-
用scipy.sparse.coo_matrix而非字典，因其底层用row/col/data三数组高效支持运算；构造需去重、转csr/csc再计算；存盘优选save_npz；切片等操作务必用csr/csc格式。
-
本文介绍一种无需内存拷贝、不触发堆分配的高效方式，将C/C++返回的原始指针直接封装为指定shape和dtype的PyTorchTensor，适用于高性能计算场景。
-
Flask默认不自动处理OPTIONS请求，必须在methods参数中显式添加'OPTIONS'才能避免405错误；推荐返回204状态码并设置Access-Control-Allow-*响应头。
-
Python中raise...from...构建异常链，明确区分替代异常与原因异常，使错误根源和转化过程清晰可见。
-
本文详解如何使用SkipJsonSchema类型注解，精准、可靠地将Pydantic模型中的特定字段从生成的JSONSchema中完全移除，避免Field(exclude=True)等误用方式导致的schema泄露问题。
-
asyncio.Event是协程安全的布尔标志，仅含“已设置/未设置”状态，需配对使用set()和clear()实现单次通知；误用易致虚假唤醒，复杂场景推荐asyncio.Queue。
-
__name__是Python中用于标识模块运行方式的内置变量：直接运行时值为'__main__'，被导入时为模块名（如'mymodule'）；常用于if__name__=='__main__':保护主程序逻辑，避免导入时执行；不可手动修改，否则破坏运行时判断机制。
-
优先选pyarrow，它在大多数场景下快2–5倍，尤其适合大文件、嵌套结构或带谓词过滤的读取；pyorc启动快、内存低但解析慢，仅适用于小文件、无嵌套、纯pip环境等特定场景。
-
优先选OvRClassifier（如LogisticRegression）或OvOClassifier（如SVC），依据是基模型是否支持predict_proba或仅依赖decision_function；类别数≤4时倾向OvR，>6且样本量大时OvO泛化更稳。
-
tqdm在多线程/多进程中共用实例会导致状态竞争，应避免共享；推荐使用tqdm.contrib.concurrent.thread_map或process_map，由主线程统一驱动进度条更新，子线程/进程只负责计算并返回结果。
-
model.summary()报AttributeError是因模型非KerasModel实例；需先type(model)确认类型，PyTorch用print(model)或torchinfo，HF模型查config或num_parameters()，自定义类应遍历layers。
-
Python文本处理必须显式编码解码，跨平台乱码主因是默认编码不一致（如Windows用GBK、Linux/macOS用UTF-8）；字符串为Unicode，字节流需正确解码；读写文件须指定encoding="utf-8"，探测编码可用charset-normalizer；终端乱码需检查sys.stdout.encoding或设PYTHONIOENCODING；调试应从原始字节入手，用hex()分析；核心原则是字节与字符串转换时双方编码约定一致，优先UTF-8并显式声明。
-
Python解释器启动时先执行C层初始化（如Py_Initialize），再构建sys.path并加载内置模块，接着创建__main__模块执行用户代码，源码解码则按需在import或执行时进行。
-
auditd规则精简需遵循“关键路径+高风险行为+明确上下文”三重过滤，禁用全盘监控、限制execve审计范围、聚焦成功/拒绝事件及特定网络连接，并采用最小可行规则集与正确加载机制。
-
本文详解如何借助xlwings库对Excel表格进行逐单元格的读取与写入操作，以动态计算并填充“Tax”列（收入的10%），兼顾实时性、可读性与生产可用性。
