-
match语句通过字节码级优化和单次结构探测替代链式if判断，减少重复取值与类型检查，在Python3.11+中实现更紧凑分支、更高JIT友好性及实际运行提速。
-
pytest不用BaseTestCase基类，因其依赖fixture而非继承机制；用fixture可精准控制作用域、支持依赖注入和参数化，而BaseTestCase会破坏fixture模型、导致mock和参数化失效。
-
特征工程是目标驱动、业务扎根、隔离严谨、可复现的系统性改造。需明确建模目标反向设计特征，区分缺失与异常的业务含义，合理编码高基数与非结构化字段，并严格时间隔离防止信息泄露。
-
本文用 Python Pillow 实现图片批量压缩：从输入目录读取图片，按最大宽度等比缩放，输出 WebP，并生成压缩清单方便检查体积和清晰度。
-
Python 项目里同一条日志重复出现两三次，常见原因是重复 addHandler 或子 logger 向根 logger 继续上抛。本文从复现现象开始，逐步检查 Handler 数量、logger 层级和 propagate 配置，整理一套稳定的日志初始化写法。
-
groupby().head()返回空或结果错误，因它按原始行序取每组前N行而非按指标排序；需先sort_values再groupby().head()，或改用apply(nlargest)并注意NaN、索引、并列处理。
-
Python中可哈希对象需满足“相等对象哈希值相同”且哈希值生命周期内不可变；内置不可变类型（如int、str、tuple）默认可哈希，可变类型（如list、dict）默认不可哈希；自定义类需同时实现__hash__和__eq__方法，并确保参与哈希的属性逻辑不可变。
-
应使用pandas.read_csv的na_values和keep_default_na在读取阶段识别自定义缺失标识；设keep_default_na=False避免误判，配合dtype预声明列类型、fillna的limit/method控制填充边界、dask替代处理超大文件、SimpleImputer实现跨chunk一致填充，并通过业务逻辑校验区分真实缺失与有效标记。
-
最可靠方式是检查响应HTML中是否存在仅登录后才有的特定DOM元素，如<divclass="profile-header">，而非依赖HTTP状态码；若用requests+BeautifulSoup未找到该元素，则登录态已失效。
-
duplicated()默认只标记后续重复行为True，首行为False；用keep=False可标记全部重复行，配合subset可指定列判断重复，需注意NaN、字符串格式和时间精度等预处理。
-
在DjangoCRM系统中，直接删除被估计单、服务报告或发票引用的库存项会导致外键关联断裂，引发页面加载失败；正确做法是通过on_delete参数配置外键行为（如SET_NULL），使历史记录保留完整性，同时逻辑上“下架”该库存项。在DjangoCRM系统中，直接删除被估计单、服务报告或发票引用的库存项会导致外键关联断裂，引发页面加载失败；正确做法是通过`on_delete`参数配置外键行为（如`SET_NULL`），使历史记录保留
-
sort()和rsort()按值排序并重置键；2.asort()和arsort()保持键值关联按值排序；3.ksort()和krsort()按键排序；4.usort()支持自定义排序逻辑。
-
Flask中用@app.errorhandler(404)和@app.errorhandler(500)注册处理函数，返回render_template('404.html'),404；需关闭DEBUG模式、确保模板路径正确且显式返回状态码。
-
真正需解决的是工程化落地问题：setup.py与pyproject.toml选型、旧项目迁移字段修改、pipinstall-e.路径异常、poetryCI超时优化、entry_points键名错误等。
-
Python网页爬虫与数据清洗需分“获取”和“处理”两阶段：爬虫用requests+BeautifulSoup，注意headers、异常捕获和请求频率；提取优先用find/select而非正则；清洗按空值→格式→逻辑三级过滤；落地推荐SQL存储与函数封装。
