-
Python3.7+中dict.fromkeys()能保序去重，是因为字典本身保持插入顺序，且按iterable遍历顺序插入key（value为None），重复key自动跳过；需显式转list使用，仅适用于可哈希元素。
-
可用@pytest.mark.xxx直接装饰测试函数或类，如@pytest.mark.slow；标签无需预声明但需拼写准确；-m后加引号表达式精准筛选，如-m"slowandnetwork"；未注册标签会警告但可运行，推荐在pyproject.toml中注册以获提示和校验；多标签可叠加使用。
-
应使用inspect.getfile()获取类或模块的真实文件路径，它比module更可靠，且比inspect.getsourcefile()兼容性更好，能处理.pyc、冻结模块等场景，而直接读sys.modules[__module__].__file__容错性差。
-
Python列表底层是动态数组而非链表，支持O(1)索引访问和len()查询，但头插/头删为O(n)；append平均O(1)，insert(0,x)始终O(n)，大列表头插性能极差，应改用deque。
-
<p>TaskGroup会自动取消其余任务，gather默认不会；TaskGroup用asyncwith管理生命周期，抛出ExceptionGroup并需except*捕获，而gather无语法约束、异常不聚合、需手动处理返回值。</p>
-
Pythonjson模块仅支持None、bool、int、float、str、list、tuple、dict（键为str）的原生序列化；set、datetime、bytes、自定义类等会报TypeError；可通过default参数、继承JSONEncoder或预处理数据结构来安全扩展。
-
Loguru让Python日志更简单，无需复杂配置即可使用。导入logger后可直接输出调试、信息、警告、错误日志，默认控制台显示info及以上级别。通过logger.add()可将日志写入文件，支持按天轮转、保留策略和级别过滤。支持自定义格式，包含时间、级别、文件、行号等信息，并能用logger.exception()捕获异常堆栈。可移除默认handler并重新配置输出目标，适合全局使用，各模块共享同一logger实例，简化项目日志管理。
-
文本清洗需分层过滤、可复用逻辑与内存友好设计。一、轻量预筛：去HTML、URL、非法字节及超长词；二、中文专治：统一标点、压缩空白、清除水印、慎去重字；三、批量平衡：分块处理、编译正则、内置方法提速；四、可验证回溯：统计变化、抽样核验、日志留痕。
-
Python3.11更适配2026年生产环境，因其在性能（import/异常/协程优化）、稳定性（已进入稳定维护期、主流平台预编译支持）、生态兼容性（主流AI框架及PyTorch2.4+/TensorFlow2.11+均支持）与运维成熟度间达到最佳平衡。
-
groupby().head()返回空或结果错误，因它按原始行序取每组前N行而非按指标排序；需先sort_values再groupby().head()，或改用apply(nlargest)并注意NaN、索引、并列处理。
-
Python依赖管理首选conda、venv或Poetry：conda适合含R/CUDA的科学计算，venv适用于纯Python轻量场景，Poetry统一开发、构建与发布。三者均需将配置文件纳入版本控制。
-
groupby().mean()最直接但需注意分组键含NaN时默认被丢弃，应设dropna=False；非数值列被静默跳过，需检查数据类型与清洗；避免apply(lambdax:x.mean())低效写法，优先用原生聚合。
-
当用户/物品数超10⁴时，直接两两算cosine/pearson相似度时间复杂度O(N²×M)、内存爆炸（如5万×5万矩阵需~10GB），且无法跳过稀疏数据中90%+的零值；TruncatedSVD通过将稀疏user_item_matrix投影到低维潜在空间（如k=50）压缩维度、保留共现结构，显著降耗。
-
需通过外部监控系统（如Prometheus）实时计算错误预算，核心是用rate()基于7天滚动窗口统计5xx错误率并与SLO阈值比对，所有计数必须立即上报、避免依赖进程内状态，且错误定义应基于用户感知失败而非仅HTTP状态码。
-
本文介绍一种安全、可靠且无需编程基础的方法，通过轻量级WordPress插件自动扫描wp-content/uploads目录，生成包含完整文件路径（或URL）的CSV/TEXT文件，便于后续导入Excel进行商品批量上架。全程基于WordPress原生函数，不依赖外部脚本或手动FTP操作。
