-
Pandas的sort_values()函数是Python中处理表格型数据排序的核心工具，其优势在于支持单列或按多列复合排序，例如先按部门升序、再按年龄降序等，使用by参数指定列名列表，ascending参数控制每列的排序方向。此外，sort_values()还提供inplace参数决定是否修改原数据，na_position参数控制缺失值位置，默认为'last'，也可设为'first'。对于复杂排序需求，可以通过1.创建衍生列（如字符串长度、计算比率等）进行排序；2.利用CategoricalDtype定
-
删除目录需根据是否为空选择方法：1.空目录用os.rmdir()或Path().rmdir()；2.非空目录用shutil.rmtree()；3.推荐先用os.path.exists()检查存在性，避免异常，提升程序健壮性。
-
核心原因是apply默认逐组构造新DataFrame/Series对象，触发完整Python层循环和对象开销，而agg/transform在底层尽可能复用向量化操作或C优化路径。
-
最可靠的方式是检查sys.frozen是否为True；PyInstaller打包后设为True，未打包时为None或不存在，且需优先于其他模块导入和资源加载前执行检测。
-
多态通过继承和方法重写使同一方法在不同对象中表现不同行为。1、定义父类公共接口，子类重写方法实现多样化逻辑；2、利用继承，父类引用调用子类具体实现，如Animal基类的sound方法被Dog和Cat分别实现；3、通过鸭子类型，无需继承关系，只要具备相同方法即可多态调用，如Duck与RobotDuck均实现quack；4、使用abc模块定义抽象基类Shape，强制子类实现area方法，确保多态规范性。
-
在Scrapy爬虫中，若需将parse()中生成的日期变量传递至深层解析函数（如parse_race()），不能直接使用局部变量，而应通过Spider实例属性（self.scrapedate）实现跨回调的数据共享。
-
灰度发布需用请求唯一标识做一致性哈希或取模实现稳定分流，避免随机数；分流逻辑应封装为中间件，比例从配置中心热加载；Header透传须校验来源并统一小写处理；Redis名单操作需类型一致、原子执行；埋点须置于异常前且覆盖全链路。
-
Python环境与IDE插件兼容性问题主要由解释器绑定错误、版本不匹配和插件依赖冲突引起。1.Pylance等插件可能不支持Python3.12，需查看文档确认兼容性；2.虚拟环境路径未正确配置会导致模块导入失败，应在VSCode或PyCharm中手动选择解释器路径；3.插件依赖如Jedi或debugpy冲突时，可重装插件、升级debugpy或清除缓存解决。保持环境整洁与插件更新可有效预防此类问题。
-
Docker通过镜像封装代码、依赖、环境实现“一次构建，到处运行”，解决Python项目部署时的环境不一致问题；关键在于合理编写Dockerfile、区分开发与生产运行方式，并配置健康检查与资源限制。
-
答案是使用df.to_csv()方法保存DataFrame为CSV文件，需注意index=False避免保存索引，设置encoding='utf-8'防止中文乱码，根据数据内容选择sep参数调整分隔符，用na_rep处理缺失值，通过列筛选或float_format等参数控制输出格式，并在处理大数据时考虑compression压缩或mode='a'追加模式以优化性能。
-
图像分类模型训练核心是“数据准备→模型选择→训练调优→评估部署”四步闭环：规范数据格式、迁移预训练网络、监控训练过程、用真实场景评估并导出ONNX部署。
-
Tkinter中将Checkbutton控件误当作变量对象调用.get()，会导致AttributeError:'Checkbutton'objecthasnoattribute'get'，正确做法是为Checkbutton显式绑定variable参数（如IntVar或BooleanVar），再对该变量调用.get()。
-
最直接查看数值类型用type()，如type(42)返回<class'int'>；类型检查用isinstance()，如isinstance(3.14,(int,float))返回True；注意字面量形式影响类型，如1e100是float而非int。
-
Python2中urllib2中文乱码的本质是未正确识别或解码响应字符编码，需依次从响应头Content-Type、HTMLmeta标签提取charset，再按utf-8/gbk/gb2312顺序尝试解码，最后fallback为latin-1。
-
NumPy提供多种创建数组的方法，包括从列表转换、生成特定值数组及指定形状和数据类型。1.使用np.array()将列表或元组转为数组，并可指定dtype；2.np.zeros()和np.ones()创建全0或全1数组；3.np.empty()创建未初始化的空数组以提升性能；4.np.arange()生成等步长数组，np.linspace()生成等间隔数值；5.np.full()用指定值填充数组；6.多维数组可通过嵌套列表或reshape()构建；7.高级方法如np.eye()创建单位矩阵，适用于线性代数
