答案：list 可变，tuple 不可变。当数据不该被改（坐标、函数多返回值、当字典键）时用 tuple。解析：不可变是一种"约束"——它告诉读代码的人"这东西别乱动"，同时 tuple 能当字典的键，list 不行。

答案：第一次 ['hi']，第二次 ['hi', 'hi']。解析：这就是著名的"可变默认参数坑"——默认列表在函数定义时只创建一次，两次调用共用同一个列表。修法：def f(x=None): if x is None: x = []。

答案：因为 GIL（全局解释器锁）——同一时刻一个进程里只有一个线程跑 Python 字节码，多线程在 CPU 密集任务上等于排队。CPU 密集型应该用 multiprocessing 多进程（绕开 GIL）。IO 密集型才用线程或 asyncio。

答案：[x*x for x in [1,2,3,4,5,6] if x % 2 == 0] → [4, 16, 36]。解析：前半段 x*x 是加工，if x%2==0 是筛选。推导式一行顶三行循环。

答案：选多线程（或 asyncio）。解析：爬虫的时间几乎全花在"等网络返回"上，是 IO 密集型。GIL 在等网络时会释放，多线程能真正并行等。用多进程纯属浪费——创建进程贵，而且 CPU 根本没在算东西。最佳是 asyncio + aiohttp，几千个请求同时飞。

答案：三层结构——外层接参数 prefix，中层接函数，内层接调用。wrapper(*a, **kw) 里先 print 前缀+函数名+参数，再调原函数。别忘 @wraps(func)。这是带参装饰器的固定套路。

答案：def iter_error_lines(path): 里 with open(path) as f: for line in f: if "ERROR" in line: yield line.rstrip()。解析：文件对象本身就是迭代器，for line in f 逐行缓冲不读全文件；yield 出去调用方处理完才拉下一行——几个 G 的日志也只占一行内存。

答案：pool.submit 每个任务一次，存进 {fut: url} 字典；as_completed(futs) 按完成先后迭代，fut.result() 拿结果。解析：as_completed 适合流式打印，max_workers 5-20 足够，开太多反而被限流。

答案：建 sem = asyncio.Semaphore(10)，内部 one(u) 在 async with sem 里 async with s.get(u) as r: return u, r.status；外层 dict(await asyncio.gather(*[one(u) for u in urls]))。解析：Semaphore 限流防封 IP，gather 汇总成 (url, status) 配对，dict() 反转成映射。

答案：用生成器表达式 sum(1 for row in reader if price>100)。len([...]) 会先建 100 万元素的列表占内存再数长度；生成器边读边数，内存恒定。这就是"能用生成器就别用列表"的典型场景。