-
应使用math.isclose(a,b)替代==断言浮点数，显式指定abs_tol或rel_tol；随机函数需支持seed/rng参数并传入固定值；输入兼容性用np.asarray统一处理；Decimal仅适用于金融等十进制精确场景，非万能解。
-
iloc只认纯整数位置，不接受标签、字符串、浮点数或非法布尔序列，越界或类型错误会直接抛TypeError/ValueError/IndexError。
-
ModelFormis_valid()返回False但errors为空，通常因表单未绑定数据；需检查是否传入request.POST、enctype、non_field_errors、字段是否在fields中、模型与数据库约束是否一致。
-
使用glob、os.walk和pathlib可批量处理文件。1.glob通过通配符快速匹配如*.txt文件；2.os.walk遍历目录并用endswith筛选；3.pathlib提供面向对象的现代路径操作；按场景选择方法，结合异常处理，高效实现文件批量操作。
-
<p>Pandas循环慢是因为逐行触发Python解释器开销、类型检查和索引查找，绕开了底层NumPy的C优化；应优先使用df['col']=df['other_col']*2等向量化操作，性能可提升数十倍以上。</p>
-
json.dump()写入中文需设ensure_ascii=False，否则中文被转义为\uXXXX；文件打开必须用encoding="utf-8"，indent和sort_keys仅影响可读性。
-
PyCharm+Conda+VSCode组合最实用灵活，适合大多数开发者；新手推荐VSCode起步，三步10分钟快速搭建环境；Conda因跨语言包管理、预编译支持和多版本隔离优于纯venv。
-
<p>用[0]*n创建全零列表快且简洁，但仅适用于不可变元素；若元素是可变对象（如[]或{}），会因共享引用导致修改联动，正确做法是用[[]for_inrange(n)]等推导式确保独立对象。</p>
-
使用gcloud直接部署FirestoreGen2触发函数会导致签名不匹配错误（如“takes1positionalargumentbut2weregiven”），根本原因在于gcloud缺少Firebase运行时所需的事件上下文注入机制；必须改用FirebaseCLI部署，才能确保函数接收符合预期的Event[DocumentSnapshot]单参数签名。
-
Dask能缓解千万级CSV内存压力但非开箱即用；dd.read_csv()支持惰性分块加载，需全程延迟执行并谨慎compute()，否则更慢更耗内存。
-
NumPy广播按从右向左逐轴比对形状，每轴需相等或为1，否则报错；补前导1后兼容即生成新形状，但不复制数据，逻辑展开可能引发内存爆炸。
-
立刻知道死信队列消息堆积需主动监控其实时长度，如RabbitMQ须调用管理API获取messages值，结合连续3次30秒间隔均超5条的趋势判断，避免瞬时误报。
-
SelectKBest按统计得分降序选特征，不保留原始列顺序；需用get_support()映射回原始列名，且须注意评分函数适配任务类型、避免数据泄漏及合理调参K值。
-
PydanticBaseModel提供自动类型转换、多级校验与错误聚合：str用min_length=1拦截空白符，int自动转类型并报错，嵌套结构逐层校验；Query/Path/Body需分入口校验；业务规则用@field_validator或@model_validator统一处理，避免路由中手动try/except。
-
float.is_integer()不做精度控制，仅当浮点数二进制表示恰好为整数时返回True；对0.1+0.2等浮点误差完全不敏感，判断“近似整数”需自行添加容差逻辑。
