-
dir函数用于查看对象的属性和方法，调用dir()可列出当前作用域名称，dir(对象)则返回该对象的属性与方法列表，如dir(list)查看列表方法、dir("hello")查看字符串方法；常用于快速浏览模块内容，如importos;dir(os)，结合help()深入了解方法，适合交互式环境使用，返回值为字符串列表，双下划线开头结尾为特殊方法，日常关注普通名称即可，多练习可快速掌握。
-
直接用heapq不能当优先级队列用，因其仅提供堆操作原语，不支持更新优先级、按值删除或最大堆；常见错误是直接插入(priority,item)元组而item不可比较，导致TypeError。
-
Python深度学习GPU加速核心是确保模型、数据、计算三者统一在CUDA设备上；需先验证GPU可用性，再手动迁移张量，配合混合精度、合理batchsize及避免隐式CPU切换以提升效率。
-
本文详解Locust测试中无法读取.env文件变量的根本原因，并提供基于Makefile和shell的可靠解决方案，确保os.environ.get()能正确获取环境变量值。
-
Django读写分离需自定义DatabaseRouter类并注册到DATABASE_ROUTERS，db_for_read须判断事务避免不一致，db_for_write必须返回主库；select_related跨库JOIN会失效，应改用prefetch_related或统一模型库；ConnectionDoesNotExist需检查路由返回值与DATABASES键名是否精确匹配；强一致性读应主动using='default'而非依赖重试。
-
本文详解如何使用Tkinter的Notebook组件为每个Tab动态创建Text小部件及配套垂直滚动条，避免变量未定义错误，并修正pack布局中的非法sticky参数问题。
-
torch.cuda.Event比time.time()更准，因其直接捕获GPUkernel启停时刻，避免CPU-GPU异步导致的±10ms误差，精度达±0.02ms；需配对record、同步、预热并确保同stream。
-
sklearn1.2需调用sklearn.set_config(transform_output="pandas")在创建transformer前启用，仅对新建实例生效；支持类需实现_get_feature_names_out（如StandardScaler、OneHotEncoder），输入须为带列名的DataFrame，ColumnTransformer和Pipeline可自动拼接输出。
-
Ridge比LinearRegression更稳，因其损失函数含L2正则项，强制系数收缩至0，缓解共线性导致的参数震荡；需标准化特征、正确切分数据后缩放，RidgeCV选alpha时须手动预处理X，且通常不标准化y。
