-
上下文管理协议由__enter__和__exit__方法构成，支持with语句自动管理资源：进入时调用__enter__（返回值赋给as变量），退出时必调__exit__（可抑制异常）。
-
应选OneVsRestClassifier（OvR）：类别数多（≥20）、样本量大、训练速度敏感时，仅需N个分类器，训练快、内存友好、天然适配概率模型；但需用class_weight='balanced'应对罕见类不平衡。
-
list[-n:]取最后n个元素，但n=0时返回空列表，n超过长度时返回全长列表；需显式处理边界、类型及性能问题。
-
Flask中可用Response包裹生成器实现长轮询：返回流式响应，设content_type为'text/plain'或'text/event-stream'，禁用缓冲，yield消息加换行，配合RedisPub/Sub唤醒而非sleep，需配置Nginxproxy_bufferingoff及Gunicorn协程worker。
-
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。
-
re.Match.group(n)访问不存在分组时抛IndexError，因组编号超出正则定义范围；安全方式包括：用groupdict().get()取命名组、try/except捕获异常，而非依赖len(groups())或groupindex预判。
-
subprocess.check_output默认吞掉stderr且不暴露，仅当退出码非零才抛异常；需改用subprocess.run(...,capture_output=True,check=True)分别获取stdout和stderr。
-
TensorFlow1.x需禁用急切执行并传入完整图：tf.compat.v1.disable_eager_execution()后定义占位符、变量等节点，再用tf.summary.FileWriter("./logs",graph=tf.get_default_graph()).close()导出；否则TensorBoard显示“Nographdefinition”。
-
断点续传的核心是保存和恢复文件读取位置，需手动记录file.tell()偏移量并用file.seek(offset)恢复，必须在每次成功处理后立即落盘至原子更新的.offset文件，且全程使用'rb'模式确保字节级准确。
-
深度学习与协同过滤结合旨在弥补各自缺陷：协同过滤擅长显式交互但对稀疏数据敏感，深度学习可建模非线性关系却冷启动差、可解释性弱；通过神经协同过滤（NCF）用Embedding+MLP重设计交互方式，融合内积与非线性路径，提升泛化性与精度。
-
pivot_table报“Indexcontainsduplicateentries”错误是因为index与columns组合存在重复，需显式指定aggfunc或预聚合；pivot要求组合唯一，pivot_table支持聚合；列名层级、性能及dtype需主动管控。
-
Python音频降噪需先识别噪声类型再适配方法：稳态噪声用谱减法或Wiener滤波，脉冲噪声用中值滤波，混响用盲源分离或Demucs，须听辨频谱、统一采样率、单声道处理、合理分帧，并依RMS等特征动态调参。
-
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。
-
List查找慢是因为底层顺序存储，in操作需遍历平均一半元素，100万数据最坏查100万次致毫秒级延迟；Set用哈希表实现，in操作平均O(1)，快200倍以上，但需元素可哈希且内存开销大30%–50%。
-
正确姿势是使用@pytest.mark.skip(reason="说明")跳过测试，必须带reason参数；跳过类加在class上；条件跳过用skipif；xfail用于预期失败且不影响setup/teardown。
