-
vars()本质是obj.__dict__的安全封装，仅对拥有__dict__的对象有效；无__dict__时（如__slots__类、内置类型）会抛TypeError，此时应改用hasattr检查或dir()+getattr组合获取属性。
-
填缺失值本质是业务判断而非技术操作：需结合字段含义选择策略，如分类变量用"Unknown"、时间序列慎用ffill、数值型需警惕均值/中位数假设，优先探索缺失模式再决策。
-
Python网页爬虫与数据清洗需分“获取”和“处理”两阶段：爬虫用requests+BeautifulSoup，注意headers、异常捕获和请求频率；提取优先用find/select而非正则；清洗按空值→格式→逻辑三级过滤；落地推荐SQL存储与函数封装。
-
Python部署本质是环境隔离、进程托管与网络暴露三层协同。需用venv/poetry隔离依赖，systemd/supervisord守护进程，nginx反向代理并配置HTTPS，禁用pythonapp.py直接运行。
-
Python中通过args和kwargs实现可变参数，args将位置参数打包为元组，kwargs将关键字参数打包为字典，二者结合可提升函数灵活性。示例：defexample(a,b,args,*kwargs):...可同时接收固定和任意数量的参数，适用于复杂输入场景。
-
np.sum()结果与预期不相等是因浮点数二进制表示固有误差，累积导致微小偏差；应使用np.allclose()等容差比较而非==，关键场景可改用Decimal或Kahan求和。
-
Flask应用启动时报sqlite3.OperationalError:nosuchtable，根本原因是SQLite数据库文件未初始化（即schema.sql未执行），导致posts表缺失；必须先运行初始化脚本创建表并插入示例数据，再启动Flask服务。
-
RotatingFileHandler通过maxBytes和backupCount按字节大小轮转日志：maxBytes设单文件最大字节数（如1MB），backupCount设保留备份数（如3个），写满后重命名并滚动删除最老备份；注意非实时触发、非进程安全、需确保目录权限及编码显式指定。
-
Dash上线子路径需设requests_pathname_prefix='/bi/'，Nginx配置proxy_pass末尾斜杠不可少；图表更新须返回新figure对象而非修改原data；多输入触发应查callback_context.triggered；用户数据须存dcc.Store，禁用全局变量。
-
Epoch时间变长主因是gc.collect()拖累训练，它强制CPU停顿、打断GPU流水线，导致GPU空转；TensorFlow2.x中eager模式下频繁调用会引发三重开销，应改数据流和对象生命周期而非依赖GC。
-
PyTupleObject比PyListObject更轻，因其无allocated字段、对象头更小、采用柔性数组紧凑布局，且0–20长度元组被全局缓存复用。
-
Python3.7+中dict已保证插入顺序，按键排序应直接用{k:d[k]forkinsorted(d)}，无需OrderedDict；仅当需move_to_end()、popitem(last=False)或严格顺序相等性时才用OrderedDict。
-
答案：Python迭代器通过__iter__()和__next__()方法实现逐个访问元素，避免一次性加载全部数据。自定义迭代器需实现这两个方法，如Fibonacci类生成斐波那契数列；也可用iter()函数从列表等可迭代对象创建迭代器；生成器函数使用yield关键字简化迭代器编写，自动处理StopIteration；文件对象本身是迭代器，适合逐行读取大文件，节省内存。
-
pivot_table报错因索引组合不唯一，需检查重复、指定aggfunc、用drop_duplicates或调整fill_value/dropna参数，多指标需字典配aggfunc，性能优化可设sort=False等。
-
memory_profiler仅统计每行新分配内存，不追踪对象生命周期或引用链，适合定位单次执行的内存尖峰，而非长周期泄漏；真正卡住内存的是强引用未释放，需用gc.get_referrers()或objgraph分析。
