-
copy.copy有时没用是因为它只做浅拷贝，不递归复制嵌套的可变子对象，导致新旧对象共享内部可变元素，修改一方会影响另一方。
-
Python优势在于开发效率高、生态丰富、学习门槛低且前沿领域支持强；语法简洁、缩进替代大括号、无需类型声明，新手几天即可上手；PyPI超40万包覆盖数据科学、AI、Web等全场景；跨平台稳定，工业级应用成熟；社区活跃、文档友好、问题解决高效。
-
列表推导式是Python中创建列表的简洁方式，语法为[expressionforiteminiterable]，可带if条件或嵌套循环；应避免副作用、控制嵌套层级、按需选用生成器表达式，且性能优于map+lambda和显式for循环。
-
np.sqrt()是向量化函数，比Python循环快10–100倍，支持任意形状数组和多种输入类型，负数输入返回nan并触发RuntimeWarning，不中断执行。
-
JWT解析失败或exp校验总过期，先检查服务端与客户端时钟同步及时间戳单位是否为秒级；Flask拦截器需豁免登录路径、规范提取BearerToken、显式启用verify_exp并设合理leeway；权限校验须在token合法后从payload取roles等字段，统一用list格式避免类型不匹配。
-
os.listdir()返回指定路径下一级子项（文件和文件夹）的名称列表，故len()统计的是条目总数而非纯文件数；需配合os.path.isfile(os.path.join(path,f))过滤才能准确计数。
-
write()不自动换行，需手动加\n；writelines()也不自动加换行，须确保每项含\n；w模式覆盖清空文件，a模式强制追加；务必用with管理文件或手动flush()和close()。
-
GridSearchCV默认n_jobs=1导致串行执行，耗时接近“所有组合×单次训练时间”；应设n_jobs=-1或2，并避免双重交叉验证和参数可读性差的问题。
-
asyncio.wait_for超时抛TimeoutError而非返回默认值，因其设计目标是强制中断而非容错；必须用try/except捕获并手动提供fallback，同时确保被取消协程的资源清理。
-
Flask中@app.errorhandler(500)不捕获未处理异常，需用@app.errorhandler(Exception)兜底并置于末尾；debug=True时所有errorhandler失效；统一JSON错误响应须为jsonify(...),status形式，并区分HTTP状态码与业务code。
-
np.linalg.inv()因要求矩阵严格满秩而对奇异矩阵报错，pinv()基于SVD自动截断小奇异值故不报错，但返回的是伪逆而非真逆，不满足A@inv(A)==I。
-
本文介绍如何将扁平的DataFrame按多级分类（如category→countrycode→stateCode）高效转换为嵌套字典/JSON，涵盖两种实用方法，并指出常见误区与优化建议。
-
本文探讨在Python库开发中，如何合理支持同步与异步用户：不依赖不可靠的运行时检测，而是通过清晰分离的api_call_sync()和api_call_async()接口，配合明确文档与最佳实践，实现可维护、可预测、专业级的双模式支持。
-
用seaborn.heatmap画相关系数矩阵最稳，因其自动适配DataFrame.corr()、居中0值、内置发散色图、渲染行列名；需确保输入为带索引的DataFrame、设annot=True显示数值、用divergingcolormap（如"coolwarm"）、提前配置中文字体。
-
Flask返回Range请求需手动解析Range头、校验合法性、定位偏移，用生成器流式yield二进制数据，设置206状态码及Content-Range等响应头，避免内存溢出与句柄泄漏。
