-
if-elif链在分支极多且命中靠后时才明显变慢，因顺序执行判断；字典映射仅适用于输入确定、键不可变的简单映射，不支持区间判断或副作用逻辑，性能优劣取决于数据分布与分支结构。
-
使用try/finally是生成器中保证清理执行的唯一可靠方式，因return后代码不执行；手动调用close()可触发GeneratorExit并运行finally；封装为上下文管理器或asyncwith更安全。
-
Python防止重放攻击需同时满足唯一性、时效性、不可复用性：①加时间戳并校验±30秒窗口；②用UUIDnonce+Redis缓存防重复；③对方法、路径、时间戳、nonce、排序参数及原始请求体哈希做HMAC-SHA256签名；④强制HTTPS传输。
-
文本处理模型训练完整流程为“数据准备→特征构建→模型选择→训练调优→评估部署”五环节，缺一不可；需依次完成清洗标准化、向量化、分层划分与早停训练、多维评估及ONNX轻量部署。
-
用BERT做NLU可基于HuggingFaceTransformers库快速实现，关键在明确任务类型（如文本分类、NER、QA）、规范数据格式（如CSV含text和label列）、微调时选用对应模型类并设置标签数、推理时配合tokenizer完成端到端预测。
-
动态网页爬取需结合Selenium与requests：Selenium模拟浏览器执行JS并获取渲染后HTML或提取API参数，requests高效调用接口；登录等交互用Selenium，后续数据请求交由requests，并注意Cookie、Headers一致性及反爬规避。
-
索引并非越多越好，过多低效索引会拖慢写入并占用磁盘空间；应通过EXPLAIN确认索引是否被实际使用，未被使用的索引应及时删除；复合索引需遵循最左前缀原则，等值字段在前、范围字段居中、排序字段靠右；避免对索引字段使用函数，否则导致索引失效。
-
用Python写CSV最推荐内置csv模块，正确处理特殊字符；支持writer.writerows写列表数据、DictWriter写字典数据，需指定newline=''和utf-8-sig编码防乱码，追加用'a'模式。
-
在Python中，pi指的是数学常数π。使用方法：1）从math模块导入π；2）用于计算圆的面积和周长；3）在三角函数中以弧度计算；4）在统计学和概率计算中应用。使用π时需注意精度、性能和代码可读性。
-
深度推荐系统核心是融合协同过滤思想与神经网络优势，如用Embedding替代隐向量、MLP建模高阶交互；NeuMF通过GMF（内积）与MLP（非线性）双分支联合预测偏好得分。
-
使用locals()可查看函数内局部作用域的变量字典，如my_function中输出{'a':1,'b':'hello'}；2.globals()返回模块级全局命名空间，包含变量、函数和导入模块等；3.dir()不传参时列出当前作用域名称，适合交互环境浏览，但函数中建议用locals()获取局部变量。
-
Python中list.count(True)可能返回比预期更大的值，是因为整数1在布尔上下文中等价于True（1==True为True），而count()方法基于==比较，会将列表中的1也计入True的计数。
-
本文介绍如何使用NumPy与itertools高效生成长度为2x的二进制数组，每行前x位与后x位互为按位取反，从而获得所有唯一排列组合。
-
Python网络请求超时处理需区分connect和read超时，合理设置timeout元组、配置HTTPAdapter重试策略、分类捕获异常并显式关闭response资源。
-
本文介绍如何通过__metadata__属性安全、标准地提取typing.Annotated类型注解中携带的自定义元数据（如文档对象、校验规则或配置实例），避免字符串化陷阱，实现运行时类型增强功能。
