-
轮询接口需模拟真实用户行为：加合法headers、随机请求间隔、避免复用cookie；遇429按Retry-After退避；解析JSON用.get()防错；关键字段校验存在性与时效性；asyncio轮询须限并发、设timeout、禁用time.sleep；本地状态文件原子写入，优先用ISO时间戳解析，ID游标不假设连续。
-
欠拟合表现为模型预测值贴近训练集均值、R²接近0或为负，线性模型系数趋近于0而截距很大；需增强模型表达能力，优先添加有业务意义的人工特征而非盲目提高多项式阶数。
-
遍历字典的核心是通过keys()、values()和items()方法分别访问键、值或键值对。直接for循环默认遍历键，等价于使用keys()；若需访问值，应使用values()；而同时获取键和值时，items()结合元组解包是最常用且高效的方式。选择哪种方式取决于具体需求：仅处理键时用keys()，仅处理值时用values()，需键值对时用items()，其在可读性和性能上更优。遍历时修改字典会引发RuntimeError，安全做法是遍历副本或分离决策与执行。对于嵌套字典，可通过递归实现深度遍历；条件筛
-
掌握Python数据处理需先学习Pandas、NumPy、Matplotlib、Seaborn及数据筛选分组。首先用Pandas读取清洗数据，通过pd.read_csv()加载文件并检查缺失值；接着利用NumPy进行高效数值计算，如均值标准差；再结合Matplotlib基础绘图与Seaborn美化图表，实现数据可视化；最后运用Pandas的条件筛选与groupby功能完成子集提取和聚合分析，全面提升数据处理能力。
-
应使用id=models.UUIDField(primary_key=True,default=uuid4,editable=False)替换默认AutoField，避免仅设default=uuid4导致隐式自增id；注意数据库存储差异（PostgreSQL原生支持，MySQL推荐BinaryUUIDField）、外键一致性、路由校验（<uuid:pk>）及迁移时的生态兼容性问题。
-
用pdb.set_trace()或breakpoint()可在代码任意位置加断点，需注意import和环境变量；常用命令为n、s、c；pp和l命令辅助查看变量与上下文；多线程、异步、打包等场景需特殊处理。
-
用@pytest.mark.skip无条件跳过，@pytest.mark.skipif按导入时可求值的条件跳过；条件中未导入模块或异常调用会导致静默失效，应提前import并用--collect-only验证，平台判断推荐sys.platform，模块级跳过需置pytestmark于文件顶部。
-
in操作符用于判断元素是否存在于容器中，返回True或False。它支持列表、字符串、元组、字典（仅键）、集合等类型，常与not结合使用实现成员检查，语法简洁高效，适用于条件判断和循环控制。
-
Python函数内若对变量赋值，该变量默认被视为局部变量；若未显式声明global，即使同名全局变量存在，首次读取前赋值也会触发UnboundLocalError。
-
API请求失败时应区分错误类型（仅重试连接异常、超时及5xx）、采用指数退避+随机抖动（如1s→2s→4s，叠加0.5~1.5抖动因子）、限制重试3~5次及总耗时，并优先用tenacity等成熟库实现。
-
DjangoDEBUG=False时500页面不显示错误详情是出于安全策略而非bug，需通过自定义中间件（置于MIDDLEWARE靠前位置）记录traceback、区分API/页面响应并避免二次异常，异步环境需适配AsyncMiddleware。
-
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。
-
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
-
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。
-
用pathlib处理文件路径，比拼接字符串或调用os.path更直观、更安全，也更符合现代Python风格。它把路径当作对象来操作，支持链式调用和面向对象语法，跨平台兼容性好，代码可读性高。创建和解析路径对象用Path类直接构造路径，自动适配操作系统分隔符（Windows用\，Unix/macOS用/）：frompathlibimportPathp=Path("data")/"raw"/"input.csv"——使用/运算符拼接，清爽自
