-
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。
-
生产环境处理GB级CSV/Excel文件应使用chunksize分块读取，显式指定dtype和parse_dates优化内存与IO，避免链式赋值和iterrows，改用.loc、.str、.dt及query等向量化操作，并及时释放中间变量。
-
本文介绍如何不依赖NumPy或itertools，仅用原生Python将嵌套字典按“外层键→列、内层键→行”进行转置，并格式化输出为指定CSV结构。
-
用test-L或[-L]可直接判断路径是否为符号链接且不跟随目标，即使链接损坏也返回真；-e和-f会跟随或依赖目标状态，不可靠；ls-l解析易出错，stat和readlink开销大且非首选。
-
GroupBy未返回结果是因为它返回延迟计算对象，需接聚合方法如sum()；agg()易因列名错误或格式不规范报KeyError；transform()适合等长广播，apply()用于复杂逻辑但需注意索引；NaN键默认被剔除，需dropna=False保留。
-
本文详解如何在PySparkDataFrame中高效计算数组类型列（如score数组的均值、review数组的众数），通过内置函数组合与安全UDF实现高性能、类型准确的新列扩展，避免常见UDF类型错误与空数组异常。
-
图例放图外需协同bbox_to_anchor、loc、tight_layout及rect参数：bbox_to_anchor定锚点（相对figure），loc定对齐方式，tight_layout(rect=...)为图例预留空间，缺一不可。
-
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。
-
模块级变量在首次import时初始化并绑定到模块对象，生命周期与模块一致；多次import不重复执行，热重载或循环导入易致状态残留或未定义错误，需谨慎管理。
-
Flask默认开发服务器是单线程阻塞式WSGI服务器，仅适合调试，无法应对并发；上线必须使用Gunicorn等生产级服务器，并配合gevent协程模式（需正确配置--worker-classgevent、--worker-connections及前置monkey.patch_all()）才能实现高并发异步处理。
-
Django日志配置必须设"version":1（整数），否则整个LOGGING被静默忽略；按天轮转须用TimedRotatingFileHandler配"when":"midnight"；loggers需显式绑定handlers；注意权限、绝对路径及时区。
-
pandas.read_csv不该直接写在测试用例里，因其会引入外部文件路径、编码、网络及CSV格式变化等不稳定依赖；应改用内存数据构造、StringIO模拟或显式参数化输入。
-
必须先创建根窗口（root=Tk()）才能调用winfo_screenwidth()和winfo_screenheight()，二者是Tk实例方法而非独立函数或类方法，需在root创建后、mainloop()前调用，多屏下仅返回主显示器逻辑像素尺寸，不随系统分辨率变化自动更新。
-
用client.secrets.database.generate_credentials(name="mydb")获取动态数据库密钥，返回data["data"]中的username和password，lease_duration为秒级，不可续期，需确保策略含database/creds/mydb的read权限且数据库引擎已启用。
-
view()不分配新内存而共享数据缓冲区，故修改视图即修改原数组；copy()分配新内存实现一层深拷贝，但object数组需deepcopy才彻底隔离。
