-
Python中Windows路径报错因反斜杠\被当作转义符，导致\u、\n等解析异常；用原始字符串r""可解决字面量问题，但拼接或跨平台时应优先使用pathlib.Path或os.path.join。
-
Python用户输入清洗需统一格式、剔除干扰、验证边界、转为可用类型：用.strip()去首尾空白，正则压缩中间空格并过滤零宽字符；英文转小写、中文全角转半角；手机号去除非数字后验长度，金额去符号转数值，日期用专业解析；白名单过滤非法字符、截断超长输入，并在各环节嵌入清洗策略。
-
虚拟环境被误删的根本原因是其仅为普通目录且无运行时锁机制，rm-rf可直接删除正在使用的venv；最可靠防护是跨平台扫描系统中是否存使用该环境的Python进程。
-
<p>信息增益和信息增益率用于决策树特征选择，基于信息熵计算。1.信息熵衡量数据混乱程度，公式为H(S)=-Σ(p_ilog2(p_i))，Python用entropy函数实现。2.信息增益IG(S,A)=H(S)-Σ(|S_v|/|S|H(S_v))，表示划分后熵的减少，通过information_gain函数计算特征对标签的分类能力。3.信息增益率GR(S,A)=IG(S,A)/IV(A)，其中IV(A)为特征A的固有值，用于抑制多取值特征偏差，由intrinsic_value函数计算。4
-
startswith()用于判断字符串是否以指定子串开头，返回True或False；支持单字符串、元组（多前缀）、指定起止位置；区分大小写，空字符串恒为前缀，不支持正则。
-
Locust安装与基础配置需注意：Python3.8+为硬性要求；Windows下conda环境应使用condainstall-cconda-forgelocust避免pyzmq编译失败；须验证locust--version输出；配置文件需显式指定--config=locust.conf；推荐使用HttpUser类并设置timeout及User-Agent；分布式模式下master需绑定0.0.0.0且开放5557/5558端口；高并发时需调高ulimit并考虑多进程或多机worker。
-
TimeSeriesSplit不能直接套用普通交叉验证，因为时间序列数据具有严格时间依赖性，随机打乱会泄露未来信息导致评估失真；它强制按时间顺序前向链式切分，确保训练集始终在测试集之前。
-
必须使用数据库驱动原生支持的参数化查询机制，因str.format()或%拼接发生在Python层，数据库无法区分代码与数据，'OR1=1--等payload可直接构造恶意SQL；sqlite3用?，psycopg2用%s，字段名/表名等结构元素须白名单校验。
-
选Qdrant写入更快（单节点upsert快1.5–2倍），但需NVMe磁盘；Milvus对CPU/内存要求高，高并发易阻塞；Weaviate居中，batch_size需≥100才提速。
-
asyncio.wait()适合统一控制超时与完成状态，返回(done,pending)并支持return_when精细调度；asyncio.as_completed()专为按完成顺序消费结果设计，返回异步迭代器，需asyncfor逐个await。
-
Python函数docstring自动校验需统一格式、覆盖参数Args、返回值Returns、异常Raises三要素，并与类型标注双向对齐；推荐pydocstyle+darglint双工具协同校验，集成至pre-commit和CI强制执行。
-
会。同步函数直接await会卡死事件循环，因time.sleep、requests.get等阻塞操作会阻塞事件循环线程；应使用loop.run_in_executor或asyncio.to_thread（3.9+）将其交由线程池执行。
-
模板中用perms判断权限前，必须确保用户已登录且django.contrib.auth.context_processors.auth已启用，否则perms为空对象导致误判；app_label必须与模型所在应用的name完全一致且小写；需运行迁移以生成自定义权限；权限缓存需手动清除或重新登录更新。
-
join基于索引对齐合并，需索引类型一致且值匹配；merge通过left_index/right_index参数支持索引合并，更灵活但需注意参数完整性。
-
列表推导式可高效生成列表，基本语法为[expressionforiteminiterable]，支持条件筛选和嵌套结构。
