-
MNE库处理脑电波数据的流程包括加载数据、预处理、分段与平均、最终获取ERP。首先，使用MNE加载.fif、.edf等格式数据为Raw对象；其次进行预处理，1）滤波去除噪声，2）检测并插值坏导，3）通过ICA或SSP剔除生理伪迹；接着定义事件并分割数据为Epochs，同时进行基线校正和坏段剔除；最后对分段数据平均生成ERP，并可视化分析结果。整个过程需反复调试参数以确保数据质量与分析准确性。
-
在Flask中，不能为同一URL路径（如/jobs/<job_id>）分别定义两个独立的视图函数（一个处理GET，一个处理POST），即使指定了methods=['POST']；必须将两种请求逻辑合并到同一个路由函数中，否则会因参数传递错误或路由匹配异常导致unexpectedkeywordargument等问题。
-
cross_val_score返回多个分数是因为默认执行5折交叉验证，每折独立训练验证并返回一个分数，形成长度为5的数组；这是设计特性而非bug，用于评估模型稳定性。
-
Python的with语句基于上下文管理器，核心是__enter__和__exit__方法：前者在进入时执行并返回对象，后者在退出时无论异常与否都执行清理；__exit__返回True可抑制异常，否则异常继续传播。
-
open()是Python打开文件并返回文件对象的函数，核心参数为file（路径）和mode（模式，默认'r'），需注意编码、二进制模式、及时关闭（推荐with语句）及常见误用。
-
mongodump可直接按库/集合备份，Python仅作调度上传胶水层；需用cron定时、绝对路径调用、显式重定向日志、校验返回码与文件大小，并实施本地7天+云盘30天清理及定期恢复验证。
-
Datashader通过服务端栅格化解决百万级散点图渲染崩溃问题：将点映射到像素并聚合（如计数），输出NumPy图像数组，避免Matplotlib/Plotly为每个点创建对象导致的内存爆炸与DOM崩溃。
-
在Python中操作Parquet文件的核心工具是pyarrow。1.使用pyarrow.parquet模块的read_table和write_table函数实现Parquet文件的读写；2.利用pa.Table.from_pandas()和to_pandas()实现与Pandas的高效转换；3.处理大型文件时，可通过分块读取（iter_batches）控制内存使用；4.使用谓词下推（filters）和列裁剪（columns）提升查询效率；5.通过pyarrow.dataset模块统一管理分区数据集，并支
-
异常适用于真正出错、不该被忽略的意外情况，如文件缺失、网络不可达、严重参数错误；返回值适用于失败常见且需主动处理的场景，如字典取键、用户输入解析、查询无结果。
-
只有含yield表达式（如received=yieldvalue）的生成器才能用throw()触发except捕获；yield语句无法中断执行，throw()将直接终止生成器。
-
sklearn.TransformerMixin不能直接用，因仅继承它不强制实现fit/transform且不校验返回值形状，需同时继承BaseEstimator和TransformerMixin，并确保fit返回self、transform返回同形ndarray或DataFrame。
-
requests请求超时必须显式设置，推荐用(timeout_connect,timeout_read)元组如(3,10)，避免默认不设超时导致卡死；底层urllib3连接池和aiohttp异步超时需单独配置，全局设timeout风险大。
-
该进，但必须和代码解耦。架构图应作为衍生品由代码自动生成，只存生成逻辑（如generate_arch.py）和模板（如arch.dot.j2），不存PNG/SVG文件；通过AST静态分析提取依赖关系，用DOT渲染并上传至带版本标记的存储，以ARCH_VERSION.json为版本锚点。
-
首先访问Python官网下载对应系统的安装包，然后通过自定义安装并添加环境变量完成安装，最后在命令提示符中输入python--version和pip--version验证安装成功。
-
使用try语句写入文件时内容未落盘，通常因文件未显式关闭导致缓冲区数据丢失；正确做法是确保调用f.close()，或更优地采用with语句自动管理资源。
