-
Python默认repr()不折行，可用pprint替代实现自动折行缩进；自定义类中在repr内调用pformat；调试时可临时替换builtins.repr；IPython/Jupyter自带智能美化。
-
Python简单验证码识别可不用深度学习，通过预处理降噪、二值化、字符分割、模板匹配四步实现：先灰度化+中值滤波+开运算去噪；再用Otsu法二值化并反色；接着垂直投影切分字符；最后用cv2.matchTemplate与标准模板匹配识别。
-
闭包保存状态时变量必须被引用而非赋值，否则触发UnboundLocalError；应使用nonlocal或可变容器；闭包捕获引用而非值快照，需防共享陷阱；适合轻量单行为场景，调试可用__closure__查看捕获值。
-
Polars升级至0.20.7后，group_by([...])传入列表会导致map_groups报错“cannotcallmap_groupswhengroupingbyanexpression”；根本原因是新版本未自动解包单元素列表，正确写法应为group_by('ProductNumber')（无方括号），并推荐优先使用更高效、更安全的over()窗口函数替代map_groups。
-
dict不支持按索引遍历，所谓“索引访问”本质是键查找；其设计目标是O(1)键值查找，而非有序索引访问，需按序取第N个元素时应转list或用itertools.islice，但代价明确。
-
Python文件名必须以.py结尾，因为官方工具链默认仅识别.py为合法源码文件；其他扩展名有特定用途，非.py会导致导入失败等问题；命名需用小写字母、数字和下划线，避免冲突与特殊字符。
-
半监督学习是高效利用少量标注与大量未标注数据的关键路径，核心是让模型从数据分布中挖掘结构信息以提升泛化能力；适用于标注成本高、未标注数据远多于已标注数据且同分布的场景；主流策略包括自训练、一致性正则和图半监督，均有成熟Python实现。
-
Python自动化报表推送核心是三步：生成报表、自动发送、定时执行。用pandas+模板生成报表，smtplib+email标准库发邮件并注意编码与附件类型，APScheduler实现轻量定时调度并加日志与容错。
-
使用locals()可查看函数内局部作用域的变量字典，如my_function中输出{'a':1,'b':'hello'}；2.globals()返回模块级全局命名空间，包含变量、函数和导入模块等；3.dir()不传参时列出当前作用域名称，适合交互环境浏览，但函数中建议用locals()获取局部变量。
-
requests.get()成功但页面内容为空，需先查日志确认请求是否被服务器正确接收并返回预期内容，重点检查URL编码、headers一致性、timeout设置及异常捕获。
-
答案：Python中调用另一脚本的方法有四种：1.使用os.system("pythonother_script.py")可简单运行脚本但无法获取输出；2.推荐使用subprocess.run(["python","other_script.py"],capture_output=True,text=True)能捕获输出和错误，支持传参；3.若需复用函数，可将目标脚本作为模块import并调用其函数，要求其代码结构合理；4.使用exec读取并执行脚本内容，适用于动态执行但存在安全风险。根据需求选择：独立运
-
Python日志监控核心是将日志作为文本数据处理：先清洗、再结构化、最后语义或模式识别异常，强调可维护性；一、用JSON日志或grok/正则将半结构化日志转为字典或DataFrame；二、分三层检测异常：级别过滤、上下文规则、轻量语义分词；三、watchdog或fileinput流式读取，deque滑动窗口统计，超阈值调用Webhook告警；四、Flask+Chart.js搭轻量Web看板，支持错误分布、趋势图与上下文展开；统一编码、标准化时间、配置外置是长期可维护关键。
-
本文介绍如何在DVC项目中使用Python常量文件（如constants.py）集中定义数据路径，并在dvc.yaml中通过vars正确引用，实现路径配置的单一维护源。
-
gc.set_debug()用于让GC在回收时输出诊断信息，关键组合是gc.DEBUG_UNCOLLECTABLE|gc.DEBUG_INSTANCES|gc.DEBUG_OBJECTS，避免误用DEBUG_SAVEALL导致内存上涨。
-
关键在于找准学习路径和实践节奏：明确小目标建立正向反馈、通过调试真实代码强化理解、掌握模型设计逻辑而非死磕数学、将AI嵌入已有技能解决实际问题。
