-
本文介绍如何在cuDF中安全、高效地将字符串Series拆分为固定长度的子串块，避开GPU上不支持Python原生range和切片操作的限制，并推荐基于正则表达式的向量化替代方案。
-
pandas.merge(...,how='left')是标准左连接，需显式指定on或left_on/right_on，否则报错；左表重复键会复制右表匹配行，NaN表示无匹配，连接前应确保键类型一致、无空值且值对齐。
-
缓冲二进制文件指以二进制模式读写文件时利用内存缓冲区提升I/O效率，Python中通过open()函数的'rb'、'wb'等模式默认实现带缓冲操作，可分块读取、自定义缓冲大小或使用io.BufferedRandom优化随机访问，需注意使用'b'模式、避免大文件内存溢出并及时刷新缓冲区。
-
duplicated()默认只标记后续重复行为True，首行为False；用keep=False可标记全部重复行，配合subset可指定列判断重复，需注意NaN、字符串格式和时间精度等预处理。
-
argparse适合简单脚本，click更适合产品化CLI工具；前者轻量标准但子命令难维护，后者功能丰富但学习成本略高，选择取决于使用者、使用频率及扩展需求。
-
Python中没有名为fun或_fun的内置函数或标准库函数，它们通常是用户自定义的占位符或私有方法；常见误判是将functools模块中的partial、lru_cache等函数误认为fun。
-
用正则表达式匹配XML或HTML标签适用于简单场景，但不适用于复杂结构。1.匹配开始标签可用<([a-zA-Z]+)(\s+[^>]*)?>；2.匹配闭合标签可用<\/([a-zA-Z]+)\s*>；3.匹配整个标签对及其内容可用<([a-zA-Z]+)(\s+[^>]*)?>(.*?)<\/\1\s*>；4.处理自闭合标签可用<([a-zA-Z]+)(\s+[^>]*)?\s*\/?>。注意：正则无法正确处理嵌套结构，推荐使用
-
str.format()是Python中强大的字符串格式化方法，支持位置参数、关键字参数和格式控制。1.可按顺序填充占位符，如"Hello,{}!".format("World")；2.支持索引或名称指定参数，如"{0}和{1}".format("小明","小红")或"{name}{age}".format(name="小华",age=20)；3.可格式化数字，如"{:.2f}".format(19.5)保留两位小数，"{:.1%}".format(0.875)显示百分比，"{:,}".format(10
-
文本生成需清洗标准化数据、分词映射ID并构建含特殊标记的词表；采用因果掩码的Transformer解码器架构；以自回归方式训练，用交叉熵损失并右移标签；推理支持贪婪/束搜索及采样策略。
-
不能直接缓存布尔型权限结果，因权限是动态的且依赖多表关联；应缓存用户ID到Group名列表及Permissioncodename列表的映射，键为"user_roles_{user.id}"，JSON序列化并设3600秒过期，在post_save/m2m_changed信号中主动失效。
-
类属性属于类、被所有实例共享，实例属性属于对象、各实例独立；查找按“实例→类→父类”MRO顺序，同名时实例属性屏蔽类属性；可变类属性误用会导致意外共享。
-
corr()默认计算皮尔逊相关系数，仅反映线性关系且要求数据近似正态、无显著离群值；对等级型、偏态或含异常值数据，应改用spearman或kendall方法。
-
asyncio.run()不可重复调用，应全局单次启动事件循环并手动管理；asyncio.sleep()须在async函数内被await或作为task提交；并发需用Semaphore限流；信号处理需手动注册以确保优雅退出。
-
pipinstallpandas卡在downloading是因为默认从国外PyPI源下载，网络延迟高、易超时；解决方法是临时加国内镜像源，如pipinstallpandas-ihttps://pypi.tuna.tsinghua.edu.cn/simple/，必须带/simple/后缀，否则404。
-
Python推荐系统核心是理清“用户—物品—交互”关系并匹配算法：有行为日志用User-CF/Item-CF，仅物品属性用Content-Based，冷启动用混合策略；预处理需构建稀疏矩阵并中心化；Item-CF适合工程落地；Surprise库可快速验证SVD等模型。
