Python Interview

① Memory & Types

可变 vs 不可变

不可变：int / str / tuple → 可作 dict key
可变：list / dict / set → 不能作 dict key

is vs ==

is → 同一个对象；== → 值相等
a = [1,2]; b = [1,2] → a == b 但 a is not b

深/浅拷贝

浅拷贝 copy.copy()：嵌套对象仍是引用
深拷贝 copy.deepcopy()：完全独立的副本

⚠️ 经典陷阱：def f(x=[]) 默认参数只创建一次，所有调用共享！
正确写法：def f(x=None): x = x or []

② Data Structures

类型	特点
`list`	增删末尾 O(1)，`pop(0)` / `insert` 是 O(n)
`dict`	查找/插入/删除 O(1)，Python 3.7+ 有序
`set`	成员判断 O(1)，元素必须可哈希
`tuple`	不可变 list，可作 dict key

怎么选：

需要快速查找 → dict / set
需要头尾操作 → collections.deque
需要优先队列 → heapq（最小堆）
计数 → Counter；自动默认值 → defaultdict

排序：sort() / sorted() 都是 Timsort，稳定，O(n log n)

③ Functions

装饰器

本质：@dec ≡ func = dec(func)，是语法糖
用途：日志、计时、权限校验、缓存
⚠️ 要用 @functools.wraps(func) 保留原函数名

生成器

用 yield 代替 return，惰性求值，省内存
大数据优先用 (x for x in ...) 而非 [x for x in ...]

常用内置

map / filter / zip / enumerate
lambda：匿名函数，适合简单场景
*args（tuple）/ **kwargs（dict）：可变参数

④ OOP & Classes

三大特性：封装 / 继承 / 多态

常考区别：

@classmethod → 第一个参数是 cls，可访问类，常用于工厂方法
@staticmethod → 普通函数，放在类里只是归类，不能访问类或实例
@property → 把方法当属性用，可加 setter 做数据验证

继承与 MRO：

多继承时方法查找顺序：ClassName.__mro__
用 super() 调用父类方法

__str__ vs __repr__：

__str__ → print() 显示，给用户看
__repr__ → 调试用，应能还原对象

⑤ GIL & Concurrency

GIL 是什么
CPython 的全局锁，同一时刻只有一个线程跑 Python 代码。
原因：内存管理（引用计数）不是线程安全的。

核心结论：

I/O 密集（网络请求、文件读写）→ 用 threading
CPU 密集（大量计算）→ 用 multiprocessing

asyncio：
async/await 写法，单线程处理大量 I/O 并发，适合高并发网络场景。
⚠️ 不能有任何阻塞调用（否则会卡死整个事件循环）

⑥ Common Pitfalls

循环闭包

funcs = [lambda: i for i in range(3)]
print([f() for f in funcs])  # [2, 2, 2] ← 全是 2！
# 正确：
funcs = [lambda i=i: i for i in range(3)]

字符串拼接

# 慢，O(n²)
s = ""
for word in words:
    s += word
 
# 快
s = "".join(words)

None 判断

if x is None:   # ✅
if x == None:   # ❌

列表推导式 vs 循环
推导式在 C 层面执行，比等价的 for 循环快 30-50%，优先使用。

with 语句
上下文管理器，自动处理资源的释放（文件关闭、锁释放等）。

Notes

Explorer