Python常见面试题001-005，涉及深浅拷贝、MRO、函数可变参数、作用域、is和==的区别等

python,常见,面试题,涉及,深浅,拷贝,mro,函数,可变,参数,作用域,is,区别 · 浏览次数 : 202

小编点评

代码返回结果是什么？为何？ 1. is比较的是对象的标识。 2. a == bTrue这是因为出于对性能优化的考虑，Python内部会对-5到256的整型维持一个数组，起到一个缓存的作用。这样，每次你试图创建一个-5到256范围内的整型数字时，Python都会从这个数组中返回相对应的引用，而不是重新开辟一块新的内存空间。但是，如果整型数字超过了这个范围，比如上述例子中的257，Python则会为两个257开辟两块内存区域，因此a和b的ID不一样，a is b就会返回False了。 2. '=='操作符却不同，执行a == b相当于是去执行a.__eq__(b)，而Python大部分的数据类型都会去重载__eq_这个函数，其内部的处理通常会复杂一些。比如，对于列表，__eq_函数会去遍历列表中的元素，比较它们的顺序和值是否相等。。归纳总结以上内容，生成内容时需要带 simple 的排版。

正文

Python常见面试题001-005

参考资料

https://github.com/taizilongxu/interview_python

https://github.com/hantmac/Python-Interview-Customs-Collection

https://github.com/kenwoodjw/python_interview_question

有些来自上面(但我也做了自己的补充),有些来自网络或书籍

本文不准备写编程题，偏重于理论一些。你要的话去刷leetcode就是了。
倒序描述，限于篇幅，可能要连载

005. 说说你对浅拷贝、深拷贝的理解

浅拷贝 shallow copy
深拷贝 deep copy

浅拷贝

第一次见浅拷贝是在

>>> help(list.copy)
Help on method_descriptor:

copy(self, /)
    Return a shallow copy of the list.

list列表的copy方法，那浅拷贝到底是怎样的行为表现呢？

示例代码

list1 = [1,2,3]
list2 = list1.copy()
list1.append(4)
print(list2)  # [1,2,3] list1改变了，list2没变 ， 浅拷贝是互相不会影响的

来看这段

list1 = [1,2,3]
list2 = list1
list1.append(4)
print(list2)  # [1,2,3,4]  ,赋值是引用，同时指向了一个内存区域，现在你改变了内存的信息，自然一起改变了

在第一个例子中

list1 = [1,2,3]
list2 = list1.copy()
print(id(list1))
print(id(list2))  # 显然2个id的值是不一样的，所以改变了你，并不会改变我

print(list1 == list2)  # True 
print(list1 is list2)   # False

来看看其他的浅拷贝方式

切片

可变序列的切片创建了一个浅拷贝，不可变序列的切片创建了一个引用

list1 = [1,2,3]
list2 = list1[:]
list1.append(4)
print(list2)   # [1,2,3] 跟list1不一样
print(list2 is list1) # False
tuple1 = (1,2,3)
tuple2 = tuple1[:]
print(tuple1 is tuple2)  # True

浅拷贝，是指重新分配一块内存，创建一个新的对象，里面的元素是原对象中子对象的引用。因此，如果原对象中的元素不可变，那倒无所谓；但如果元素可变，浅拷贝通常会带来一些副作用

构造器

常见的浅拷贝的方法，是使用数据类型本身的构造器
```
set1 = {1,2,3}
set2 = set(set1)
print(set2 is set1)  # False
```

copy.copy()

copy.copy则可以用于任意的数据类型的浅拷贝

>>> from copy import copy
>>> help(copy)
Help on function copy in module copy:

copy(x)
    Shallow copy operation on arbitrary Python objects.

    See the module's __doc__ string for more info.

示例代码

dict1 = {"name":"wuxianfeng","age":18}
from copy import copy
dict2 = copy(dict1)
print(dict2 is dict1)
dict1['height'] = 180
print(dict2)

特殊情况

来看下面的这些例子

l1 = [[1, 2], (30, 40)]
l2 = list(l1)
l1.append(100)
l1[0].append(3)
print(l2)  # 请问此时l2是什么？

按照前面的理解，list构造器会产生浅拷贝

print(l2 is l1)  # False  # 说明这是2个不同的对象

按理说l1的变化不会影响到l2

但事实是影响了

[[1, 2, 3], (30, 40)]  # 第四行代码发生作用了

仔细看会发现，line3没有改变，line4改变了

再看一个操作

# 承上
l1[1] +=(50,60)
print(l2)  # 还是[[1, 2, 3], (30, 40)]  但l1肯定是变了的

完整的解释

l1 = [[1, 2], (30, 40)]
l2 = list(l1)  # 对l1执行浅拷贝，赋予l2。
# 因为浅拷贝里的元素是对原对象元素的引用，因此l2中的元素和l1中的元素指向同一个列表和元组对象

l1.append(100)
# 这个操作不会对l2产生任何影响，因为l2和l1作为整体是两个不同的对象，并不共享内存地址

l1[0].append(3)
# l1[0] 是[1, 2]
# 因为l1和l2的[1, 2]是同一个对象，不信？
# print(id(l1[0]))
# print(id(l2[0]))
# print(l1[0] is l2[0]) # True
# 所以l1[0].append(3) 这步会对l1和l2的[1,2]都追加一个元素3

l1[1] +=(50,60)
# 最麻烦的是这个
# l1[1] 是(30,40) ,是个元组
# l2[1] 的确是同一个对象
# l1[1] +=(50,60) 会创建一个新的，注意是新的！元组
# 但l2不会

你可以这样验证

print('l1的元组的id',id(l1[1]),'l1的元组的id',id(l2[1]))
l1[1] +=(50,60)
print('l1的元组的id',id(l1[1]),'l1的元组的id',id(l2[1]))


# 输出参考
l1的元组的id 2411404337920 l1的元组的id 2411404337920
l1的元组的id 2411404749456 l1的元组的id 2411404337920
# 是的，l1中的元组已经变了，l2的没有改变

至此你应该发现了浅拷贝的一些副作用

深拷贝

深拷贝来自copy模块的deepcopy方法

同样看上面的例子

from copy import deepcopy
l1 = [[1, 2], (30, 40)]
l2 = deepcopy(l1)
l1.append(100)
l1[0].append(3)
l1[1] +=(50,60)
print(l2)   # [[1, 2], (30, 40)] # 就是你复制的时候的样子

好像deepcopy很完美？
复制的时候的确不希望互相影响
但deepcopy有它的弊端：如果被拷贝对象中存在指向自身的引用，那么程序很容易陷入无限循环

官方解释

https://docs.python.org/zh-cn/3.9/library/copy.html

Python 的赋值语句不复制对象，而是创建目标和对象的绑定关系
对于自身可变，或包含可变项的集合，有时要生成副本用于改变操作，而不必改变原始对象。本模块提供了通用的浅层复制和深层复制操作
- copy.copy(x) 浅层复制
- copy.deepcopy(x) 深层复制
浅层与深层复制的区别仅与复合对象（即包含列表或类的实例等其他对象的对象）相关：
- 浅层复制 构造一个新的复合对象，然后（在尽可能的范围内）将原始对象中找到的对象的引用插入其中。
- 深层复制 构造一个新的复合对象，然后，递归地将在原始对象里找到的对象的副本插入其中。
深度复制操作通常存在两个问题, 而浅层复制操作并不存在这些问题：
- 递归对象 (直接或间接包含对自身引用的复合对象) 可能会导致递归循环。
- 由于深层复制会复制所有内容，因此可能会过多复制（例如本应该在副本之间共享的数据）
deepcopy() 函数用以下方式避免了这些问题：
- 保留在当前复制过程中已复制的对象的 "备忘录" （memo）字典；以及
- 允许用户定义的类重载复制操作或复制的组件集合
下面这个案例说明了一点什么
```
from copy import deepcopy
x = [1]
x.append(x)
print(x)  # [1, [...]]

y = deepcopy(x)
print(y) # [1, [...]]
```
- 按理说y会无限循环，堆栈溢出，但实际上并没有，还是deepcopy做了一些事情规避的

004. 请说出下面代码的返回结果是什么?

参考了 https://www.liujiangblog.com/course/python/44

如有侵权，联系删除

示例代码1

class D:
    pass

class C(D):
    pass

class B(C):
    def show(self):
        print("i am B")
    pass

class G:
    pass

class F(G):
    pass

class E(F):
    def show(self):
        print("i am E")
    pass

class A(B, E):
    pass

a = A()
a.show()

结果
```
i am B  
```
你可以整理出这样的一个继承关系

从执行结果看先走是A(B,E)中左侧的B这个分支：可见，在A的定义中，继承参数的书写有先后顺序，写在前面的被优先继承。

你可以查看A的__mro__属性

print(A.__mro__)  # 你也可以这样print(A.mro())
# 是个元组
(<class '__main__.A'>, <class '__main__.B'>, <class '__main__.C'>, <class '__main__.D'>, <class '__main__.E'>, <class '__main__.F'>, <class '__main__.G'>, <class 'object'>)

如果你改成这样

class A(E,B):
    pass

print(A.__mro__)

顺序自然成了这样

(<class '__main__.A'>, <class '__main__.E'>, <class '__main__.F'>, <class '__main__.G'>, <class '__main__.B'>, <class '__main__.C'>, <class '__main__.D'>, <class 'object'>)

继承关系下的搜索顺序

所以，把代码改为这样，输出你应该毫无疑问了

class D:
    def show(self):
        print("i am D")
    pass

class C(D):
    pass

class B(C):

    pass

class G:
    pass

class F(G):
    pass

class E(F): 
    def show(self):
        print("i am E")
    pass

class A(B, E):
    pass

a = A()
a.show()  # i am D

那么这样呢？

class H:
    def show(self):
        print("i am H")
    pass

class D(H):
    pass

class C(D):
    pass

class B(C):
    pass

class G(H):
    pass

class F(G):
    pass

class E(F): 
    def show(self):
        print("i am E")
    pass

class A(B, E):
    pass

a = A()
a.show()

继承关系是这样的

答案是
```
i am E
```

看MRO

print(A.__mro__)

(<class '__main__.A'>, <class '__main__.B'>, <class '__main__.C'>, <class '__main__.D'>, <class '__main__.E'>, <class '__main__.F'>, <class '__main__.G'>, <class '__main__.H'>, <class 'object'>)

所以继承树的搜索顺序是这样的

而所有的继承其实都是这2种图形的变化

比如这样的代码

class D():
    pass

class G():
    def show(self):
        print("i am G")
    pass

class F(G):
    pass

class C(D):
    pass

class B(C,F):
    pass

class E(F):
    def show(self):
        print("i am E")
    pass

class A(B, E):
    pass

a = A()
a.show()

你先分析下应该输出啥，继承树是怎样的，MRO是如何的？
输出
```
i am E
```
继承树

MRO

(<class '__main__.A'>, <class '__main__.B'>, <class '__main__.C'>, <class '__main__.D'>, <class '__main__.E'>, <class '__main__.F'>, <class '__main__.G'>, <class 'object'>)

关于类的继承
- 子类在调用某个方法或变量的时候，首先在自己内部查找，如果没有找到，则开始根据继承机制在父类里查找。
- 根据父类定义中的顺序，以深度优先的方式逐一查找父类！
- 子类永远在父类前面，如果有多个父类，会根据它们在列表中的顺序被检查，如果对下一个类存在两个合法的选择，选择第一个父类
MRO：即Method Resolution Order（方法解析顺序）

从Python 2.3开始计算MRO一直是用的C3算法

https://www.python.org/download/releases/2.3/mro/

C3算法的简单解释可以参考码农高天的这个视频:https://www.bilibili.com/video/BV1V5411S7dY

003. 请说出下面的代码返回结果是什么?为何?如何改进?

知识点: 函数参数的类型

示例代码

def f(a, L=[]):
    L.append(a)
    return L

print(f(1))
print(f(1))

据说是国内某上市互联网公司Python面试真题(略作改动)，而实际在python的官网也有
```
https://docs.python.org/zh-cn/3.9/tutorial/controlflow.html#default-argument-values
```
烂大街了
典型的错误答案
```
[1]
[1]
```
实际的答案
```
[1]
[1, 2]
```
因为Python函数体在被读入内存的时候，默认参数a指向的空列表对象就会被创建，并放在内存里了。因为默认参数a本身也是一个变量，保存了指向对象[]的地址。每次调用该函数，往a指向的列表里添加一个A。a没有变，始终保存的是指向列表的地址，变的是列表内的数据！

修改

def f(a, L=None):
    if L is None:
        L = []
    L.append(a)
    return L
print(f(1))
print(f(1))

官网的重要警告： 默认值只计算一次。默认值为列表、字典或类实例等可变对象时，会产生与该规则不同的结果

这样的代码

def f(a, L=[]):
    L.append(a)
    return L

print(f(1))
print(f(2))  # 被我改成了1，具有欺骗性一点
print(f(3))  # 去掉了，3个放一起，你都能猜到有点猫腻了，2个虽然也....总归好一点

上面的函数会累积后续调用时传递的参数
不想在后续调用之间共享默认值时，建议用None这样的不可变对象来存储
```
def f(a, L=None):
    if L is None:
        L = []
    L.append(a)
    return L
```

002. 请分别说出下面的代码返回结果是什么?为何?

知识点: 作用域

示例代码1

def func(x):
    print(x)
    print(y)

func(1)

示例代码2

y = 1
def func(x):
    print(x)
    print(y)

func(1)

示例代码3

y = 1
def func(x):
    print(x)
    print(y)
    y = 2

func(1)

示例代码1的执行结果
```
NameError: name 'y' is not defined
```
示例代码2的执行结果
```
1
1
```

示例代码3的执行结果

UnboundLocalError: local variable 'y' referenced before assignment

解释3

Python 编译函数的定义体时，它判断 b 是局部变量，依据是y=2，你对它进行了赋值。Python 会尝试从本地环境获取 b。
后面调用 func(1)时，func的定义体会获取并打印局部变量x 的值，但是尝试获取局部变量 y 的值时，发现 y 没有绑定值就报错了。
这不是缺陷，这是设计如此(做测试是不是经常听到这句话)
- Python 不要求声明变量，但是假定在函数定义体中赋值的变量，那就认为它是局部变量

对于代码3的处理

示例代码3(更改)

y = 1
def func(x):
    global y
    print(x)
    print(y)
    y = 2

func(1)

这样解释器就会把 y 当成全局变量，从而找到第一行的y=1并print出来了

从函数的字节码也能看出来这个过程

代码1

def func(x):
    print(x)
    print(y)
    y = 2

from dis import dis
dis(func)

字节码

  3           0 LOAD_GLOBAL              0 (print) # 加载全局名称print
              2 LOAD_FAST                0 (x)     # 加载本地名称x
              4 CALL_FUNCTION            1
              6 POP_TOP

  4           8 LOAD_GLOBAL              0 (print)
             10 LOAD_FAST                1 (y)   # 加载本地名称y
             12 CALL_FUNCTION            1
             14 POP_TOP

  5          16 LOAD_CONST               1 (2)
             18 STORE_FAST               1 (y)
             20 LOAD_CONST               0 (None)
             22 RETURN_VALUE

示例代码2

y = 1
def func(x):
    print(x)
    print(y)


from dis import dis
dis(func)

字节码

  3           0 LOAD_GLOBAL              0 (print)
              2 LOAD_FAST                0 (x)
              4 CALL_FUNCTION            1
              6 POP_TOP

  4           8 LOAD_GLOBAL              0 (print)
             10 LOAD_GLOBAL              1 (y)  # 看这里的变化，是全局变量了
             12 CALL_FUNCTION            1
             14 POP_TOP
             16 LOAD_CONST               0 (None)
             18 RETURN_VALUE

进程已结束，退出代码为 0

示例代码3

y = 1
def func(x):
    print(x)
    print(y)
    y = 2

from dis import dis
dis(func)

字节码

3           0 LOAD_GLOBAL              0 (print)
              2 LOAD_FAST                0 (x)
              4 CALL_FUNCTION            1
              6 POP_TOP

  4           8 LOAD_GLOBAL              0 (print)
             10 LOAD_FAST                1 (y)  # 又变成了本地
             12 CALL_FUNCTION            1
             14 POP_TOP

  5          16 LOAD_CONST               1 (2)
             18 STORE_FAST               1 (y)
             20 LOAD_CONST               0 (None)
             22 RETURN_VALUE

示例代码3(更改)

y = 1
def func(x):
    global y
    print(x)
    print(y)
    y = 2

from dis import dis
dis(func)

字节码

  4           0 LOAD_GLOBAL              0 (print)
              2 LOAD_FAST                0 (x)
              4 CALL_FUNCTION            1
              6 POP_TOP

  5           8 LOAD_GLOBAL              0 (print)
             10 LOAD_GLOBAL              1 (y)
             12 CALL_FUNCTION            1
             14 POP_TOP

  6          16 LOAD_CONST               1 (2)
             18 STORE_GLOBAL             1 (y)
             20 LOAD_CONST               0 (None)
             22 RETURN_VALUE

看不懂字节码不要紧的，当然非要，你可以去参考https://docs.python.org/zh-cn/3/library/dis.html

作用域LEGB相关知识单独考虑弄个博文

001. is和==有什么区别

==是对象的值的比较，也就是对象保存的数据。
is比较的是对象的标识。

示例代码1

a = [1,2,3]
b = [1,2,3]
print(a == b)  # True
print(a is b)  # False

is的背后是id，is比较为True，说明2个id的返回是一样的
在 CPython 中，id() 返回对象的内存地址，但是在其他 Python 解释器中可能是别的值。关键是，ID 一定是唯一的数值标注，而且在对象的生命周期中绝不会变。

上面的话引自 <流畅的python> 8.2 标识、相等性、别名

这些知识涉及对象的引用，相关的面试题如浅拷贝/深拷贝、重载运算符(==)等

浅拷贝也考虑单独剥离弄个博文或主题

示例代码2

>>> a = 257
>>> b = 257
>>> a is b
False
>>> a == b
True

# 但是这个呢？
>>> c = d = 256
>>> c is d
True

这是因为出于对性能优化的考虑，Python内部会对-5到256的整型维持一个数组，起到一个缓存的作用。这样，每次你试图创建一个-5到256范围内的整型数字时，Python都会从这个数组中返回相对应的引用，而不是重新开辟一块新的内存空间。
但是，如果整型数字超过了这个范围，比如上述例子中的257，Python则会为两个257开辟两块内存区域，因此a和b的ID不一样，a is b就会返回False了。
比较操作符'is'的速度效率，通常要优于'=='。因为'is'操作符不能被重载，这样，Python就不需要去寻找，程序中是否有其他地方重载了比较操作符，并去调用。执行比较操作符'is'，就仅仅是比较两个变量的ID而已。
但是'=='操作符却不同，执行a == b相当于是去执行a.__eq__(b)，而Python大部分的数据类型都会去重载__eq_这个函数，其内部的处理通常会复杂一些。比如，对于列表，__eq_函数会去遍历列表中的元素，比较它们的顺序和值是否相等。