-
eval()和exec()危险在于将控制权交予不可信输入，而非语法错误；应禁用它们，改用json.loads()、ast.literal_eval()或importlib动态导入。
-
多标签分类不能用softmax+sparse_categorical_crossentropy，因softmax强制概率和为1而违背“多选”前提；应改用sigmoid输出+binary_crossentropy损失，标签为0/1矩阵，预测需设阈值二值化。
-
eval()和exec()危险在于将控制权交予不可信输入，而非语法错误；应禁用它们，改用json.loads()、ast.literal_eval()或importlib动态导入。
-
策略模式是将算法或行为封装为可互换的独立单元以解耦调用方与具体实现。Python中既可用函数（轻量、Pythonic）也可用类（适合复杂逻辑、需状态时），关键在按需选择、避免过度设计、保持策略无状态及创建可控。
-
TaskGroup.create_task()与create_task()的本质区别在于生命周期管理主体不同：前者由TaskGroup自动统一管理任务的等待、异常传播与取消，后者需手动处理；TaskGroup是Python3.11+结构化并发原语，适用于强一致性场景。
-
本文详解如何使用Pandas将含逗号分隔值的单列（如'NVEListe'）高效拆分为多个带序号命名的新列（如NVE1、NVE2…），并支持无缝合并回原数据框。
-
域名级并发控制需为每个域名独立维护计数器，通过domain_locks字典存储域名对应count和lock，请求前调用acquire_domain_slot加锁检查并增减计数，确保各域名并发数不超限。
-
reduce在Python中因可读性差、维护难、性能低而渐少使用；虽未被删除，但内置函数和显式循环更Pythonic，仅二元累积等特定场景才推荐使用。
-
特征工程是通过理解业务与数据分布，提升特征对目标变量的解释力、降低噪声与冗余的过程；包括缺失值处理（数值型用均值/中位数，类别型新增“未知”或用众数）、慎删样本等。
-
描述符必须定义在类上才能生效，动态添加到实例会失效；正确方式是直接赋值给类（如A.dynamic_attr=MyDescriptor()），而非实例或类的__dict__；移除需delattr(A,'attr')；推荐用ToggleableDescriptor等封装方案替代频繁修改类属性。
-
Windows下用winsdk控制亮度（需管理员权限，仅主屏）、pycaw控制音量（IAudioEndpointVolume设全局音量），配合schedule+线程或任务计划程序实现定时静默执行，避免sleep阻塞与电源状态失效。
-
Scrapy扩展是插入到引擎中的组件，用于增强爬虫行为。编写扩展需创建模块、定义类并实现如from_crawler等方法，再在settings中启用。常见用途包括控制速率、记录状态、处理异常、集成监控。扩展区别于中间件和管道，侧重全局控制。调试时可用print确认加载，并合理设置优先级与配置依赖。
-
应直接使用np.random.poisson(lam=3.5,size=1000)生成泊松频次，兼容性好且简洁；λ需为标量或NumPy数组，不可用list或Series；返回的是单位时间事件数，非时间戳，模拟到达过程须用指数分布生成间隔。
-
Python日期加减主要用datetime模块的date/datetime类配合timedelta（支持天、时、分等固定单位），月份/年份则需dateutil.relativedelta处理；字符串日期须先strptime解析再运算最后strftime格式化。
-
在Pydantic数据类中，若需使某字段（如label）的默认值动态依赖于另一字段（如name），必须显式启用validate_default=True配置，否则默认值不会进入验证流程，导致逻辑失效。
