Loguru 默认输出无时间戳和颜色，需显式配置：先 remove() 清默认 handler，再 add() 自定义 format 和 colorize=True；记录 DataFrame 应避免直接传入，改用 shape/columns 提取或 head().to_string()；文件日志需指定 utf-8 编码、正确轮转单位；多进程需各子进程重建 handler 或用 queue 模式；handler 是全局状态，每次运行前应先 remove()。
Loguru 的 logger 默认输出不带时间戳和级别颜色？
默认情况下，logger 确实只输出纯文本消息，没有时间、级别标识或颜色——这在数据分析中容易导致日志难以追溯上下文。必须显式配置才能获得可读性强的输出。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 调用
logger.remove()清掉默认 handler，再用logger.add()自定义； - 加上
format参数，比如"{time:YYYY-MM-DD HH:mm:ss} | {level} | {message}"； - 加
colorize=True让级别自动着色（INFO蓝、WARNING黄、ERROR红）； - 避免在 Jupyter 中反复
add()导致日志重复输出——每次运行前先remove()。
如何让 Loguru 记录 pandas DataFrame 的形状和列名而不卡住？
直接把 df 传给 logger.info(df) 会触发完整 repr 输出，大表可能阻塞或刷屏。这不是 bug，是设计使然：Loguru 默认深度序列化对象。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
logger.info("data shape: {}, columns: {}", df.shape, list(df.columns))显式提取关键信息； - 若需快速检查样本，改用
logger.debug("sample:\n{}", df.head(3).to_string())，并确保to_string()限制行数和列宽； - 避免在
logger.trace()外使用repr(df)或df.info()——它们可能触发计算或 I/O； - 注意
logger的 level 设置：默认不输出debug和trace，需提前logger.level("DEBUG")或启动时设level="DEBUG"。
Loguru 写入文件时中文乱码或日志轮转失效？
常见于 Windows 环境或未指定编码，以及轮转条件写错单位（比如写成 "10 MB" 而非 "10MB"，空格会导致解析失败）。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 写文件必须显式指定
encoding="utf-8"，尤其在 Windows 上； - 轮转大小写成
"10MB"（无空格）、时间写成"1 day"或"00:00"； - 用
rotation="500 MB"+retention="7 days"组合控制体积和留存，别只设 retention； - 路径含中文没问题，但确保父目录存在，Loguru 不自动创建多级目录——得先
os.makedirs(os.path.dirname(log_path), exist_ok=True)。
在 multiprocessing 场景下 Loguru 日志错乱或丢失？
Loguru 默认不是进程安全的。子进程继承 logger 配置但不共享 handler，若没重置，会出现日志不落盘、时间错乱、甚至 OSError。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 每个子进程启动时调用
logger.remove()+logger.add(...)重建 handler（推荐）； - 避免在主进程 add 文件 handler 后，子进程直接复用——它们会竞争写同一个文件；
- 如需集中写入，改用
queue模式：主进程开QueueHandler，子进程通过queue发日志，由主进程统一落盘； - 调试时临时启用
logger.add(sys.stderr, backtrace=True, diagnose=True)，能暴露跨进程异常堆栈。
add() 就叠了两份输出。动手前先 logger.remove() 几乎成了条件反射。 
