-
不能直接用——Triton的Python后端是实验性功能，2.40+默认禁用、不支持GPU加速，仅适用于CPU预/后处理调试；启用需手动编译，运行于独立进程，内存开销大、无CUDA张量共享。
-
np.select更适合多条件赋值因其条件与结果解耦、逻辑清晰、避免嵌套右深括号；需确保条件与选择列表等长、全为同长度布尔数组，用&|~替代andornot，default必须显式指定。
-
TargetEncoding会导致数据穿越，因其用类别对应目标变量均值替代原始类别，若在全量数据上计算则训练集编码泄露测试集标签；必须分折独立计算、冻结映射表并处理未知类别。
-
本文解析在多线程场景下实现全局共享状态时，为何简单静态类不够用，以及如何通过模块级实例化或可控的__new__机制构建符合语义、可测试、类型安全的单例，而非滥用静态方法。
-
@pytest.mark.parametrize("x,expected",[(2,4),(3,9),(4,16)])定义参数名与数据一一对应，函数需声明同名参数deftest_square(x,expected):，单元素元组写为(1,)防误判。
-
tobytes是最直接的NumPy数组转字节流方式，因其直接拷贝底层连续内存的原始字节，零序列化开销、无元数据，但需接收方预先知晓dtype和shape。
-
Django拿不到openid的常见卡点是：微信OAuth2.0需用code换openid，但常因redirect_uri配置不一致、未URL编码、视图未正确获取request.GET['code']、code过期或重复使用导致失败。
-
局部变量仅在函数内部有效，函数结束即销毁，无法被外部访问。1、函数内赋值创建的变量默认为局部变量。2、局部变量不影响同名全局变量。3、赋值前读取局部变量会引发UnboundLocalError。4、局部变量屏蔽同名全局变量，优先使用局部变量。5、可用locals()查看局部变量字典。6、每次函数调用重新初始化局部变量，递归调用中各层独立。7、需跨调用保留状态时应使用类或闭包。8、嵌套函数中需用nonlocal声明以修改外层局部变量，不可用于全局变量。
-
使用zip()函数可优雅实现多列表并行遍历，它以最短列表为准生成元组迭代器，适用于成绩单输出、数据合并、字典创建及矩阵转置等场景，结合zip_longest可处理不等长列表，需注意类型匹配与空列表情况。
-
dumpdata导出需按外键依赖顺序显式指定模型，loaddata要求fixture置于fixtures/目录且文件名合法，JSON时间字段须保持ISO格式，导入后需重置主键序列。
-
pytest中SQLite:memory:测试报“nosuchtable”是因为每个连接独享内存库，需在fixture中创建engine后立即执行Base.metadata.create_all()，且fixture应返回session实例而非sessionmaker，确保测试使用同一连接。
-
Python批量请求需用Session复用连接、ThreadPoolExecutor并发、分层捕获异常并统一收口结果。关键包括：连接池调优、线程安全复用Session、按错误类型重试、结构化存储成败结果。
-
Python线程无法被外部强制终止，必须依靠线程自身主动退出；优雅退出需通过threading.Event通知、资源清理保障（try/finally）、避免sys.exit()/os._exit()、阻塞操作加超时检查来实现协作式终止。
-
本文揭示NumPy数组使用**运算符（如f**2）与标量幂运算（如f[i]**2）或显式调用np.power(f,2)产生微小数值差异的根本原因——源于底层C实现中对不同输入类型的分支调度：数组**2被优化为np.square，而标量或np.power则走通用幂函数路径，二者算法实现与舍入策略存在细微差别。
-
Python网络请求需区分网络异常（如Timeout、ConnectionError）和HTTP响应异常（如4xx/5xx），通过requests.exceptions分类捕获，并调用raise_for_status()主动触发HTTPError，结合状态码做针对性处理。
