-
字典翻转时原value重复会导致数据丢失，因新key必须唯一；应先检查value唯一性或用defaultdict(list)处理重复，单层无重复场景推荐{v:kfork,vind.items()}。
-
requests.Session能自动携带Cookie是因为它内部维护CookieJar，自动解析Set-Cookie并在后续请求中按域名、路径等规则注入Cookie头；必须用同一实例完成登录与后续请求，且登录接口须正确返回有效Set-Cookie。
-
Python循环引用需用weakref打破、避免__del__、慎用gc.collect()，典型场景如父子节点、观察者模式、闭包隐式引用，调试宜用objgraph而非DEBUG_SAVEALL。
-
模型并行是将单个模型拆分到多卡，各卡负责不同层；而DataParallel和DDP是数据并行，需模型完整副本在每卡。仅当单卡显存不足时才用模型并行，否则优先选DDP。
-
np.genfromtxt读带表头CSV时第一行出错，因默认不跳过表头且尝试将字符串转float报错；需用skip_header=1跳过表头，配合missing_values、filling_values处理缺失值，并注意编码与dtype设置。
-
GeneratorExit不能用try-except捕获，它继承自BaseException而非Exception；资源清理必须放在finally块中，且finally内不可yield。
-
reset_index()默认不删除原索引列，而是将其转为普通列；需加drop=True才真正丢弃，inplace=True可直接修改原对象，否则须赋值接收返回值。
-
TfidfVectorizer更适合大多数文本分类任务，因其通过TF-IDF加权自动抑制高频无意义词、增强判别性词汇权重，通常比CountVectorizer提升1–5个百分点准确率，尤其在短文本或类别边界模糊时效果更显著。
-
max(d,key=d.get)可直接获取字典中值最大的键，适用于非空字典且值可比较；空字典会抛ValueError，多最大值时仅返首个，类型混杂需在key中兜底处理。
-
唯一稳妥路径是用conda创建Python3.9环境：condacreate-ntf29python=3.9，再condainstall-cconda-forgetensorflow=2.9.0；因TensorFlow2.9官方不支持Python3.10+，其二进制包依赖libpython3.9.so，ABI不兼容导致pip强装必失败。
-
Lock是非可重入互斥锁，同一线程重复acquire会死锁；RLock是可重入锁，支持同一线程多次acquire和对应次数的release，适用于递归或嵌套调用场景。
-
random.choice不能直接用于NumPy数组抽样，会因不可迭代或行为不可控报错；应使用numpy.random.Generator.choice，支持ndarray输入、replace=False及axis控制。
-
pipfreeze>requirements.txt在新机器上装不完，因它导出所有包（含间接依赖、开发依赖、本地包），不区分来源与版本约束强度，且跨平台编译产物、系统库依赖易导致安装失败。
-
答案是Python的re模块通过结合正则表达式和映射字典实现数字与英文单词的相互转换，具体使用re.sub()配合回调函数完成替换操作。
-
Python写入文件时换行符不显示，因Windows记事本仅识别\r\n，而文本模式默认将\n转为系统原生换行符；二进制模式或newline=''可禁用自动转换，手动写\r\n确保记事本正常换行。
