-
RFM三指标需用pandas从订单表清洗计算：R为当前日减最近有效成交日（单位天），F为去重order_id计数，M为剔除测试单/刷单后的金额和；分位数打分更适配业务节奏，KMeans前须标准化并处理偏态，上线需加业务规则兜底。
-
Python自定义容器需实现容器协议的魔术方法：__len__返回非负整数，__contains__支持in操作；__getitem__支撑索引、切片与迭代；可选__setitem__和__delitem__实现可变操作；__iter__提供更清晰可控的迭代支持。
-
psutil.Process().memory_info()返回包含rss和vms等字段的命名元组，是内存使用绝对值而非增量，需自行计算差值才能判断增长量，直接使用会导致误判内存泄漏。
-
推荐直接使用asyncio.PriorityQueue实现优先级队列，它是标准库中线程安全、协程友好的内置类，基于heapq自动排序，支持await，优先级数值越小越先执行；避免手动维护排序。
-
asyncio.run()开启debug模式只需传入debug=True，可暴露协程未await、任务未关闭等调度异常；自建事件循环需手动调用loop.set_debug(True)，环境变量PYTHONASYNCIODEBUG=1亦可全局启用。
-
[[0]*n]*m初始化二维数组会出问题，因为它创建的是m个指向同一内层列表的引用，修改任一元素会导致所有行对应位置同步变化；正确方式是用[[0for_inrange(n)]for_inrange(m)]生成独立子列表。
-
验证码点击需补偿视口滚动、缩放及系统DPI偏移：先用window.pageYOffset/pageXOffset修正坐标，再结合get_window_position/size算屏幕绝对位置，并禁用浏览器缩放与确保窗口焦点。
-
gunicorn并发未提升反变慢，主因是进程数设置不当或未关闭Flask调试模式；必须删除app.run()、显式加载配置、合理选worker数与类型，并检查初始化异常。
-
Detrender是对去趋势操作的统称，非scikit-learn标准类；scipy.signal.detrend默认线性去趋势，仅移除全局可建模趋势，对突变点、结构性断点无效，且保持序列长度不变。
-
API接口数据清洗核心是前置拦截与标准化，需在入口层通过可配置、可验证的规则实现字段校验、格式归一、安全过滤，并记录清洗过程以保障准确性、稳定性与可观测性。
-
Python函数内若对变量赋值，该变量默认被视为局部变量；若未显式声明global，即使同名全局变量存在，首次读取前赋值也会触发UnboundLocalError。
-
无法定位具体问题，因标题无技术信息；需提供报错信息、相关代码及算法场景才能分析根本原因。
-
用@pytest.mark.skip无条件跳过，@pytest.mark.skipif按导入时可求值的条件跳过；条件中未导入模块或异常调用会导致静默失效，应提前import并用--collect-only验证，平台判断推荐sys.platform，模块级跳过需置pytestmark于文件顶部。
-
必须重写call而非call__，因基类已实现__call来处理样本权重与reduction；call需专注逐样本损失计算，签名固定为call(self,y_true,y_pred,sample_weight=None)，返回(batch_size,)张量。
-
datetime.strptime()解析失败主因是格式不匹配，如'2023-5-1'需用'%Y-%-m-%-d'（Linux/macOS）或补零；跨平台strftime()避免%-m/-d，改用dt.month/day拼接；时区须统一为aware对象，推荐zoneinfo并转UTC比较。
