《对线面试官》| 高频 Python 面试题 pt.1

Python,对线面试官,试题 ,频 · 浏览次数 : 47

小编点评

1. **值传递**是指在函数调用时,将实际参数的值复制一份传递给函数的形式参数在函数内部,形式参数将作为局部变量使用,对形式参数的修改不会影响原始变量的值。 2. **引用传递**是指在函数调用时,将实际参数的引用(内存地址)传递给函数的形式参数在函数内部,形式参数与原始变量指向同一个内存地址,因此对形式参数的修改也会影响原始变量的值。 3. **自省自省**指的是程序能够在运行时检查对象的类型、属性和方法等信息的能力。Python 是一门具有强大自省能力的语言,它可以在运行时动态地获取和操作对象的信息。 4. **迭代器和生成器**都是可处理可迭代对象迭代的工具。**迭代器**是一种实现了迭代协议的对象,通过 __iter__() 和 __next__() 方法进行迭代**;**生成器**是一种特殊的迭代器,可以通过函数来创建,当函数中包含 yield 关键字时,该函数就成为生成器函数成器函数执行到 yield 语句时,会将结果返回给调用者,但并不会终止函数的执行下次调用生成器的 __next__() 方法时,函数会从上一次 yield 语句处继续执行,直到再次遇到 yield 或函数结束。 5. **GILGIL(全局解释器锁)**是 Python 解释器为了保证多线程情况下解释器的稳定性而引入的一种机制,在 CPython 解释器中,由于解释器的内存管理并不是线程安全的,为了避免多线程情况下的数据竞争和死锁等问题,引入了 GILGIL 的作用是确保在同一时刻只有一个线程在解释器中执行字节码。 6. **协程**是一种轻量级的并发编程技术,它允许程序在同一个线程内实现多个协程之间的切换,从而实现非阻塞的并发执行协程与传统的多线程或多进程并发模型不同,它不依赖于操作系统的线程或进程来实现并发,而是完全由 Python 解释器内部的事件循环机制来控制协程的执行也就是说可以由用户来管理自己内核态—用户态切换的时机。

正文

1.聊聊 python 中的值传递和引用传递吧

  • 值传递:

值传递意味着在函数调用时,将实际参数的值复制一份传递给函数的形式参数

在函数内部,形式参数将作为局部变量使用,对形式参数的修改不会影响原始变量的值

  • 引用传递

引用传递意味着在函数调用时,将实际参数的引用(内存地址)传递给函数的形式参数

在函数内部,形式参数与原始变量指向同一个内存地址,因此对形式参数的修改也会影响原始变量的值

  • 总结

需要注意的是,Python 中的参数传递方式实际上都是对象的引用传递

但是对于不可变对象,由于其值无法修改,所以看起来表现为值传递;而对于可变对象,由于其值可以修改,所以表现为引用传递

2.什么是 Python 自省

自省(introspection)指的是程序能够在运行时检查对象的类型、属性和方法等信息的能力

Python 是一门具有强大自省能力的语言,它可以在运行时动态地获取和操作对象的信息

Python 中的自省可以通过以下方式实现:

  1. type() 函数:用于获取对象的类型。
  2. dir() 函数:用于列出对象的所有属性和方法。
  3. hasattr()getattr()setattr() 函数:用于检查、获取和设置对象的属性。
  4. isinstance() 函数:用于判断对象是否属于指定类型。
  5. callable() 函数:用于检查对象是否可调用(即是否是函数或方法)。
  6. 函数的 .__code__ 属性:用于获取函数的字节码对象,从而可以进一步分析函数的信息。
  7. 类的 .__dict__ 属性:用于获取类的所有属性和方法。

3.python 中单下划线和双下划线的区别

  • 单下划线

1)在变量或函数名前加上单下划线 _ 表示这是一个私有的变量或函数,这意味着该变量或函数不应该在类外部直接访问(虽然不会强制限制访问,但这个算是一种约定)

class MyClass:
    def __init__(self):
        self._private_var = 42

    def _private_method(self):
        print("This is a private method.")

2)还有一种用途就是占位符,有时候在 for 循环中,我们只关心序列中的某个元素,而不需要使用序列中其他元素或者序列的索引

这时候可以用单下划线作为变量名,表示这个变量不会被使用

numbers = [1, 2, 3, 4, 5]
for _ in numbers:
    print("Hello")
  • 双下划线

1)在类中定义的双下划线变量,这种变量被称为类的私有变量

它们不会被继承,也不能在类外部直接访问。但是在类内部可以通过self.__变量名进行访问

class Parent:
    def __init__(self):
        self.__private_var = 42

    def __private_method(self):
        print("This is a private method.")

2)在变量名前加上双下划线 __ 会触发 Python 的名称改写(name mangling)机制,将变量名改写为_类名__变量名的形式

即如果 Test 类里有一成员 __x,那么 dir(Test) 时会看到 _Test__x 而非 __x。这是为了避免该成员的名称与子类中的名称冲突。但要注意这要求该名称末尾没有下划线

3)双下划线开头双下划线结尾的是一些 Python 的“魔术”对象,如类成员的 __init____del____add____getitem__ 等,以及全局的 __file____name__

官方建议不要将这样的命名方式应用于自己的变量或函数

4.迭代器和生成器的区别

Python 中的迭代器(Iterators)和生成器(Generators)都可用于处理可迭代对象

  • 迭代器(Iterators)

迭代器是实现了迭代协议的对象,通过 __iter__()__next__() 方法进行迭代

__iter__() 方法返回迭代器对象本身,而 __next__() 方法返回下一个元素,需要手动调用 next() 方法来获取下一个元素

迭代器对象可以用于遍历一个序列或者集合,每次调用 __next__() 方法时,会返回序列中的下一个元素,当没有元素可返回时,会引发 StopIteration 异常

numbers = [1, 2, 3, 4, 5]
iterator = iter(numbers)

print(next(iterator))  # 输出 1
print(next(iterator))  # 输出 2
print(next(iterator))  # 输出 3

Python 的 for 循环背后会自动处理可迭代对象,从中获取一个迭代器,并使用迭代器来逐个获取元素。

  • 生成器(Generators)

生成器是一种特殊的迭代器,可以通过函数来创建,当函数中包含 yield 关键字时,该函数就成为生成器函数

成器函数执行到 yield 语句时,会将结果返回给调用者,但并不会终止函数的执行

下次调用生成器的 __next__() 方法时,函数会从上一次 yield 语句处继续执行,直到再次遇到 yield 或者函数结束

def number_generator():
    yield 1
    yield 2
    yield 3
    yield 4
    yield 5

generator = number_generator()
print(next(generator))  # 输出 1
print(next(generator))  # 输出 2
print(next(generator))  # 输出 3

5.*args 和 **kwargs 区别

请看我这篇文章

python 星号 * 还能这么用

6.什么是 GIL

GIL(全局解释器锁)是 Python 解释器为了保证多线程情况下解释器的稳定性而引入的一种机制

在 CPython 解释器中,由于解释器的内存管理并不是线程安全的,为了避免多线程情况下的数据竞争和死锁等问题,引入了 GIL

GIL 的作用是确保在同一时刻只有一个线程在解释器中执行字节码。这意味着在多线程程序中,Python 解释器的执行是单线程的

当一个线程获取了 GIL 后,其他线程必须等待该线程释放 GIL 才能继续执行。这样虽然能够保证解释器的稳定性,但也导致了在多核 CPU 上,Python 的多线程程序并不能充分利用多核资源

对于 CPU 密集型任务(例如计算密集型的循环操作),多线程并不能带来性能的提升

但是对于 I/O 密集型任务(例如网络请求、文件读写),多线程可以在等待 I/O 的时间内执行其他任务,提高了整体的效率

7.协程是什么

在 Python 中,协程是一种轻量级的并发编程技术,它允许程序在同一个线程内实现多个协程之间的切换,从而实现非阻塞的并发执行

协程与传统的多线程或多进程并发模型不同,它不依赖于操作系统的线程或进程来实现并发,而是完全由 Python 解释器内部的事件循环机制来控制协程的执行

也就是说可以由用户来管理自己内核态—用户态切换的时机

Python里最常见的 yield 就是协程的思想

一个简单的案例

import asyncio

# 定义一个协程函数
async def greet():
    print("Hello")
    await asyncio.sleep(1)  # 模拟耗时操作,让出执行权
    print("World")

# 获取事件循环对象
loop = asyncio.get_event_loop()

# 运行协程函数
loop.run_until_complete(greet())

与《对线面试官》| 高频 Python 面试题 pt.1相似的内容:

《对线面试官》| 高频 Python 面试题 pt.1

**1.聊聊 python 中的值传递和引用传递吧** - 值传递: 值传递意味着在函数调用时,将实际参数的值复制一份传递给函数的形式参数 在函数内部,形式参数将作为局部变量使用,对形式参数的修改不会影响原始变量的值 - 引用传递 引用传递意味着在函数调用时,将实际参数的引用(内存地址)传递给函数的

Java JVM——1.JVM与Java体系结构

前言 作为Java工程师的你曾被伤害过吗?你是否也遇到过这些问题? ✘ 运行着的线上系统突然卡死,系统无法访问,甚至直接OOMM! ✘ 想解决线上JVM GC问题,但却无从下手。 ✘ 新项目上线,对各种JVM参数设置一脸茫然,直接默认吧,然后就JJ了。 ✘ 每次面试之前都要重新背一遍JVM的一些原理

ArcMap手动新建矢量要素的方式

本文介绍在ArcGIS下属ArcMap软件中,新建点、线、面等矢量要素图层,并对新建图层的空间范围加以划定的方法~

drools规则动态化实践

业务逻辑中经常会有一些冗长的判断,需要写特别多的if else,或者一些判断逻辑需要经常修改。这部分逻辑如果以java代码来实现,会面临代码规模控制不住,经常需要修改逻辑上线等多个弊端。这时候我们就需要集成规则引擎对这些判断进行线上化的管理。

【升职加薪秘籍】我在服务监控方面的实践(1)-监控蓝图

大家好,我是蓝胖子,关于性能分析的视频和文章我也大大小小出了有一二十篇了,算是已经有了一个系列,之前的代码已经上传到github.com/HobbyBear/performance-analyze,接下来这段时间我将在之前内容的基础上,结合自己在公司生产上构建监控系统的经验,详细的展示如何对线上服务

【升职加薪秘籍】我在服务监控方面的实践(2)-监控组件配置

>大家好,我是蓝胖子,关于性能分析的视频和文章我也大大小小出了有一二十篇了,算是已经有了一个系列,之前的代码已经上传到 github.com/HobbyBear/performance-analyze ,接下来这段时间我将在之前内容的基础上,结合自己在公司生产上构建监控系统的经验,详细的展示如何对线

【升职加薪秘籍】我在服务监控方面的实践(3)-机器监控

>大家好,我是蓝胖子,关于性能分析的视频和文章我也大大小小出了有一二十篇了,算是已经有了一个系列,之前的代码已经上传到github.com/HobbyBear/performance-analyze,接下来这段时间我将在之前内容的基础上,结合自己在公司生产上构建监控系统的经验,详细的展示如何对线上服

【升职加薪秘籍】我在服务监控方面的实践(4)-日志监控

>大家好,我是蓝胖子,关于性能分析的视频和文章我也大大小小出了有一二十篇了,算是已经有了一个系列,之前的代码已经上传到github.com/HobbyBear/performance-analyze 接下来这段时间我将在之前内容的基础上,结合自己在公司生产上构建监控系统的经验,详细的展示如何对线上服

【升职加薪秘籍】我在服务监控方面的实践(5)-应用监控

>大家好,我是蓝胖子,关于性能分析的视频和文章我也大大小小出了有一二十篇了,算是已经有了一个系列,之前的代码已经上传到github.com/HobbyBear/performance-analyze,接下来这段时间我将在之前内容的基础上,结合自己在公司生产上构建监控系统的经验,详细的展示如何对线上服

【升职加薪秘籍】我在服务监控方面的实践(6)-业务维度的mysql监控

>大家好,我是蓝胖子,关于性能分析的视频和文章我也大大小小出了有一二十篇了,算是已经有了一个系列,之前的代码已经上传到github.com/HobbyBear/performance-analyze,接下来这段时间我将在之前内容的基础上,结合自己在公司生产上构建监控系统的经验,详细的展示如何对线上服