-
CI中pytest找不到测试文件或报错，主因是工作目录与Python路径不一致、缺少__init__.py、环境变量缺失、临时文件并发冲突及coverage路径配置错误。
-
本文详解如何在将CSV数据加载至数据库前，准确校验列名是否存在且数据类型符合预期，重点解决df.dtypes与Python内置类型（如str、int）直接比较失败的问题，并提供健壮的类型验证方案与生产级实践建议。
-
能，但仅适用于轻量、单次、低精度场景；因其为协程挂起而非系统级定时器，受事件循环负载影响大，需用loop.time()对齐时间、补偿执行耗时，并避免多任务互相干扰。
-
PythonREPL是自带交互式解释器，支持快速测试、调试与探索；推荐用python3-i或IPython（含语法高亮、补全）；Tab补全、help()查文档、_获取上值、%run执行脚本、%history查历史等提升效率。
-
eval()和exec()危险在于将控制权交予不可信输入，而非语法错误；应禁用它们，改用json.loads()、ast.literal_eval()或importlib动态导入。
-
图像增强关键是用可控语义不变变换提升模型鲁棒性，包括几何变换（翻转、旋转、裁剪）、色彩光照扰动（HSV调整、阴影/雨滴模拟）及噪声模糊（高斯噪、运动模糊），需分阶段引入、同步标注、在线实时增强。
-
version_id未起作用的根本原因是未正确启用或未纳入事务边界：需在模型中显式声明version_id=True的整型列、禁用default/server_default、确保UPDATE走ORM方法而非原生SQL，且MySQL不支持RETURNING导致StaleDataError延迟抛出。
-
FATE不支持纯本地单机隐私训练，必须模拟多方环境：即使guest与host同机部署，仍需启动fate_flow、配置角色ID与端口、分别上传数据，并通过gRPC执行加密梯度聚合。
-
TaskGroup.create_task()与create_task()的本质区别在于生命周期管理主体不同：前者由TaskGroup自动统一管理任务的等待、异常传播与取消，后者需手动处理；TaskGroup是Python3.11+结构化并发原语，适用于强一致性场景。
-
Python处理时间戳需区分秒级（10位）与毫秒级（13位），转换时应使用整数运算避免浮点误差，推荐毫秒转秒用//1000、秒转毫秒用int(seconds*1000)，并用工具函数自动识别标准化。
-
集合与序列遍历语法相同，均可用for循环；2.序列有序可索引，集合无序不可索引且自动去重；3.Python3.7+集合保持插入顺序但不建议依赖；4.需顺序或索引时应使用序列。
-
正则清洗需精准锚定：手机号用(?<!\d)1[3-9]\d{9}(?!\d)防误捕，日期先预处理再补零，地址用分组+断言提取省市区，缺失值需业务区分并用regex=True替换。
-
含NaN的列自动变为float64，因Pandas2.0前NaN仅浮点支持，整型需升格；2.0起可用Int64等nullable类型配合pd.NA避免升格，convert_dtypes()可自动转换但需满足条件。
-
RuntimeError是Python中表示运行时未分类错误的异常，常由修改遍历中的容器、异步误用或线程违规操作引发，需通过副本遍历、正确使用async/await及队列通信等方式避免。
-
eval()危险因动态执行不可信代码，应改用json.loads()或ast.literal_eval()；requests必须设timeout防雪崩；浮点比较须用math.isclose()；日志配置应封装函数并单次调用。
