-
Flask-SQLAlchemy的paginate方法在大数据量下性能极差，因其底层使用OFFSET-LIMIT导致全表扫描；应改用游标分页，依赖排序字段值而非页码，并禁用total计算、限制page上限。
-
特征生成是通过Python对原始数据提取或构造新特征以提升模型性能的过程。它利用pandas、numpy等库实现时间特征提取（如从时间戳获取小时、星期）、数值变换（如对数、平方）、类别组合（如城市+类别）和统计聚合（如用户均值）。相比单纯建模，高质量特征能增强预测能力、降低噪声敏感度，并减少对复杂模型的依赖。结合业务理解的特征更有效，例如“最近7天登录次数”反映用户活跃度。本质上，特征生成让数据更“智能”，帮助模型更好捕捉规律。
-
需设inner="quart"显示Q1/中位数/Q3三线；hue分组时用dodge=True错开、width=0.6–0.8防重叠；cut=0保全分布范围，scale="count"使高度正比样本量；中文需配置font.sans-serif和unicode_minus。
-
本文详解如何使用Gekko对长度为42的时间向量（如电价、基础负荷等）进行统一优化，正确声明变量数组、构建向量化中间表达式，并施加事件频次上限（如最多触发5次）等整数约束，避免TypeError:xmustbeapythonlistofGEKKOparameters...等常见错误。
-
本文详解如何修复Plotly原生下拉菜单导致的地图数据错位问题，通过Dash构建真正动态过滤的县级人口choropleth地图，确保每次筛选后仅显示符合条件的县，并正确关联其地理编码与人口数值。
-
np.linalg.norm默认计算整个数组的Frobenius范数（展平后2-范数），非按行/列分别计算；需显式指定axis=1或axis=0才能得到每行/列的欧氏长度，否则广播归一化会报错。
-
在PyCharm中，快速找到项目解释器位置的方法是：1)点击右上角“Settings”图标，选择“Project:[你的项目名称]”->“PythonInterpreter”；2)使用快捷键Ctrl+Shift+Alt+S（Windows）或Cmd+Shift+Alt+S（Mac），然后按上述路径找到解释器。知道解释器位置有助于处理特殊开发需求，如安装非PyPI包或命令行运行脚本。
-
defaultdict初始化必须传可调用对象而非值，如defaultdict(list)正确，defaultdict([])报错；嵌套需递归定义如defaultdict(lambda:defaultdict(int))；其自动插入键可能掩盖错误，只读场景优先用.get()；深拷贝丢失默认行为，pickle要求工厂函数为可导入的顶层函数。
-
zip本质是按位置配对的生成器，返回迭代器而非列表，具最短截断特性，需list()显式转换才可见结果，解包需用zip(*zipped)实现“unzip”。
-
Flask-Limiter默认Redis失败时静默降级至内存限流，生产环境需显式配置storage_uri并捕获异常、禁用fallback、校验key_func稳定性、自定义429响应及Retry-After头、避免moving-window精度问题。
-
requests库中不存在Cookie_Request类，正确操作Cookie应使用requests.Session.cookies或response.headers.get('Set-Cookie')；加密Cookie无法解密，重点在于正确携带与更新。
-
unsqueeze()比view()更安全，因其不依赖内存连续性、只改shape；broadcast_tensors()可提前校验广播可行性；避免滥用expand()；自定义函数须显式校验shape。
-
进程僵死表现为CPU≈0%、内存停滞、无法响应信号、网络与日志中断；ps看STAT为D或长时R，strace可定位卡在futex/read/epoll_wait等系统调用。
-
jsonpath模块用于快速提取JSON中特定字段，类似XPath处理XML。通过pipinstalljsonpath-ng安装后，可用parse解析嵌套数据，如提取所有书名或按条件筛选高价书籍，支持$、.、*、[?]等语法，简化复杂结构访问，避免手动遍历，调试时需注意路径错误不报错而返回空。
-
<p>信息增益和信息增益率用于决策树特征选择，基于信息熵计算。1.信息熵衡量数据混乱程度，公式为H(S)=-Σ(p_ilog2(p_i))，Python用entropy函数实现。2.信息增益IG(S,A)=H(S)-Σ(|S_v|/|S|H(S_v))，表示划分后熵的减少，通过information_gain函数计算特征对标签的分类能力。3.信息增益率GR(S,A)=IG(S,A)/IV(A)，其中IV(A)为特征A的固有值，用于抑制多取值特征偏差，由intrinsic_value函数计算。4
