-
zscore返回NaN需先检查并过滤NaN/inf，或用nan_policy='omit'；阈值3不普适，应结合分布和业务调整；多维数据需区分字段级与样本级检测；pandas计算慢时优先用scipy.stats.zscore。
-
先检查nvidia-smitopo-p2pr输出是否大量显示N/A或PHB而非PIX/SYS，若P2P未通则all_reduce降速3–5倍；确认硬件拓扑、BIOS设置，禁用CUDA_VISIBLE_DEVICES并显式绑定设备，backend必须设为"nccl"，再通过nvidia-smidmon-su-d1观察PCIe带宽是否饱和。
-
真正需解决的是工程化落地问题：setup.py与pyproject.toml选型、旧项目迁移字段修改、pipinstall-e.路径异常、poetryCI超时优化、entry_points键名错误等。
-
最稳的分卷压缩方案是调用7z命令，关键参数为-v（如-v50m），需带单位、用绝对路径、全小写文件名，Python中用subprocess传列表而非字符串，zipfile不支持原生分卷。
-
NumPy数组不能直接当字典键，因其可变且无hash值；tobytes()是最稳妥的转换方式，将数组内存布局序列化为不可变bytes，但需注意dtype、连续性及NaN等细节。
-
pytest需在单个测试函数内用threading.Thread启动多线程并发调用被测函数，通过共享可变对象、控制同步时机、捕获子线程异常并join等待，以复现确定性竞态问题。
-
仅配置search_fields不足以提升搜索性能，必须配合数据库索引、字段类型选择和查询逻辑控制，否则万级数据以上会明显变慢甚至超时；其默认慢因是底层使用LIKE模糊匹配，无法利用普通索引，易触发全表扫描。
-
应将重复校验逻辑抽成独立函数（如validate_username），由函数自身抛出异常而非返回布尔值；数据库校验需拆分为格式与唯一性两步；装饰器仅用于参数来源固定的入口，避免过度抽象；Pydantic可轻量用于非FastAPI场景，注意strict模式；测试中复用业务校验函数并封装断言以提升可读性与定位效率。
-
Requests请求超时必须显式设置，否则默认无限等待导致卡死；推荐用元组timeout=(connect,read)如(3,10)，并结合urllib3.Retry实现带退避的可控重试。
-
Python字典键必须是可哈希类型，即对象生命周期内哈希值不变且实现__hash__()和__eq__()方法；常见可哈希类型包括int、str、tuple（元素全可哈希）、frozenset、None及合规自定义类；list、dict、set等不可变性或未实现哈希协议的类型不可用作键。
-
Python安全编码核心在于理解漏洞成因与防御逻辑，需重点防范注入（参数化查询、禁用eval/shell=True）、敏感信息泄露（环境变量管理、日志过滤）、反序列化风险（禁用pickle/yaml.load、用safe_load/json）、权限失控（服务端鉴权、路径规范化、最小权限API设计）。
-
structlog本身不支持对已获取的logger实例调用.configure()进行局部配置，但可通过structlog.wrap_logger()手动封装不同处理器链，实现多日志器差异化输出。structlog本身不支持对已获取的logger实例调用`.configure()`进行局部配置，但可通过`structlog.wrap_logger()`手动封装不同处理器链，实现多日志器差异化输出。在structlog中，st
-
requests.get()返回乱码主因是响应编码被错误猜测，应优先用charset_normalizer.from_bytes(r.content).best().encoding检测字节流并设置r.encoding，再取r.text；BeautifulSoup解析乱码时应传r.content+from_encoding而非r.text。
-
将Python脚本打包为双击运行的.exe文件，首选PyInstaller：安装后执行pyinstaller--onefile--windowed--icon=app.ico--name=计算器main.py，注意处理相对路径、手动添加数据文件及杀毒软件误报等问题。
-
Django默认save()无并发控制，易导致后提交者覆盖前修改；需用乐观锁（版本号字段+条件更新）或谨慎使用select_for_update()悲观锁，并配合前端传回版本号校验。
