-
重放机制本质是状态快照+可重现执行，核心在于控制非确定性来源，需固化输入、环境、关键状态（如随机种子、外部响应），并隔离时间、并发、I/O等隐式依赖。
-
zscore返回NaN需先检查并过滤NaN/inf，或用nan_policy='omit'；阈值3不普适，应结合分布和业务调整；多维数据需区分字段级与样本级检测；pandas计算慢时优先用scipy.stats.zscore。
-
Pythondocstring必须用三重双引号，紧贴def下方无空行，首行摘要后需空一行；类型提示优先于docstring类型描述，风格（Google/NumPy）须统一。
-
AI岗位核心要问题建模、数据敏感度、算法理解深度和工程落地闭环能力；三类岗位分别侧重数学与论文复现、分布式工程与线上指标、多模态集成与Prompt设计；Python程序员需补数据质量校验、模型全周期管理、无监督/小样本问题解决能力。
-
eval()危险因动态执行不可信代码，应改用json.loads()或ast.literal_eval()；requests必须设timeout防雪崩；浮点比较须用math.isclose()；日志配置应封装函数并单次调用。
-
NumPy提升数值计算效率的关键在于向量化操作、广播机制、预分配数组、原地运算及合理数据类型选择。需避免Python循环，用a+b代替列表推导式，利用广播实现无显式循环的数组扩展，优先使用np.float32和C连续布局，并通过+=等就地操作减少内存开销。
-
直接open()+readlines()会爆内存，因为readlines()将整个文件一次性加载进内存，产生远超文件大小的字符串对象开销；应改用forlineinf:或自定义带异常处理的生成器。
-
StringIO和BytesIO是内存中的类文件对象，应直接传给json.load()等函数，而非套用open()；StringIO处理str，BytesIO处理bytes；注意seek(0)、编码、内存占用及Python2/3兼容性。
-
Windows批量重命名含非法字符文件有五种安全方法：一、用Python正则替换；二、用pathlib+translate高效处理；三、带时间戳备份日志；四、仅扫描不修改的预检；五、用shutil.copy2保留元数据复制。
-
RBF核SVM适用于小到中等规模数据，大规模时需降维、采样或改用线性核；类别不平衡时必须设class_weight='balanced'；效果不佳常因gamma参数不当或未标准化。
-
本文详解为何直接@patch无法影响类属性中提前执行的函数调用，并提供可靠方案：结合patch.object与importlib.reload在模块重载前替换目标函数，确保类属性初始化时即使用模拟返回值。
-
Python模型API部署需四步：轻量化模型（TorchScript/joblib）、封装预测模块（ModelWrapper类）、选用FastAPI构建API层、本地测试后容器化部署。
-
requests.get()不加stream=True会将整个响应体加载到内存，导致大文件下载时内存激增甚至OOM；必须显式设置stream=True并用iter_content(8192)或shutil.copyfileobj()安全分块读取。
-
Pandas数据聚合核心是groupby，需明确分组依据（单列、多列或条件）、聚合方式（内置方法或agg自定义）及结果处理（重置索引、展平列名），并注意空值处理、类型安全与性能优化。
-
PythonSSL必须启用证书验证，否则HTTPS加密形同虚设；fernet适合简单场景，AES-GCM需严管nonce；密文须base64编码后再JSON序列化；密钥应交由KMS等安全服务管理。
