数据结构相关#
Qlist 和 tuple 有什么区别？#
列表（list）是可变的，可执行添加、删除或修改元素等操作；元组（tuple）不可变，创建后内容不能更改。且元组能被哈希，可用作字典的键，但列表不行。
闭包相关#
Q什么是闭包？请简述其定义和形成条件。#
闭包是一种特殊的函数嵌套结构，指在外部函数内部定义的内部函数，引用了外部函数的变量（非全局变量），且外部函数返回该内部函数。
形成闭包需满足三个条件：
- 存在函数嵌套（内部函数定义在外部函数中）；
- 内部函数引用了外部函数的变量；
- 外部函数返回内部函数的引用。
示例：
Q闭包为什么能保留外部函数的变量？#
正常情况下，函数执行结束后，其内部变量会被销毁。但闭包中，内部函数引用了外部函数的变量，形成了 “变量捕获”，使得这些变量不会随外部函数的结束而销毁，而是被内部函数 “保留” 在内存中，直到内部函数被销毁。
这种机制依赖 Python 的作用域链：内部函数在查找变量时，会先在自身作用域查找，若未找到则向上级（外部函数）作用域查找，闭包通过这种链式查找保留了对外部变量的引用。
Q闭包中如何修改外部函数的变量？nonlocal关键字的作用是什么？#
在闭包中，内部函数默认只能读取外部函数的变量，若直接修改会被 Python 判定为 “定义局部变量”，导致报错。需使用nonlocal关键字声明变量，明确其来自外部函数的作用域，允许内部函数修改。
示例（错误与正确对比）：
Q闭包与普通嵌套函数的区别是什么？#
嵌套函数：#
仅指在一个函数内部定义另一个函数，不要求内部函数引用外部变量，也不要求外部函数返回内部函数。例如：
闭包：#
是特殊的嵌套函数，必须满足 “内部函数引用外部变量 + 外部函数返回内部函数”，且内部函数可在外部函数执行完毕后继续访问外部变量。
Q闭包有哪些实际应用场景？请举例说明。#
闭包的核心价值是 “保留状态” 和 “封装数据”，常见应用场景包括：
装饰器（Decorator）：#
装饰器本质是闭包，用于在不修改原函数代码的前提下，添加额外功能（如日志、计时）。
数据封装与隐藏：#
模拟类的私有变量，通过闭包隐藏内部状态，只暴露操作接口。
函数工厂：#
动态生成具有不同参数的函数，避免重复代码。
Q闭包可能导致什么问题？如何避免？#
问题：#
闭包会保留外部函数的变量，若变量是大型对象或未及时释放，可能导致内存泄漏（变量长期占用内存不释放）。
避免方式：#
- 不再使用闭包时，手动将其引用设为None（触发垃圾回收）；
- 避免在闭包中引用过大的对象；
- 若需频繁创建闭包，考虑用类替代（类的__del__方法可主动释放资源）。
函数相关#
Q什么是 Python decorators？#
装饰器是用于修改函数或类行为的特殊函数。其接收一个函数或类作为输入，并返回新函数或类，常被用于添加日志记录、性能测量等额外功能，用 @ 语法应用于函数或类前。
Qlambda 函数是什么？#
是一种单个表达式的匿名函数，用 lambda 关键字定义，常作为内联函数或用于简单逻辑。例如 add = lambda x, y: x + y 可实现两数相加功能。
Qargs，**kwargs 参数是什么？#
*args 用于向函数传入不确定数量的非关键字参数，接收为元组；**kwargs 用于传入不确定数量的关键字参数，接收为字典。
QPython中如何完成函数的异步调用？#
Python中异步是“单线程非阻塞”的编程模型，核心解决IO密集型任务的阻塞效率问题，核心依赖“事件循环+协程”实现，底层依托生成器的暂停/恢复机制和操作系统的非阻塞IO/IO多路复用（select/epoll等）。
执行逻辑：#
用async/await定义可暂停的协程（异步任务），注册到事件循环；#
事件循环作为总调度，执行协程时，若遇await等待操作，协程暂停并交还执行权，事件循环调度其他可执行协程；#
当等待的IO任务完成，操作系统通知事件循环，协程被标记为可恢复，后续由事件循环调度继续执行；#
直至所有协程执行完毕，事件循环终止。#
特点：#
无线程/进程创建、切换的开销，最大化利用单线程资源；仅适用于IO密集型任务，CPU密集型任务更适合多进程（突破GIL限制）。
内存管理与垃圾回收#
QPython 如何进行内存管理？#
Python 内存由私有堆空间管控，所有对象与数据结构置于此，程序员不能直接访问，内存管理器负责堆空间内存分配。其有内置垃圾收集器，借助对象引用计数等机制，回收未用内存释放给堆空间。
Q什么是垃圾回收？#
Python 为解决内存泄漏，采取对象引用计数，并基于此实现自动垃圾回收。当对象引用计数降为 0 ，内存会被回收。此外，其还处理循环引用等复杂状况。
其他重要问题#
Q解释 Python 中的 GIL（全局解释器锁）？#
GIL 是 Python 解释器的一种机制，其保证任意时刻仅一个线程能执行 Python 字节码。它让 Python 多线程处理 I/O 密集型任务效率尚可，但执行 CPU 密集型任务时，多核心CPU只能发挥和单核CPU一样的性能。
绕过GIL的方式：使用多个进程，每个进程有自己的Python解释器和GIL，然后多进程并行。除此之外还可以使用Cpython或者C扩展，可以释放GIL锁，以及Numpy和SciPy等库也可以不受GIL限制。
注意：Python3.14的发布标志着GIL从强制变成了可选项。
Q如何在 Python 中进行文件删除操作？#
可借助 os 模块的 remove 或 unlink 函数，像 os.remove('filename.txt') 就能删除名为 filename.txt 的文件。
Q什么是Python中的迭代器？#
Python 里的迭代器就是能逐个取元素的对象，得实现__iter__和__next__两个方法，特点是懒加载 —— 用的时候才生成元素特省内存，而且只能往前取、取完就不能复用了。列表、字符串这些可迭代对象，调 iter () 就能转成迭代器，for 循环遍历其实就是自动调 next () 取元素，取完抛的异常会被自动捕获。迭代器主要就是用来处理大数据集，避免一次性加载占满内存的。
Q什么是 Python 中的生成器？#
生成器是实现迭代器的简便方式，为含 yield 表达式的普通函数。其逐个生成值，可暂停和恢复执行，节省内存，适用于处理大序列数据场景。
这里需要注意的是推导式的三个基本的[]列表,{}字典/集合，()生成器表达式，列表和字典推导式不涉及生成器/迭代器，因为这俩都是直接生成完整内容并加载到内存是完整容器，生成器是特殊的迭代器，不会一次性加载所有元素。
Q多进程之间的通信？#
管道（Pipe）#
适用于两个进程之间的双向/单向通信（通常是父子进程或者是兄弟进程）。
特点：基于内存实现，简单高效，无需额外中间介质，但不支持多个进程同时读写（容易发生冲突）
队列（Queue）#
基于“管道 + 锁（多进程内置的互斥锁）”实现，支持多个进程之间的安全通信，是最常用的方法之一。
特点：自带进程安全保护，适合实现“生产者-消费者”模型，使用简单，无需手动处理锁冲突。
共享内存（Value/Array）#
让多个进程共享同一块内存区域，直接读写内存数据，速度最快。
特点：高效适合大量数据传输，但无内置锁保护，需要手动加锁（如Lock）避免并发读写冲突。
管理器（Manager）#
基于“服务进程 + 客户端代理”实现，自带进程安全锁，底层依托本地网络套接字通信。支持共享复杂数据结构（字典，列表等），可以跨多个进程甚至跨机使用。
特点：功能强大，使用灵活，但基于网络通信，效率比共享内存低，适合需要共享复杂数据的场景。
补充：信号/事件（同步辅助）#
不传输实际数据，主要用于进程间同步（通知对方如状态变化，如“数据已准备好”）
特点：常配合其他通信方法使用，协调进程执行顺序，而非传递业务数据。
Q多个线程之间的通信？#
一般常用的有：直接共享全局变量/对象，实现简单但是没有内置线程安全保护，并发易发生错误，得手动加锁。队列方法和多进程队列类似，内置线程互斥锁，无需手动加锁，最常用。同步原语（Event/Condition）用于协调线程通信，不直接传递业务数据。线程之间通信的核心优势是共享进程内存，比进程通信简单高效。