-
文本分类在PythonWeb开发中需注重数据清洗、特征对齐与接口封装。应使用标注数据（如客服留言）划分训练/测试集，TF-IDF+LogisticRegression为首选模型，FastAPI封装接口并限流日志，确保稳定高效落地。
-
目标跟踪模型通常基于预训练检测器构建，采用“检测+关联”两阶段结构，而非端到端训练；主流方案如ByteTrack用YOLO检测加双阈值关联，训练时检测、ReID、关联超参分步优化。
-
生成器抛异常后立即终止迭代；需用try/except内部捕获异常才能继续yield；throw()可外部注入异常并由生成器处理；StopIteration后生成器永久关闭不可重用。
-
按频次降序排应调用most_common()方法，它返回(key,count)元组列表，全量排序用most_common()，TopN用most_common(k)，比sorted(counter.items(),key=lambdax:x[1],reverse=True)更高效且语义明确。
-
__enter__和__exit__必须成对出现，因为with语句依赖二者驱动：进入时调__enter__，退出时无条件调__exit__（含异常）；缺一则报AttributeError，且__exit__四参数不可少，返回True可抑制异常。
-
大规模文本预处理需先解决内存与分词问题：用生成器+tf.data避免OOM，轻量分词器优先，合理设vocab_size、output_dim及trainable，转TFRecord提升I/O性能，并用padded_batch确保静态shape。
-
最常见原因是未设inplace=True或字典键与列名不完全匹配；rename()默认返回新DataFrame，键需严格一致（含大小写、空格），MultiIndex需特殊处理；函数式rename(columns=lambdax:x.replace('id','ID'))支持批量替换。
-
Tushare需token鉴权且免费版限频，Baostock需显式login/logout；两者复权逻辑、日期格式、停牌处理及限流机制均不同，数据使用前须核对文档更新。
-
容灾设计的核心目标是“故障不中断服务”，需通过架构层消除单点故障，确保数据库、缓存、消息队列等组件多活与自动切换，Python服务须无状态、可降级、可观测，并定期开展混沌工程演练。
-
requests.Session()默认连接池maxsize=10、block=False，易因连接耗尽抛MaxRetryError；需通过HTTPAdapter显式配置pool_maxsize、pool_block等参数并mount生效。
-
图像旋转检测常用直接回归角度值方法，即用CNN提取特征后接全连接层预测连续角度，需通过正余弦编码或分桶分类+回归微调解决角度周期性问题，并配合同步标签的旋转增强与平滑后处理。
-
使用try-except捕获await异常，create_task需显式await或检查异常，gather默认中断任务但可配置，wait需手动检查，全局处理器用于监控未捕获异常。
-
用paramiko批量改密码须先确认目标主机支持SSH密码修改，因默认不分配pty导致passwd卡住；应使用invoke_shell()模拟终端交互，逐行发送密码并处理提示符、错误和特殊字符，同时记录详细执行日志以排查问题。
-
最近邻插值法（interpolate(method='nearest')）在处理缺失年龄值时，可能因数据局部稀疏或边界位置缺乏邻近有效值而无法填充部分NaN，尤其在测试集分布偏离训练集时更易发生。
-
IO密集型任务应优先用ThreadPoolExecutor，因其轻量、启动快、内存占用低；CPU密集型任务必须用ProcessPoolExecutor以绕过GIL；混合场景可分层协作，线程池处理IO、进程池处理CPU计算。
