Python 面试题

Python 面试涵盖内容

Python 面试题示例

• Python 的主要特性是什么？
  好回答应覆盖

  • 动态类型与动态绑定
  • 解释型语言，交互式编程
  • 丰富的标准库与第三方库
  • 面向对象、函数式编程支持
  • 可扩展性（C/C++）

  查看范例答案

  Python 是一种高级、解释型、动态类型的编程语言。其主要特性包括：1) 动态类型，变量无需声明类型；2) 自动内存管理（垃圾回收）；3) 简洁易读的语法，强调代码可读性；4) 支持多种编程范式，如面向对象、函数式、命令式；5) 拥有庞大的标准库和活跃的第三方库生态；6) 可嵌入性和可扩展性，允许用 C/C++ 编写扩展；7) 跨平台运行。这些特性使 Python 适用于快速开发、数据科学、Web 开发等领域。

• 解释列表与元组的区别。什么时候你会使用哪一个？
  好回答应覆盖

  • 列表可变，元组不可变
  • 列表有 append、remove 等方法，元组没有
  • 元组可用于字典键，列表不行
  • 列表性能略差于元组（动态数组 vs 静态结构）
  • 元组通常用于异构数据，列表用于同质序列

  查看范例答案

  列表（list）和元组（tuple）都是有序序列，但列表是可变的（增删改），元组是不可变的。这意味着列表在创建后可以修改内容，而元组不能。因此，当需要存储不可变的数据（如字典的键、函数参数包）时，使用元组；当需要频繁修改序列（如追加、删除）时，使用列表。元组通常用于存储异构数据（如坐标 (x, y)），而列表常用于同质数据（如姓名列表）。由于元组不可变，其哈希值稳定，可作为字典键或集合元素；列表则不能。性能上，元组略快于列表，但差异通常可忽略。选择时优先考虑语义：需要不变性则用元组，否则用列表。

• Python 如何管理内存？讨论垃圾回收和引用计数。
  好回答应覆盖

  • 引用计数为主，标记-清除回收循环引用
  • 每个对象有引用计数，为0时立即回收
  • 分代回收处理循环引用（年轻代、老年代）
  • 手动触发 gc.collect()
  • 弱引用避免循环引用（weakref）

  查看范例答案

  Python 的内存管理通过私有堆空间实现，由解释器负责。核心机制是引用计数：每个对象维护一个计数值，记录指向它的引用数；当计数值降为0时，内存立即被释放。但引用计数无法处理循环引用（如两个对象互相引用），因此 Python 引入了垃圾回收器（gc 模块），使用标记-清除算法定期检测并回收不可达的循环引用对象。此外，分代回收将对象分为三代（年轻代、中年、老年代），新对象分配在年轻代，存活时间越长代数越高，回收频率越低，以提高效率。开发者可通过 gc 模块手动触发回收，或使用 weakref 创建弱引用避免干扰计数。这种混合策略在大多数场景下表现良好，但需注意大量对象创建可能引发性能开销。

• 编写一个函数，在不使用排序的情况下找到列表中第二大的数。
  好回答应覆盖

  • 线性扫描，记录最大和第二大
  • 处理重复值情况
  • 一次遍历 O(n) 时间，O(1)空间
  • 边界条件：列表长度小于2

  查看范例答案

  以下函数在不使用排序的情况下找到列表中第二大的数。它通过一次遍历维护两个变量：最大值和第二大值。初始化为负无穷（或列表前两个元素），然后逐个比较更新。注意处理重复值的情况：当遇到等于最大值的数时，不更新第二大值。该算法时间复杂度 O(n)，空间复杂度 O(1)。如果列表长度小于2，则返回 None。

  def second_largest(nums):
      """
      返回列表中第二大的数，若不足两个元素则返回 None。
      时间复杂度 O(n)，空间复杂度 O(1)。
      """
      if len(nums) < 2:
          return None
      # 初始化最大值和第二大值
      first = second = float('-inf')
      for num in nums:
          if num > first:
              second = first
              first = num
          elif num > second and num != first:
              second = num
      return second if second != float('-inf') else None

• 实现一个装饰器，用于测量函数的执行时间。
  好回答应覆盖

  • 使用 functools.wraps 保留原函数元数据
  • 装饰器接收函数，返回包装函数
  • 测量时间：time.time() 或 time.perf_counter()
  • 处理被装饰函数有参数和返回值
  • 可使用 @timeit 语法糖

  查看范例答案

  以下装饰器测量函数执行时间。它使用 functools.wraps 保持原函数的元信息（如 __name__、__doc__）。内部使用 time.perf_counter() 获取高精度时间，计算差值并打印。装饰器返回 wrapper 函数，该函数调用原函数并返回其结果。此装饰器可用于任何同步函数。注意避免在异步函数上直接使用。

  import time
  from functools import wraps
  
  def timeit(func):
      """
      装饰器：打印函数执行时间。
      用法：@timeit def my_func(...): ...
      """
      @wraps(func)
      def wrapper(*args, **kwargs):
          start = time.perf_counter()
          result = func(*args, **kwargs)
          end = time.perf_counter()
          print(f"{func.__name__} took {end - start:.6f} seconds")
          return result
      return wrapper

• 什么是 GIL？它如何影响多线程？
  好回答应覆盖

  • GIL 是全局解释器锁，确保同一时刻只有一个线程执行 Python 字节码
  • 影响 CPU 密集型多线程性能（不能利用多核）
  • I/O 密集型任务受 GIL 影响较小（释放锁等待 I/O）
  • 可通过多进程（multiprocessing）或 C 扩展绕过 GIL
  • Python 3 改进了 GIL 调度，但仍存在

  查看范例答案

  GIL（Global Interpreter Lock）是 CPython 解释器中的一个互斥锁，它保证在任何时刻只有一个线程执行 Python 字节码。这简化了内存管理和对象访问的线程安全性，但导致多线程无法充分利用多核 CPU 进行并行计算。对于 CPU 密集型任务，多线程性能甚至可能不如单线程（因锁竞争）；而对于 I/O 密集型任务，由于线程常在等待 I/O 时释放 GIL，因此仍能获得并发优势。要突破 GIL 限制，可采用多进程（multiprocessing 模块）或使用 C 扩展（如 NumPy）在释放 GIL 的情况下执行计算。Python 3.2 后引入新的 GIL 实现，减少了竞争，但 GIL 依然存在。

• 编写一个生成器，生成直到 n 的斐波那契数。
  好回答应覆盖

  • 生成器使用 yield 产生值，保存状态
  • 惰性求值，节省内存
  • 斐波那契生成器逐次产生数列
  • 限制数量 n 或直到超过 n
  • 示例：for fib in fibonacci(10): print(fib)

  查看范例答案

  以下生成器生成直到 n 的斐波那契数。它使用 yield 逐个产生斐波那契数列的值，直到下一个值超过 n。生成器在每次 yield 后暂停，消耗内存小，适合处理无限序列或大数据。使用循环调用生成器即可打印结果。

  def fibonacci(n):
      """
      生成器：生成小于等于 n 的斐波那契数。
      时间复杂度 O(k)，k 为生成的项数；空间复杂度 O(1)。
      """
      a, b = 0, 1
      while a <= n:
          yield a
          a, b = b, a + b

• 解释 Python 中的方法解析顺序 (MRO) 以及 super() 是如何工作的。
  好回答应覆盖

  • MRO 确定方法解析顺序（C3 线性化）
  • Python 2.3 后使用 C3 算法，保证单调性
  • super() 用于委托父类方法，遵循 MRO
  • 避免钻石继承中的重复调用
  • 使用 __mro__ 属性查看

  查看范例答案

  MRO（Method Resolution Order）是 Python 中决定类方法查找顺序的算法。Python 3 使用 C3 线性化算法，它确保子类优先于父类，父类按照继承顺序，且保持单调性（若类 A 在类 B 之前，则所有子类中 A 仍在 B 之前）。可以通过类名.__mro__ 查看。super() 函数用于调用父类（或兄弟类）的方法，它根据 MRO 返回一个代理对象，在调用方法时沿着 MRO 链查找下一个类。在多重继承中，super() 能协调调用顺序，避免重复执行。例如，在钻石继承中，super() 确保每个类的方法只被调用一次。正确使用 super() 需要所有相关类采用相同的签名。

如何准备

• 掌握内置函数和标准库（例如 itertools、collections）。
• 在 LeetCode 或 HackerRank 等平台上练习编码问题，重点关注 Python 特有的解决方案。
• 理解 Python 的内存模型以及对象是如何传递的（引用 vs 值）。
• 能够解释设计模式和 Pythonic 惯用语法（例如上下文管理器、装饰器）。
• 复习重要的数据结构：字典、集合及其时间复杂度。

常见问题