是已解码的numpy数组；推荐用apply_voi_lut()结合窗宽窗位优化显示；批量加载需按InstanceNumber等排序确保切片顺序正确。
-
NLP异常检测核心是识别违背语言模式、语义逻辑或统计分布的文本，而非仅纠错；方法分三类：基于统计特征的轻量级检测（如词汇丰富度、Z-score、IsolationForest）、预训练模型语义检测（BERT句向量+聚类/MLM重构误差）、规则与模型融合的分层策略（正则/编码/长度过滤→fastText领域识别→Sentence-BERT相似度判别）。
-
保存py文件是通过文本编辑器或IDE将Python代码以.py扩展名存储。使用记事本或VSCode等编辑器编写代码后，选择“另存为”，输入文件名如hello.py，保存类型选“所有文件”，编码用UTF-8；在IDLE、PyCharm等IDE中，新建Python文件，编写代码后按Ctrl+S，首次保存需指定文件名并确认扩展名为.py，选择合适路径。注意文件名避免中文和特殊字符，路径不含空格或中文，推荐UTF-8编码，确保.py扩展名正确，以便正常运行。
-
requests请求异常需分层捕获：先处理socket.gaierror等网络层异常，再捕获requests.exceptions.Timeout、ConnectionError等，最后用raise_for_status()处理4xx/5xx状态码。
-
重放机制本质是状态快照+可重现执行，核心在于控制非确定性来源，需固化输入、环境、关键状态（如随机种子、外部响应），并隔离时间、并发、I/O等隐式依赖。
-
zscore返回NaN需先检查并过滤NaN/inf，或用nan_policy='omit'；阈值3不普适，应结合分布和业务调整；多维数据需区分字段级与样本级检测；pandas计算慢时优先用scipy.stats.zscore。
-
Pythondocstring必须用三重双引号，紧贴def下方无空行，首行摘要后需空一行；类型提示优先于docstring类型描述，风格（Google/NumPy）须统一。
-
AI岗位核心要问题建模、数据敏感度、算法理解深度和工程落地闭环能力；三类岗位分别侧重数学与论文复现、分布式工程与线上指标、多模态集成与Prompt设计；Python程序员需补数据质量校验、模型全周期管理、无监督/小样本问题解决能力。
-
eval()危险因动态执行不可信代码，应改用json.loads()或ast.literal_eval()；requests必须设timeout防雪崩；浮点比较须用math.isclose()；日志配置应封装函数并单次调用。
-
NumPy提升数值计算效率的关键在于向量化操作、广播机制、预分配数组、原地运算及合理数据类型选择。需避免Python循环，用a+b代替列表推导式，利用广播实现无显式循环的数组扩展，优先使用np.float32和C连续布局，并通过+=等就地操作减少内存开销。
-
直接open()+readlines()会爆内存，因为readlines()将整个文件一次性加载进内存，产生远超文件大小的字符串对象开销；应改用forlineinf:或自定义带异常处理的生成器。
-
StringIO和BytesIO是内存中的类文件对象，应直接传给json.load()等函数，而非套用open()；StringIO处理str，BytesIO处理bytes；注意seek(0)、编码、内存占用及Python2/3兼容性。
-
Windows批量重命名含非法字符文件有五种安全方法：一、用Python正则替换；二、用pathlib+translate高效处理；三、带时间戳备份日志；四、仅扫描不修改的预检；五、用shutil.copy2保留元数据复制。
-
RBF核SVM适用于小到中等规模数据，大规模时需降维、采样或改用线性核；类别不平衡时必须设class_weight='balanced'；效果不佳常因gamma参数不当或未标准化。
-
Python3.9安装opencv-contrib-python报“Nomatchingdistribution”主因是旧版pip未识别cp39轮子，需升级pip≥21.3并换清华源；conda环境勿混用pip与conda安装，应选conda-forge渠道或彻底卸载后pip安装；contrib模块不可用常因版本禁用SIFT等算法，建议降级至4.4.0.46；WindowsDLL失败需装VC++运行时。
