Python 面试题

### 常见 Python 面试问题及答案 #### 数据类型与基础概念 1. **解释可变对象和不可变对象的区别？** 可变对象（如列表 `list` 和字典 `dict`）可以在原地修改其内容，而不会改变其内存地址；不可变对象（如整数 `int`、字符串 `str` 和元组 `tuple`）一旦创建则无法更改，任何操作都会返回一个新的对象[^1]。 2. **什么是 GIL (Global Interpreter Lock)? 它如何影响多线程程序?** GIL 是 CPython 解释器中的全局锁机制，它确保同一时刻只有一个线程执行 Python 字节码。这使得单线程性能更优，但在多核 CPU 上运行 I/O 密集型任务时可能会成为瓶颈[^1]。 #### 函数与作用域 3. **闭包是什么？提供一个简单的例子说明它的用途。** 闭包是指函数能够记住并访问外部作用域的变量，即使该函数在其定义的作用域之外被调用。下面是一个简单示例： ```python def outer_function(x): def inner_function(y): return x + y return inner_function closure = outer_function(10) print(closure(5)) # 输出 15 ``` 4. **装饰器的工作原理是什么？给出一个实际应用的例子。** 装饰器是一种用于修改其他函数行为的高阶函数。它可以用来实现日志记录、计时等功能。以下是使用装饰器计算函数执行时间的一个实例： ```python import time def timer_decorator(func): def wrapper(*args, **kwargs): start_time = time.time() result = func(*args, **kwargs) end_time = time.time() print(f"{func.__name__} 执行耗时: {end_time - start_time:.6f}s") return result return wrapper @timer_decorator def example(): time.sleep(2) example() # 输出类似 'example 执行耗时: 2.00s' ``` #### 类与面向对象编程 5. **描述类方法 (`@classmethod`)、静态方法 (`@staticmethod`) 和实例方法之间的区别。** 实例方法需要通过实例调用，并隐含传递当前实例作为第一个参数（通常命名为 `self`）。类方法可以通过类本身或其实例调用，接收的第一个参数是类本身（通常是 `cls`），主要用于工厂模式。静态方法既不依赖于类也不依赖于实例状态，它们更像是普通的函数。 6. **多重继承中方法解析顺序 (MRO) 如何工作？** 方法解析顺序决定了当多个父类存在同名方法时，子类会优先选择哪个版本的方法。在新式类中，Python 使用广度优先搜索来决定 MRO 列表。 #### 错误处理与调试 7. **异常处理的基本结构有哪些部分组成？** 异常处理由以下几个关键字构成：`try`, `except`, `else`, 和 `finally`。其中 `try` 块包裹可能引发错误的代码片段，`except` 处理特定类型的异常情况，`else` 表明无异常发生后的逻辑分支，而 `finally` 中的内容无论是否有异常均会被执行。 8. **编写一段捕获多种不同类型异常的代码样例。** 下面展示了如何优雅地捕捉不同种类的异常而不中断正常流程： ```python try: numerator = int(input("请输入分子: ")) denominator = int(input("请输入分母: ")) result = numerator / denominator except ZeroDivisionError as e: print("除零错误:", str(e)) except ValueError as e: print("输入转换失败:", str(e)) else: print("结果为:", result) finally: print("此消息始终显示.") ``` #### 性能优化与其他高级主题 9. **列举几种提高 Python 程序效率的技术手段。** 技术包括但不限于减少不必要的循环迭代次数、利用内置数据结构代替自定义算法、缓存重复运算的结果以及采用第三方库如 NumPy 或 Pandas 来加速数值计算等[^1]。 10. **生成器表达式的优点是什么？对比一下它跟列表推导式的差异之处在哪里？** 生成器表达式按需生成值而不是一次性构建整个序列到内存里，因此对于大规模数据集合来说更加节省资源消耗。然而如果后续多次读取这些项，则每次都需要重新求解从而增加开销[^1]。