-
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。
-
include_top=False必须设为False，因为要替换ImageNet的1000类输出层以适配自定义分类任务；设为True会冲突且无法冻结特征层。
-
__setattr__不能可靠捕获所有属性赋值，仅对点号赋值和setattr()生效；需用self.__dict__[key]=value避免递归，并在__init__中标记初始化状态以区分首次赋值与后续修改。
-
tf.config.list_physical_devices('GPU')仅列出GPU设备，不显示显存占用；需用tf.config.experimental.get_memory_info()（TF2.10+）或nvidia-smi获取实时显存用量。
-
AssertionError是Python中用于调试的内置异常，当assert语句条件为False时触发，语法为assertcondition,message；常用于检查函数参数、中间状态或测试结果，如calculate_discount中验证价格非负；它继承自Exception，但仅适用于开发阶段，可通过python-O禁用，不应用于生产环境的错误处理；避免在assert中执行有副作用的操作，且应提供清晰错误消息，如divide函数中提示“除数不能为零”；合理使用可提升调试效率，防止逻辑错误。
-
本文详解如何用os.walk()正确扫描目录树、匹配文件扩展名并返回绝对路径，重点解决路径错误、工作目录不匹配导致“找不到文件”的常见问题，并提供可直接运行的健壮示例代码。
-
本文详解如何利用fastkde库对一维数据集估计概率密度，并精准获取指定位置（而非网格）处的密度值，重点介绍pdf_at_points函数的正确用法与注意事项。
-
定位加密参数生成位置需先在Network面板对目标请求设fetch/XHR断点，从调用栈向上找到getSign()等函数；Python复现时须逐段验证中间值，注意编码、时间精度及上下文依赖。
-
用vars()转换实例为字典最简单但仅返回已赋值的实例属性，不支持__slots__类；推荐优先使用@dataclass的asdict()或pydantic.BaseModel.dict()，兼顾完整性、类型安全与可维护性。
-
选列表还是元组关键看数据是否需修改：需增删改用列表，不变、作字典键或强调安全用元组；元组不可变但内部可变对象仍可修改，深层不可变需其他机制。
-
在Python中操作Snowflake的核心方法是使用官方提供的SnowflakeConnector，流程包括安装依赖库、建立连接、执行SQL语句及关闭连接。1.安装时可通过pipinstallsnowflake-connector-python，如需支持pandas可加参数；2.连接需提供账号、认证等信息，推荐从界面复制账户名，并注意MFA和敏感信息处理；3.执行SQL需创建游标对象，支持查询、增删改及结构操作，建议使用参数化查询防止注入；4.可用write_pandas批量导入DataFrame数据，
-
根本原因是django-cors-headers中间件位置错误，必须紧邻SecurityMiddleware置于MIDDLEWARE靠前位置（如第2位），否则CORS头无法写入响应；拼写错误、配置冲突或代理覆盖也会导致403。
-
Python自定义异常应继承Exception而非BaseException；类名须以Error结尾，构造参数仅保留message、code、details等必要字段；仅对非预期错误抛异常，避免滥用。
-
本文详解如何手动控制数字宽度（如单数字前补空格），避免因最后一列单独打印导致的对齐错位，从而正确输出6行×7列、右对齐的整数表格。
-
SimpleImputer默认数值列用mean、类别列用most_frequent，但需先验检查数据类型与实际内容，避免字符串数字混杂报错；fit_transform仅用于训练集，transform用于测试集以防数据泄漏；transform后需手动转回DataFrame保列名；其优势在于可持久化填充统计量，但不支持条件填充。
