1、Python与其他语言（如Java/C++）的核心区别是什么？

Python是动态类型的解释型语言，语法简洁，支持多种编程范式（面向对象、函数式、过程式）。与Java相比， Python无需编译且语法更简洁；与C++相比，Python开发效率高但运行速度较慢，且通过解释器执行而非直接编译为机器码。

2、列表和元组的核心区别是什么？

列表可变，用[]定义，适用于动态数据集合（如增删元素）；

元组不可变，用()定义，适用于固定数据（如字典键或配置项），且内存占用更小。

3、在异常处理中，else和finally块分别何时执行？举例说明其适用场景。

else在无异常时执行（如资源初始化成功后的操作）；

finally无论是否异常均执行（如释放文件锁）。

4、解释 Python 中的三元表达式

与 C++不同, 在 Python 中我们不需要使用?符号，而是使用如下语法：

 [on true] if [expression]else [on false]

如果 [expression] 为真, 则 [on true] 部分被执行。如果表示为假则 [on false] 部分被执行

5、Python的可变类型和不可变类型？

（1）不可变类型：指一旦创建，其值就不能被修改的类型。当对不可变类型的数据进行操作时，实际上是创建了一个新的对象。Python 中常见的不可变类型有：数字（Number）：包括整数（int）、浮点数（float）、复数（ complex）；

（2）可变类型：指在创建后，其值可以被修改的类型。对可变类型的数据进行操作时，是在原对象上进行修改，不会创建新的对象。 Python 中常见的可变类型有：列表、字典、集合

6、解释装饰器的作用及典型应用场景

装饰器用于在不修改原函数代码的情况下扩展功能（如日志记录、性能统计、权限校验）。通过闭包实现，接收函数作为参数并返回增强后的函数。例如缓存装饰器可优化递归性能。

7、new和init的区别是什么？

__new__是类方法，负责创建实例并返回；

__init__是实例方法，负责初始化实例属性。重写__new__常用于单例模式或不可变对象定制。

8、深拷贝与浅拷贝的区别是什么？

浅拷贝（ copy.copy）仅复制对象外层引用，若对象包含可变元素（如嵌套列表），修改拷贝对象会影响原对象。深拷贝（ copy.deepcopy）递归复制所有层级元素，完全独立于原对象。

9、什么是闭包？ Python中如何实现？

闭包是嵌套函数捕获外层作用域变量的机制。例如计数器函数可通过闭包保留计数状态，而无需全局变量。

在Python中，迭代器（Iterator）是— 个可以迭代访问序列元素的对象。迭代器对象实现了两个方法：__iter__()和__next__()。__iter__()方法返回迭代器对象本身，__next__()方法返回下— 个元素。

迭代器常用于遍历序列、集合、字典等容器类型数据。它的优点是可以惰性计算（lazy evaluation），即只有在需要时才会计算，避免了一次性加载所有数据的开销，同时也可以节省内存空间。

在Python中，使用迭代器通常有以下场景：

（1）遍历大量数据集合：当需要处理大量的数据集合时，使用迭代器可以避免— 次性加载所有数据，节省内存空间。

（2）实现自定义迭代器：当需要遍历自定义数据结构时，可以通过实现迭代器对象的__iter__()和__next__()方法实现自定义迭代器；

（3）实现惰性计算：当需要进行惰性计算时，可以使用迭代器来实现，例如通过filter()、map()等高阶函数返回一个迭代器对象来进行惰性计算。

下面是— 个使用迭代器遍历列表的例子：

my_list = [1, 2, 3, 4, 5]
my_iterator = iter (my_list)
while True:try:item = next (my_iterator)print (item)except StopIteration:break

10、Python生成器是什么？什么场景用到生成器？举一个例子？

在Python中，生成器（ Generator）是— 种特殊的迭代器，它使用生成器函数来生成序列中的元素，而不是在内存中— 次性生成所有元素。

生成器函数是使用 yield关键字定义的函数，每次调用生成器函数时，它会返回— 个迭代器对象，调用 next()方法时，它会从上次暂停的位置继续执行，直到遇到下— 个yield语句，然后返回— 个值，并再次暂停。因此，生成器可以惰性地生成序列中的元素，并在需要时逐个生成元素，避免了— 次性生成所有元素所带来的内存消耗。

使用生成器的场景包括：

（1）生成大量的数据集合：当需要生成大量数据时，使用生成器可以避免— 次性占用大量内存空间；

（2）实现自定义的迭代器：当需要自定义迭代器对象时，可以使用生成器函数来实现，避免了繁琐的迭代器对象的定义；

（3）实现惰性计算：当需要进行惰性计算时，可以使用生成器来实现，例如通过filter()、map()等高阶函数返回— 个生成器对象来进行惰性计算。

下面是— 个使用生成器函数生成斐波那契数列的例子：


def fibonacci (n) :a, b = 0, 1for i in range (n):yield aa, b = b, a + b
fib = fibonacci (10)
for num in fib:print (num)

在这个例子中，我们定义了— 个生成器函数fibonacci()，它的参数n表示需要生成的斐波那契数列的长度。在函数中，我们使用 yield语句返回斐波那契数列中的每— 个元素，这样每次调用 next()函数时，它会返回下—个元素，并在下次调用时从上次暂停的位置继续执行。最后，我们使用for循环遍历生成器对象，并打印出每个元素。