-
Python类设计核心是单一职责，即每个类只做一件事并做好；职责边界指类应承担的行为与数据范围，需通过影响范围、存储替换成本和测试便捷性三问判断；常见越界行为包括模型类发HTTP请求、业务类生成HTML、硬编码日志监控等，应拆分服务、分离数据与展示、用装饰器或中间件解耦；可用Protocol或ABC声明依赖协议，优先组合而非继承以增强灵活性与可测性。
-
验证码识别失败的常见原因包括：图片URL未实时更新、缺少前置请求（如种sessionid）、未复用cookie、传入打码平台的是URL而非二进制流、pass2未用MD5加密、文件名无后缀、codetype填错、未提交pic_id、隐藏域未动态提取、服务器DNS/IP/字体/库冲突等问题。
-
venv创建必须指定路径，如python-mvenvmyenv；激活后需验证sys.executable和pip--version路径是否指向虚拟环境内，且每个新终端都需重新激活。
-
不能在create_app()里直接创建Celery实例并调用init_app()，因Celery无此方法；须先声明实例，待Flask配置加载完毕后，用celery.conf.update(app.config)注入配置，并在配置后调用autodiscover_tasks()。
-
最直接的方法是使用pipinstallpackage_name==version_number，例如pipinstallrequests==2.25.1，可解决依赖冲突、复现环境或测试功能。
-
Python函数参数支持位置参数、关键字参数、args和*kwargs，需按序混合使用；返回值可单个、多个或None；作用域遵循LEGB规则，注意可变对象传参的引用特性。
-
pack_padded_sequence必须与pad_packed_sequence成对使用，输入需time-major格式、长度降序排列且lengths为CPUint64张量，否则引发维度错误或静默截断；RNN输出须解包后才能正确取各序列真实末尾。
-
MLflow默认不记录DVC数据路径，需手动log参数或用dvcget拉取并记录实际路径；DVCstage中调用mlflowrun需显式激活环境；模型与DVC版本脱节须强制提交dvc.lock；部署时需同步拉取DVC依赖文件。
-
本文介绍使用pandas的explode、merge和concat方法，根据object分组将legend中的word_lists展开为多行，并与原始df按object和personID关联后合并，同时正确标记included字段。
-
TimedRotatingFileHandler按天切日志总在凌晨0点前切，因其默认使用time.localtime()、不感知时区配置；若服务器为UTC而业务在东八区，则按UTC0点（即北京时间8点）切割，看似提前；需通过atTime参数手动指定带时区的时间（如Asia/Shanghai）解决。
-
本文介绍如何使用Pandas的分类索引与外连接（outermerge）机制，强制补全所有预定义分箱区间（如(0,2],(2,4]等），将无覆盖数据的空bins统一赋值为0，确保热图横轴bins数量固定、位置对齐，避免因数据稀疏导致的可视化断层。
-
抽象基类必须设abstract=True，否则会建表；字段定义位置影响迁移与查询；related_name需用%(class)s占位；类方法可用但管理器需子类重写；多层继承时Meta不合并，应扁平化或混用Mixin。
-
tf.keras.optimizers.schedules常用类有ExponentialDecay、PiecewiseConstantDecay、PolynomialDecay三个；它们是返回学习率的callable，需在初始化optimizer时传入learning_rate参数，由optimizer.iterations自动维护step计数。
-
原生Tkinter界面陈旧因使用老旧Tk主题和ttk引擎，缺乏现代UI特性；CustomTkinter通过Canvas重绘控件实现现代化外观，需逐个替换组件类并注意兼容性问题。
-
常见原因有三：路径错误导致FileNotFoundError或空DataFrame；Excel进程独占文件致静默返回空；表头含空格或特殊字符引发KeyError。
