-
PyTorch中计算class_weight应使用sklearn.utils.class_weight.compute_class_weight("balanced",classes=np.unique(y_train),y=y_train)，仅基于训练集标签，结果转为torch.float32张量传入nn.CrossEntropyLoss的weight参数；权重按np.unique(y_train)顺序对齐，非标签原始值；无需手动归一化，默认reduction="mean"下PyTorch内部隐式归一；
-
本文详解在XarrayDataArray中基于时间坐标（如juld）安全、高效选取特定日期的方法，重点介绍.sel()的正确用法、常见错误原因及最佳实践。
-
本文详解Socket.IOPython服务端（基于python-socketio+eventlet）中服务端无法向客户端成功发送事件的根本原因，重点指出混用标准线程与eventlet协程导致的异步上下文丢失问题，并提供正确使用eventlet.spawn启动后台任务的完整修复方案。
-
requests.get()返回的response.text与浏览器显示不同，主要是因网页依赖JavaScript渲染，requests不执行JS；且编码解析常出错，应优先用response.content手动解码。
-
本文详解如何在PySpark中安全、高效地展开多个同结构嵌套数组字段，重点规避explode()链式调用引发的笛卡尔积式行数爆炸，显著提升性能并防止OOM（如错误代码52），推荐使用arrays_zip+explode组合替代多重独立explode。
-
asyncio不自动处理背压，需开发者显式设计：用有界asyncio.Queue（maxsize>0）、Semaphore限流、避免put_nowait等陷阱，全程匹配生产与消费速率。
-
用Python构建跨平台桌面自动化任务引擎，核心是选对库、抽象操作逻辑、屏蔽系统差异；基于PyAutoGUI+platform实现基础动作层，用YAML定义任务流程，APScheduler调度，PyInstaller打包为单文件应用。
-
当向open()传入整数（如0、1、2）时，Python并不会报错，而是将其解释为操作系统级的文件描述符（filedescriptor），分别对应标准输入、标准输出和标准错误——这正是else分支被触发的根本原因。
-
Python集合去重依赖哈希表：元素必须可哈希，通过hash()定位位置，哈希相同再用__eq__()判等；不可变类型默认可哈希，可变类型需转不可变表示；平均时间复杂度O(1)。
-
Python调试应善用breakpoint()、logging.debug()、type()/pprint()及try/except+pdb.post_mortem，替代低效print，实现精准、可控、可复现的问题定位。
-
shutil.copytree复制失败因目标目录存在，应使用dirs_exist_ok=True参数（Python3.8+）跳过报错，但不清理旧文件，仅覆盖同名文件。
-
使用zip()函数可优雅实现多列表并行遍历，它以最短列表为准生成元组迭代器，适用于成绩单输出、数据合并、字典创建及矩阵转置等场景，结合zip_longest可处理不等长列表，需注意类型匹配与空列表情况。
-
super().__init__()在多继承中报错主因是MRO链上某类init签名不匹配（如需参数却传空），而非方法不存在；应统一用**kwargs并确保每层super()调用完整。
-
Foolbox攻击报NotImplementedError主因是模型未返回可微logits，需设model.train()、禁用softmax、用PyTorchModel指定bounds；PGD不收敛多因stepsize过大或steps不足；TF报numpy错误需启用eager模式；图像发灰系归一化与保存格式不匹配。
-
Python防止SQL注入的核心方法是使用参数化查询，其原理在于将SQL语句结构与数据内容严格分离——数据库驱动（如sqlite3、psycopg2或pymysql）会把参数值作为独立的数据单元传递给数据库服务器，由数据库引擎在执行前进行安全转义或直接绑定到预编译语句中，从而避免用户输入被当作SQL代码解析执行。
