Python 题库
基础概念
解释型和编译型语言的区别
解释型语言和编译型语言是两种不同的编程语言类型，它们在代码执行方式和一些其他方面有很大的区别。
执行方式：
编译型语言：
- 编译型语言的代码在运行之前需要经过编译器的处理。
- 编译器将源代码转换为目标代码（通常是机器代码或中间代码）。
- 目标代码保存在文件中，然后由计算机的处理器执行。
- 例如，C、C++等是编译型语言。
解释型语言：
- 解释型语言的代码是逐行解释执行的，无需预先编译为目标代码。
- 解释器在运行时逐行分析和执行源代码。
- 例如，Python、JavaScript、Ruby等是解释型语言。
性能：
- 编译型语言通常在执行时更快，因为它们的代码已经经过了编译，不需要在每次执行时解释。
- 解释型语言的执行速度较慢，因为它们需要逐行解释代码。
介绍GIL全局解释器锁
GIL（Global Interpreter Lock）全称全局解释器锁。
它是一种机制，用于确保同一时间只有一个线程可以执行Python字节码，从而保证了线程安全性。
在Python解释器中，GIL被设计为一个互斥锁，它控制了对共享内存的访问，以确保线程安全。
虽然GIL确保了线程安全性，但它也限制了Python，导致其无法充分利用多核CPU的优势。
如果需要充分利用多核能力，可以使用多进程。
线程、进程、协程之间的区别
Python中的线程、进程和协程都是用于实现多任务的机制，但是它们的实现方式、使用场景和优缺点都有所不同。
线程
线程是操作系统最小的执行单元，它可以共享当前进程的内存和资源。
但由于Python中的全局解释器锁（GIL）的存在，多线程并不能真正利用多核CPU的优势。
进程
进程是操作系统中独立的执行单元，每个进程都有自己的地址空间和系统资源。
进程的优点是可以真正地利用多核CPU，因为每个进程都可以运行在不同的CPU核心上。
但相比于线程，创建一个进程负担较大，进程之间通信也更加耗时和复杂。
协程
协程是一种轻量级的线程，它在单个线程中实现了多个子程序之间的切换，从而实现了并发执行。
协程的优点是可以在单个线程中实现并发执行，且协程之间的切换是由程序自己控制的。
因此不存在多线程场景下的调度开销，比线程和进程更加轻量级和高效。
但是，由于协程是在单个线程中运行的，因此也无法利用多核CPU的优势，适用于I/O密集型任务，而不是CPU密集型任务。
PEP8
PEP 8 是 Python 的官方风格指南，旨在提供一致性和可读性的代码风格。
比如 变量/函数 命名：采用小写，用下划线连接等。
is 和 == 的区别
is 比较对象的身份（内存地址），而 == 比较对象的内容（值）。
x = [1, 2, 3]
y = x # y和x引用同一个对象
z = [1, 2, 3] # z引用一个不同的对象，内容相同
print(x is y) # 输出: True
print(x is z) # 输出: False
print(x == z) # 输出: True
函数参数类型
- 位置参数：
def person(name, age) - 默认参数：
def person(name, age=18) - 可变参数：
person(name, age, *args) - 关键字参数：
person(name, age, **kwargs) - 命名关键字参数：
person(name, age, *, city, job)
常用的魔术方法
__iter__：可迭代对象__getattr__/__setattr__：操作对象属性__getitem__：下标操作，如object[0]__slots__：
在 Python 中，每个对象都包含了一些属性和方法，它们在类中定义的。
默认情况下，Python 会使用一个字典来保存这些属性和方法。 这样的好处是，可以动态地向对象中添加新的属性和方法。 但是，这样也带来了一些性能上的问题，因为字典查找操作比直接访问实例变量要慢。 此外，字典还会占用额外的内存空间，这对于某些应用程序来说可能是一个问题。
为了解决这些问题，Python 提供了 slots 方法。slots 是一个特殊的类变量， 它指定了一个类实例中可以存在的属性的名称列表。如果一个类定义了 slots， 那么这个类的实例将不再使用字典来存储实例变量和方法，而是使用一个固定大小的数组来保存实例变量， 从而提高了访问实例变量的速度，并且减少了内存的使用。
深拷贝和浅拷贝
浅拷贝和深拷贝之间的区别，主要在于拷贝的深度。
浅拷贝仅复制第一层的对象，而深拷贝则会递归复制整个对象。
如果复制对象仅由一层，那么浅拷贝和深拷贝效果时一样的，但如果复制对象嵌套多层，则可以根据实际使用场景考虑使用浅拷贝还是深拷贝。
迭代器与生成器之间的区别
迭代器是一个对象，它实现了迭代器协议，包括iter()和next()方法。
iter()方法返回迭代器对象本身，并且next()方法返回序列中的下一个元素。
当没有元素可供迭代时，next()方法会引发StopIteration异常。
生成器是一种特殊的迭代器，它是使用yield语句定义的函数。
生成器函数执行到yield语句时，会返回一个值并暂停执行，直到下一次调用生成器时继续执行。
生成器函数可以保存它们的状态，因此可以在每次调用时生成一个新值。
装饰器原理
装饰器本质是基于闭包实现的。
闭包：在函数内部定义，但在函数外部使用的变量。闭包可以访问定义在它作用域内的所有变量、参数、函数等。
此外，Python 装饰器可以再不改变既有函数的前提下，对函数拓展能力。
新式类和旧式类
在Python 2中，有两种不同的类类型：新式类（new-style classes）和旧式类（old-style classes）。 这区别主要影响了类的继承、多重继承以及一些其他方面的行为。在Python 3中，只有新式类的概念，所以旧式类不再存在。
如何判断是函数还是方法
判断对象是函数还是方法，可以通过 inspect 函数实现。包括解析函数具体入参等，都是通过此方法。
什么是元类
元类（metaclass）是一种高级 Python 编程概念，用于控制类的创建和行为。 元类本身是类的类，它定义了如何创建类，类似于类定义了如何创建对象。通过定义自定义元类， 你可以定制和控制类的行为，包括添加属性、方法、验证类的属性等。 元类通常用于框架、ORM（对象-关系映射）、代码检查等高级应用。
什么是反射
在Python中，"反射" 是指在运行时获取和操作对象的属性、方法以及其他元素的能力。 反射允许你以字符串的形式访问对象的属性和方法，而不是通过直接引用它们的名称。
Python 提供了一些内置函数和特殊方法来实现反射：setattr、getattr、hasattr
什么是继承
在Python中，继承是一种面向对象编程（OOP）的基本概念， 允许你创建一个新的类（子类）并从现有类（父类或基类）继承其属性和方法。 继承允许子类重用父类的代码，并扩展或修改其行为。
字典底层原理
字典是 Python 中常用的数据结构之一。它用于存储键值对数据，并支持快速查找、插入、删除等操作。
字典底层是基于哈希表实现的。哈希表本质是一个数组，它通过一定逻辑将键值计算出一个位置，从而实现快速的定位数据并进行操作。
哈希表中每一个位置都称之为哈希桶，桶中存储了该键值对的具体信息。
在 Python 中，字典底层采用了「开放地址法」的哈希表实现方式，一旦发生哈希冲突时，即不同的键值映射到同一个哈希桶时， 会按照一定的规则来探测其他的空桶，当空桶数量达到一定阈值时，会触发扩容并进行 rehash 操作。
与 Java 不同中，Java 采用的是「链表」的哈希实现方式，即相同的值映射到同一个哈希桶时会在当前桶后追加链式数据。
内存管理机制
Python 内存管理机制由三个模块组成，即：引用计数、标记清除法、分代回收法。
编码熟练度
new和init有什么区别
在Python中，__new__ 和 __init__ 是两个特殊的方法，用于创建对象和初始化对象。
class Singleton:
_instance = None
def __new__(cls):
if cls._instance is None:
cls._instance = super(Singleton, cls).__new__(cls)
return cls._instance
new必须要有返回值，返回实例化出来的实例。 init有一个参数self，就是这个new返回的实例。 init在new的基础上可以完成一些其它初始化的动作，init不需要返回值。
isintance和type区别
isinstance用于判断对象obj是否属于指定类的示例。type用于返回对象obj的类型。
super函数作用
super() 函数是一个内置函数，用于在子类中调用父类的方法。
它主要用于多重继承的情况，以确保正确调用父类的方法，而不会引发冲突或歧义。
编程实战
strip函数
>>> "aabbccdd".strip("abcd")
""
以上代码输出为空，即整个字符串都被 strip 掉了。因为 strip 会剔除存在指定集合中的元素。