-
Python的zipfile模块支持ZIP压缩解压，需手动遍历子目录，解压时须校验路径防遍历攻击，且仅支持传统ZipCrypto加密而不支持AES。
-
shift正数下移、负数上移，方向易错；groupby后需组内独立移位；差分优先用diff()；NaN处理需谨慎，避免误填；多列差分用df.diff(axis=1)。
-
自定义类实例默认不可哈希且基于身份比较，需同时重写__eq__和__hash__并保持逻辑一致，确保相等对象哈希值相同、属性不可变，才能正确用于集合和字典。
-
torch.export不能直接导出ONNX，需先用torch.export得到ExportedProgram，再通过torch.onnx.dynamo_export或第三方工具转为ONNX；要求模型可追踪、无副作用、输入仅为Tensor/tuple/dict、动态尺寸需显式声明。
-
gzip中间件默认不压缩application/json响应，需手动在compressible_types中添加；静态文件需预压缩或反向代理处理；必须设置Vary:Accept-Encoding防止缓存错误。
-
本文详解如何避免PySpark中对多个嵌套数组列逐列explode导致的笛卡尔式数据膨胀与性能崩溃，推荐使用arrays_zip+explode实现安全、高效、语义准确的“对齐展开”。
-
RandomForestClassifier调参关键：n_estimators依数据规模选50–500；max_depth建议6–10防过拟合；min_samples_split≥5；类别不均衡必设class_weight='balanced'；oob_score=True可省验证集；predict_proba输出概率向量，用于阈值决策与软投票；feature_importances_具随机性，需多次重训取中位数评估；VotingClassifier软投票要求所有基模型支持predict_proba。
-
Python日志分析接入ELK+Grafana的核心是理清数据流向：Python采集清洗→Logstash转换→ES存储→Kibana/Grafana展示；需用loguru等结构化日志、Logstash精简过滤、ES索引按时间切片与冷热分离、Grafana用Lucene语法聚合告警。
-
exec函数用于动态执行Python代码，可运行字符串或编译后的codeobject，通过globals和locals参数控制作用域以避免污染全局环境；例如exec("a=10\nb=20\nprint(a+b)")输出30，并创建变量a、b；配合compile使用可提升重复执行效率，但需警惕安全风险，禁止对不可信输入使用。
-
launch.json必须配置type为"python"（小写），并确保安装官方Python扩展、解释器路径正确、启动方式（module/file）匹配实际运行逻辑，且左下角Python解释器与配置一致。
-
Python弱引用不增加引用计数，适用于缓存、回调、观察者模式及破除循环引用等场景；如WeakValueDictionary自动清理销毁对象，weakref.ref/WeakMethod避免闭包持留，父子关系中子用弱引用父可防循环引用。
-
Flask静态资源走CDN需手动配置：启用CDN_DOMAIN后自定义cdn_for函数生成带CDN前缀的URL；必须用文件内容哈希（非查询参数）控制缓存；通过STATIC_URL_PATH统一管理子路径；开发环境模拟CDN路径结构但不连真实CDN；构建产物与manifest同步需在CI中校验。
-
requests请求超时必须显式设置，推荐用(timeout_connect,timeout_read)元组如(3,10)，避免默认不设超时导致卡死；底层urllib3连接池和aiohttp异步超时需单独配置，全局设timeout风险大。
-
本文介绍如何在Pythonfor循环中对失败操作（如股票数据下载）进行自动重试，而非跳过或中断流程；核心方案是嵌套while/for循环配合异常捕获与break/else逻辑，确保每个ticker至少成功获取一次有效数据。
-
@property用于将方法伪装成属性以保持接口一致，支持只读、可读写及带校验的访问，避免暴露底层数据结构，但不提供访问权限控制。
