-
根本原因是OpenCV依赖的底层库（如libglib、libgtk、ffmpeg）在不同系统预编译不一致，导致pip常需源码编译而卡顿或报错；实操应优先用官方预编译包、换国内镜像源、避免混用conda/pip，并注意numpy版本兼容性。
-
本文介绍在Polars中通过纯表达式链（无需中间变量或walrus操作符）为满足条件的行（如event==1）分配连续整数ID的高效方法，利用pl.when().then()与pl.int_range().over()组合实现原子化、可链式调用的列构造。
-
python-docx不能直接替换模板变量，需手动遍历run按格式拆分替换{key}占位符，避免用{{key}}；替换时须保留原run字体样式，中文需显式设置中文字体如"SimSun"。
-
答案：Python中常用random.shuffle()实现洗牌，基于Fisher-Yates算法，直接修改列表顺序；也可手动实现该算法或复制列表后洗牌以保留原数据。
-
datetime面向人类时间，支持时区、格式化和运算；time面向系统时间，返回自1970年起的秒数，精度高但无语义。业务逻辑优先用datetime，性能敏感场景用time。
-
requests.get()不加stream=True会将整个响应体加载到内存，导致大文件下载时内存激增甚至OOM；必须显式设置stream=True并用iter_content(8192)或shutil.copyfileobj()安全分块读取。
-
lxml解析HTML更快更省内存，但容错性弱；BeautifulSoup（尤其配html5lib）容错强但慢且内存高，需依HTML质量选择。
-
qrcode.make()生成的图无法直接贴背景，因其默认返回模式为"1"（1-bit黑白），与RGB/RGBA背景图模式不匹配，易报错或显示黑块；须用QRCode实例+make_image()并convert("RGBA")。
-
asyncio.TaskGroup是用于结构化并发的强制性边界，防止任务泄露、确保异常不静默、统一管理子任务生命周期；必须用asyncwith进入，自动等待或取消全部子任务，不可手动实例化或外泄引用。
-
jsonpath-ng更可靠，因其将路径作为查询表达式处理，支持通配符、过滤器和递归下降，查不到返回空列表而非抛错，天然适配结构不确定场景。
-
用Enum定义状态更安全：避免拼写错误、支持IDE补全与类型检查；需用@unique、显式定义值；状态转移须代码校验而非依赖文档；并发更新需原子操作；复杂场景再考虑状态机库。
-
在Python条件判断中，permission!="yes"andpermission!="sure"表示“既不是yes也不是sure”，仅当用户输入两者以外的内容时才触发退出；而or版本恒为真，导致逻辑失效——这是布尔代数基本规律在实际编程中的典型体现。
-
configparser读取ini文件报“Filenotfound”主因是路径错误或工作目录不符；read()不抛异常而返回空列表，需用os.path.exists()验证并推荐绝对路径；section名禁用空格等特殊字符；值默认为字符串，应使用getint()等方法转换；跨平台路径统一用正斜杠，避免隐式依赖。
-
Python代码提速关键不在盲目重写，而在于找准瓶颈、用对方法。多数情况下，性能问题出在算法选择、数据结构误用或I/O等待上，而非Python本身“慢”。定位瓶颈：先测再改不测量就优化，等于蒙眼调参。用cProfile看函数耗时分布，用line_profiler查具体哪一行拖后腿：python-mcProfile-scumulativeyour_script.py——按累计时间排序，快速锁定高耗时模块给可疑函数加@profile装饰器，运行kernprof-l-vscript.py，精
-
Python的logging比print更安全，因其分离输出内容与目标、支持分级控制（DEBUG到CRITICAL）、多目标输出（文件/邮件/网络等）、线程安全及格式化上下文（时间、模块、行号、线程ID等），而print仅简单输出至stdout，无级别、无目标控制、非线程安全、格式不统一。
