-
PythonDocker镜像需精简至120MB、安全可复现：用slim/alpine基础镜像、多阶段构建、pip--no-cache-dir、.dockerignore；编排须处理依赖顺序、配置外置、环境分层；开发与生产保持构建一致。
-
IterativeImputer不支持分类变量，必须先数值化编码（如OrdinalEncoder）再填充，且不提供逆变换接口，填充后编码值可直接用于后续建模。
-
API爬虫核心在于理解接口规则而非编码，80%精力用于分析URL参数、请求方法、Headers、响应结构等；需用开发者工具抓包，Python模拟时注意Session复用、签名生成、错误处理与限频日志。
-
使用requests库可轻松发送HTTP请求，先安装pipinstallrequests，再用get()或post()方法获取响应，支持JSON解析、自定义头、超时设置及Session复用；也可用内置urllib发送请求但较繁琐；httpx则支持同步与异步模式，兼容requests且性能更优。
-
Python自动化生成日志报告的核心是结构化提取与模板化输出，需明确日志来源、关键字段及用途，优先正则或JSON解析提取时间、模块、状态等字段，用pandas聚合分析，按需输出Markdown/Word/PDF，并通过配置文件和异常处理保障健壮性。
-
Python写入文件后读不出来，主要是因未关闭文件、未重置指针或读写模式不匹配；应使用r+模式并seek(0)，或分开写读操作，同时统一指定encoding='utf-8'并确保换行符正确。
-
Polars升级至0.20.7后，group_by([...])传入列表会导致map_groups报错“cannotcallmap_groupswhengroupingbyanexpression”；根本原因是新版本未自动解包单元素列表，正确写法应为group_by('ProductNumber')（无方括号），并推荐优先使用更高效、更安全的over()窗口函数替代map_groups。
-
@functools.lru_cache不能当熔断器用，因其仅缓存结果、无超时控制、不统计失败率、无法响应临时故障；熔断需基于时间窗口的失败率/慢调用率、函数级状态隔离与硬超时机制。
-
列表与元组的核心区别在于可变性：列表可变，支持增删改；元组不可变，创建后无法修改。这导致列表可作为动态数据容器，适用于需频繁修改的场景，如购物车、队列等；而元组因不可变性具备更小内存占用和更快访问速度，适合表示固定数据如坐标、RGB值，并可作为字典键或集合元素，前提是其元素均为可哈希类型。此外，元组常用于函数返回多个值，提供数据安全性与性能优势。在性能敏感或数据不变的场景下优先使用元组，而在需要灵活性时选择列表。
-
本文介绍如何在内存受限条件下，高效、稳定地计算百万级稀疏矩阵（如500,000×500,000）每行的L2范数，避免np.linalg.norm崩溃或OOM，重点推荐scipy.sparse.linalg.norm及底层等效实现。
-
Python的round()采用“四舍六入五成双”而非四舍五入，如round(2.5)得2、round(3.5)得4；浮点精度问题会加剧误差，真·四舍五入应使用decimal模块或整数缩放法。
-
Python抽象类需继承ABC、含@abstractmethod方法且不可实例化，强制子类实现抽象方法，支持抽象属性和多继承，兼具接口契约与默认行为。
-
敏感词检测系统核心是快速准确识别违规词，Python实现重在匹配策略选择：大词库用AC自动机（O(n+m)），支持模糊匹配需正则预处理与拼音/形近映射，小词库可用Trie树。
-
Python多进程在Windows和Linux/macOS上行为差异显著，核心在于进程创建机制不同：Windows用spawn，类Unix系统默认用fork。这直接影响代码结构、性能、资源初始化逻辑和错误表现。启动方法决定入口保护要求Windows不支持fork，必须通过spawn方式新建进程——即重新导入主模块、执行新入口。若未加保护，子进程会重复运行主程序逻辑（如再次调用Process()或Pool()），导致无限递归创建进程、报错或卡死。所有使用multiprocessing的脚本，W
-
argparse可通过type=str和合理nargs配置模拟curl--data-raw语义：默认nargs=None配合shell引号即可原样接收字符串，无需额外处理；推荐显式指定type=str并添加清晰help说明其不解析、不编码的原始传递特性。
