-
会。同步函数直接await会卡死事件循环，因time.sleep、requests.get等阻塞操作会阻塞事件循环线程；应使用loop.run_in_executor或asyncio.to_thread（3.9+）将其交由线程池执行。
-
一维前缀和用长度n+1数组存储，prefix[i]表示前i个元素和，查询[l,r]为prefix[r+1]-prefix[l]；二维需多开行列，用容斥公式prefixr2+1-prefixr1-prefixr2+1+prefixr1。
-
pd.merge()默认是内连接而非按行拼接，只保留连接键在左右表中都存在的行；常见错误包括类型不一致、列名不同、重复键导致笛卡尔积，应检查dtypes、统一列名、合理选how参数，并避免误用merge替代concat。
-
表单元素找不到需先确认是否在iframe中，必须用switch_to.frame()切换上下文；下拉、日期、富文本等控件需模拟真实用户操作；ActionChains.click()不生效时检查遮挡或就绪状态；填完需手动触发change等事件，提交前验证按钮状态。
-
上下文管理器的核心机制是对象实现__enter__和__exit__方法：with语句自动调用__enter__获取返回值，并在退出时（无论是否异常）调用__exit__执行清理；后者接收exc_type、exc_value、traceback三参数，返回True可抑制异常。
-
dateparser.parse()更适合爬虫时间解析，因其无需预设格式，支持多语言、相对时间推算、时区识别和模糊表达理解，而strptime()需硬编码多种格式且无法处理“昨天”“2小时前”等动态表述。
-
Observer类应使用WeakSet存储观察者以自动清理、notify前转list副本避免迭代错误、区分协程/普通observer异步调度、统一update接口并传参防循环引用。
-
NumPy花式索引中a[rows,cols]本质是笛卡尔积配对，rows[i]与cols[i]组成第i个坐标，要求两数组等长，否则报IndexError；一维数组不支持双索引，需reshape或ravel_multi_index转换。
-
不安全。Flask的session虽支持字典操作，但仅防篡改不加密，依赖SECRET_KEY签名Cookie；未设密钥则静默失效；应优先用session.get()防KeyError，并避免存敏感数据。
-
NumPy数组不能直接当字典键，因其可变且无hash值；tobytes()是最稳妥的转换方式，将数组内存布局序列化为不可变bytes，但需注意dtype、连续性及NaN等细节。
-
快速排序栈溢出主因是递归终止条件错误，应统一用ifleft>=right:return作递归基；划分后左右子数组下标须合法，避免重复处理基准或越界；大数组需改迭代或混入插入排序。
-
Python数据模型的核心是协议，即通过实现特定方法（如__len__、__getitem__等）使对象支持对应操作；常用协议包括__init__/__new__、__str__/__repr__、__eq__/__hash__、__contains__，且协议间存在隐含约束。
-
on_train_batch_end未触发是因Keras默认仅在epoch结束时调用，batch级回调需显式设置steps_per_epoch或使用tf.data.Dataset避免隐式补齐；其logs为只读，不可修改；多GPU下仅chiefworker执行，需用strategy.reduce()同步；save_weights报错常因eager模式与保存格式不兼容，推荐用save_model。
-
skl2onnx保存sklearn模型为ONNX需先fit模型并提供带类型和shape的X_sample；convert_sklearn依赖拟合后属性推导schema；输出字段名比索引更可靠；体积增大是因参数展开为常量节点，属正常现象。
-
pandas读取Excel合并单元格时仅保留左上角值，其余为NaN，因合并属显示层操作，底层无数据对应；可用ffill按行填充连续NaN，但不恢复合并格式。
