-
不可行，因os.stat仅单次读取元数据且无事件通知能力，轮询会导致CPU空转、漏事件和精度差；推荐watchdog因其跨平台适配inotify/kqueue等、自动处理边界问题，但需注意递归监听限制、初始事件误报及内核watchdescriptor数量约束。
-
Python大小写转换函数行为各异：upper()全转大写（如"ß"→"SS"），lower()全转小写（locale敏感），capitalize()仅首字母大写且其余全小写，title()按Unicode单词边界处理易出错（如"don't"→"Don'T"）。
-
NumPy花式索引需遵循广播规则，取不规则行列交叉点应使用np.ix_()；布尔索引会自动展平结果，要保留结构需配合np.where()；take()比高级索引更安全可控。
-
Embedding层不能直接接原始类别ID，因其要求输入为从0开始的连续非负整数索引；若用pandascategory.codes需检查并处理-1（未见类别），推荐用StringLookup或IntegerLookup构建确定性映射表。
-
self是当前实例的引用，用于访问实例属性和方法；Python自动将实例作为第一个参数传入，self并非关键字而是约定名称，通过它可操作对象状态，确保方法能正确作用于具体实例。
-
validation_curve能识别过拟合，因其绘制训练集与验证集得分随超参数变化的曲线：过拟合时训练得分持续上升而验证得分先升后降，二者差距扩大，拐点即过拟合起点。
-
__setattr__不能可靠捕获所有属性赋值，仅对点号赋值和setattr()生效；需用self.__dict__[key]=value避免递归，并在__init__中标记初始化状态以区分首次赋值与后续修改。
-
直接操作df.columns的pop()/insert()会失败，因columns是不可变Index；正确做法是转为列表修改后用df[新列名列表]重排，或用reindex(columns=...)容忍缺失列。
-
Python基础核心是变量、条件和循环：变量是对象的标签，动态类型；条件用缩进和if/elif/else实现，支持链式比较与布尔自动转换。
-
该用pd.concat()时是单纯堆叠或并排拼接表而不需语义关联；它按axis=0纵向叠加行、axis=1横向对齐索引拼列，不支持on参数，也不校验逻辑一致性。
-
企业模型调优是围绕业务目标、数据质量、部署约束和迭代机制的工程化闭环，核心是保障模型在真实场景中持续稳定发挥价值。需明确业务导向的调优目标与线上评估口径，分层诊断数据、特征、模型问题，按阶段选择适配手段，并建立含分布监控、影子模式、模型卡片的可持续机制。
-
Python中通过类名后加父类实现继承，子类可重写或扩展父类方法，支持多层与多重继承，提升代码复用、可维护性与扩展性，并实现多态。
-
导出ONNX时推理结果对不上，大概率是dynamic_axes未正确设置；需为输入输出中动态维度（如batch、seq_len、num_boxes）在input_names/output_names一致的键下明确声明，否则ONNXRuntime会按固定shape处理导致不匹配或数值偏差。
-
os.path.abspath(__file__)最可靠，因其不依赖当前工作目录且自动解析符号链接；而sys.argv[0]在import、-m运行或os.chdir()后易失效；推荐Python3.4+用pathlib.Path(__file__).resolve()。
-
Django是一个基于Python的全栈Web框架，采用MTV模式，提供自带后台、ORM和安全机制，适合快速开发内容型网站。通过创建项目与应用、定义模型、配置URL、编写视图和模板，可构建完整Web应用，推荐结合官方文档动手实践以掌握核心流程。
