-
直接MockSQLAlchemy模型易失败，因其非可调用对象，真正需Mock的是session实例及其Query链式行为，须让mock支持.filter()等中间调用并仅在.all()等终端方法返回数据。
-
SettingWithCopyWarning是Pandas提示你可能在修改副本而非原DataFrame，根源在于链式索引不保证可写性；应统一使用df.loc[条件,列]赋值，避免df布尔索引=值。
-
从 Python 项目 CI 偶发失败入手，讲清 pytest fixture 共享状态、tmp_path 文件隔离、monkeypatch 自动回滚和 xdist 并发验证的实战治理方法。
-
np.random.rand()生成[0,1)区间上的均匀分布浮点数，不支持loc/scale、dtype参数，推荐用Generator替代以保证可重现性和线程安全。
-
Pythonjson模块进阶用法包括：自定义default函数序列化类实例；用object_hook反序列化为对象；ensure_ascii=False保留中文；文件操作需显式指定UTF-8编码；通过parse_float/parse_int等参数增强安全性，禁用eval系函数。
-
Python字符串、列表、字典是协同工作的数据搭档：字符串不可变，需用join或转列表操作；列表可变但注意头部操作性能；字典键须可哈希，三者常组合用于解析与结构化数据。
-
ModelForm.save()默认不保存ManyToManyField，因为需先调用instance.save()再显式调用save_m2m()；仅当form.is_valid()为True且未使用commit=False时才自动触发，否则须手动处理。
-
NoReverseMatch错误源于模板中{%url'xxx'%}无法匹配URL配置中的name参数：必须显式声明name=，大小写、下划线、namespace均需完全一致；漏写、拼错、嵌套层级或命名空间不匹配均导致失败。
-
带参数的装饰器是返回装饰器的函数，需三层嵌套：外层接收参数，中间层接收函数，内层执行逻辑并调用原函数。如logger(level)可控制日志级别，配合functools.wraps保留函数元信息；retry(max_attempts)示例展示异常重试机制，结构清晰且实用。
-
pos_weight通过放大正样本损失项缓解类别不平衡，其值应为训练集全局负样本数与正样本数之比，专用于类别维度加权，区别于按样本加权的weight参数。
-
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。
-
文本清洗需分层过滤、可复用逻辑与内存友好设计。一、轻量预筛：去HTML、URL、非法字节及超长词；二、中文专治：统一标点、压缩空白、清除水印、慎去重字；三、批量平衡：分块处理、编译正则、内置方法提速；四、可验证回溯：统计变化、抽样核验、日志留痕。
-
安装cv2需执行pipinstallopencv-python，因cv2是模块名而opencv-python为包名；常见问题包括权限不足、numpy冲突、网络超时等，可通过虚拟环境、更新依赖、使用镜像源解决；根据需求选择opencv-python、headless或contrib版本；安装后通过importcv2并运行图像处理示例验证功能完整性。
