-
最有效方式是使用参数化查询，原理是分离SQL结构与数据，通过预处理语句绑定参数避免输入被解析为代码；拼接字符串（如f-string）会导致注入，因输入直接进入SQL语法；占位符写法依驱动而异，但机制统一；表名、字段名等SQL结构部分需白名单校验。
-
调用高德/百度地图API获取POI需合法Key且受配额限制，返回坐标为加密系（GCJ-02或BD-09），跨平台使用须经可靠转换（如coordtransform库），硬爬网页无效且违规。
-
np.sum()结果与预期不相等是因浮点数二进制表示固有误差，累积导致微小偏差；应使用np.allclose()等容差比较而非==，关键场景可改用Decimal或Kahan求和。
-
Python多线程仅对I/O密集型任务有效，因GIL使CPU密集型任务仍串行执行；推荐用ThreadPoolExecutor配5–20线程，注意异常捕获与共享变量加锁。
-
不能，make_scorer不支持直接传入含额外位置参数的函数；需用functools.partial预绑定或在make_scorer中以关键字传参；greater_is_better=False时选最小原始值；支持sample_weight需显式设needs_sample_weight=True；返回nan多因函数输出非法值。
-
re.finditer默认不支持重叠匹配，需用(?=())捕获组实现；含特殊字符须re.escape；str.find循环更轻量、可控，重叠时改pos+1，空字符串需前置校验。
-
串口通信常见问题及解决方案：设备未插、权限不足、端口号错误占90%；Linux/macOS需配置用户组权限，Windows注意端口名格式；避免裸写Serial初始化，应设超时、清缓存、用read()或read_until()替代readline()；多线程必须单线程操作串口并用队列通信；正确使用reset_input_buffer()清接收缓存，flush()仅用于确保数据发出。
-
Epoch时间变长主因是gc.collect()拖累训练，它强制CPU停顿、打断GPU流水线，导致GPU空转；TensorFlow2.x中eager模式下频繁调用会引发三重开销，应改数据流和对象生命周期而非依赖GC。
-
aiomonitor启动报错RuntimeError的根本原因是未在运行中的事件循环内调用start()；必须在asyncio.run()或loop.run_until_complete()驱动的协程中启动，且需确保事件循环已启动但未run_forever()。
-
数据标注需用LabelImg或CVAT标出目标框和类别，统一命名并生成.xml或.json文件；数据组织按YOLO、FasterR-CNN、TensorFlow要求转为对应格式；训练推荐YOLOv8或FasterR-CNN，注意学习率、增强与早停；部署需导出ONNX，用ORT/TensorRT加速，再封装API服务。
-
本文介绍如何利用pandas的pivot()方法，基于数据框中已有的列（如时间点和样本编号）将其从长格式高效转换为宽格式，实现行列角色互换与结构重塑。
-
本文详解如何正确配置coverage.py，使其捕获pytest所启动的子进程（如GUI应用、独立Python脚本等）的执行路径，解决“no-data-collected”警告及覆盖率仅显示__init__.py的常见陷阱。
-
动态创建Django模型必须等待apps.ready为True后，用ModelBase.__new__()构建，并显式调用apps.register_model()和add_to_class()补全元信息，否则ORM、admin、迁移均失效。
-
发不出邮件主因是SMTP认证失败而非EMAIL_BACKEND配置错误；需确保EMAIL_HOST、PORT、USER、PASSWORD与服务商要求完全一致，并正确启用SSL/TLS及授权码等安全设置。
-
json.dumps()默认不支持set/frozenset，需通过default参数或自定义JSONEncoder处理；default最轻量，但需注意无序性、无限循环及嵌套未处理问题。
