-
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。
-
本文介绍一种比暴力组合更高效的SubsetProduct求解思路——不从空集出发枚举乘积，而是从目标值N出发，通过反复除以候选因子反向构造可达路径，天然剪枝、无需预设组合长度、自动规避超限冗余。
-
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。
-
Python回滚机制主要包括五种方式：一、上下文管理器通过__enter__/__exit__自动回滚；二、数据库事务的commit/rollback控制；三、手动深拷贝状态快照并还原；四、装饰器封装回滚逻辑；五、第三方库如zope.transaction支持保存点等高级事务功能。
-
首先需安装seaborn，使用pip或conda命令安装后导入；通过sns.load_dataset加载数据，设置风格并用sns.scatterplot等函数绘图，结合matplotlib调整标题、标签和布局，实现高质量统计可视化。
-
最直接的方法是使用datetime模块中的date或datetime对象相减，得到timedelta对象后调用其.days属性。首先将日期字符串通过strptime解析为datetime对象，或直接创建date对象，然后进行减法运算，结果的days属性即为天数差。该方法自动处理闰年和不同月份的天数差异，无需手动计算。若涉及时区，应使用pytz或zoneinfo创建带时区信息的“感知型”datetime对象，以确保跨时区计算准确。此外，timedelta还支持更精细的时间差计算，如通过total_secon
-
SelectKBest按统计得分降序选特征，不保留原始列顺序；需用get_support()映射回原始列名，且须注意评分函数适配任务类型、避免数据泄漏及合理调参K值。
-
Python排序核心是sort()与sorted()，均基于Timsort算法：sort()是列表原地方法，返回None；sorted()是通用函数，返回新列表；Timsort为稳定混合算法，key参数用于预处理元素。
-
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
-
apply慢是因默认单线程、逐行构造Series、类型推断与索引对齐开销大；axis=1下更慢因每行都新建Series并重推类型；替代方案优先向量化，其次列表推导或map，最后才考虑并行。
