Python面试题

Python面试题回答

1. Python面向对象的三个特征？

Python面向对象编程的三个主要特征是：

• 封装(Encapsulation)：将数据和操作数据的方法绑定在一起，隐藏内部实现细节，只暴露必要的接口。在Python中通过类(class)实现。
• 继承(Inheritance)：子类可以继承父类的属性和方法，实现代码重用。Python支持多重继承。
• 多态(Polymorphism)：同一操作作用于不同对象可以有不同的解释和执行结果。Python通过鸭子类型(duck typing)实现多态。

多态如何实现和使用

在Python中，多态的实现和使用可以通过以下几种方式：

1. 通过鸭子类型实现多态
Python不检查对象类型，而是关注对象是否具有所需方法或属性。只要对象实现了对应方法，就可以被调用。

class Cat:def speak(self):return "喵喵~"class Dog:def speak(self):return "汪汪！"def animal_speak(animal):print(animal.speak())# 不同对象都可以调用
animal_speak(Cat())  # 输出：喵喵~
animal_speak(Dog())  # 输出：汪汪！

2. 通过继承和方法重写实现多态
子类可以重写父类的方法，实现不同的行为表现。

class Animal:def speak(self):raise NotImplementedError("子类必须实现此方法")class Cat(Animal):def speak(self):return "喵喵~"class Dog(Animal):def speak(self):return "汪汪！"# 统一调用接口
animals = [Cat(), Dog()]
for animal in animals:print(animal.speak())

3. 使用抽象基类规范多态
通过abc模块强制要求子类实现特定方法。

from abc import ABC, abstractmethodclass Shape(ABC):@abstractmethoddef area(self):passclass Circle(Shape):def __init__(self, radius):self.radius = radiusdef area(self):return 3.14 * self.radius ** 2class Square(Shape):def __init__(self, side):self.side = sidedef area(self):return self.side ** 2# 统一调用方式
shapes = [Circle(5), Square(4)]
for shape in shapes:print(f"面积: {shape.area()}")

4. 运算符重载实现多态
通过特殊方法实现运算符的多态行为。

class Vector:def __init__(self, x, y):self.x = xself.y = ydef __add__(self, other):return Vector(self.x + other.x, self.y + other.y)def __str__(self):return f"({self.x}, {self.y})"v1 = Vector(1, 2)
v2 = Vector(3, 4)
print(v1 + v2)  # 输出：(4, 6)

实际应用场景：

• 支付系统：统一处理支付宝、微信等不同支付方式
• 数据库操作：不同数据库驱动实现相同接口
• 游戏开发：不同角色实现相同的攻击接口
• 插件系统：统一调用插件接口

多态的优势：

• 提高代码扩展性，新增功能只需添加新类
• 增强代码可维护性，统一调用接口
• 降低耦合度，各模块独立发展
• 提高代码复用性，通用逻辑只需编写一次

注意事项：

• Python的多态更加灵活，不强制要求继承关系
• 建议使用抽象基类来规范接口
• 注意文档说明，明确各子类需要实现的方法
• 适当使用类型提示提高代码可读性

---

2. is 和 == 的区别？

• == 是值比较，检查两个对象的值是否相等
• is 是身份比较，检查两个对象是否是内存中的同一个对象(即id是否相同)

示例：

a = [1, 2, 3]
b = a
c = [1, 2, 3]a == b  # True
a is b  # True
a == c  # True
a is c  # False (不同对象)

3. GIL了解吗？说说

GIL(Global Interpreter Lock)是全局解释器锁，是CPython解释器中的一个机制：

• 同一时刻只允许一个线程执行Python字节码
• 目的是简化CPython实现和内存管理
• 主要影响CPU密集型多线程程序(会使多线程无法真正并行)
• 对I/O密集型任务影响不大(因为I/O操作会释放GIL)
• 可以通过多进程(而非多线程)来绕过GIL限制

4. 可变类型和不可变类型？

• 不可变类型(immutable)：创建后不能修改内容

  • 数字(int, float, complex)
  • 字符串(str)
  • 元组(tuple)
  • 布尔(bool)
  • frozenset

• 可变类型(mutable)：创建后可以修改内容

  • 列表(list)
  • 字典(dict)
  • 集合(set)
  • 字节数组(bytearray)

5. yield用法？

yield用于定义生成器函数：

• 函数执行到yield时会暂停并返回yield后的值
• 下次调用时会从暂停处继续执行
• 相比return，yield可以多次返回值
• 节省内存，适合处理大数据集(惰性求值)

示例：

def count_up_to(max):count = 1while count <= max:yield countcount += 1# 使用
for num in count_up_to(5):print(num)

6. 深拷贝和浅拷贝区别？

• 浅拷贝(copy.copy)：

  • 只复制对象本身，不复制内部的子对象
  • 新对象和原对象共享内部子对象
  • 适用于不可变对象或简单结构

• 深拷贝(copy.deepcopy)：

  • 递归复制对象及其所有子对象
  • 新对象和原对象完全独立
  • 适用于嵌套结构或需要完全独立的场景

示例：

import copylst1 = [1, [2, 3], 4]
lst2 = copy.copy(lst1)    # 浅拷贝
lst3 = copy.deepcopy(lst1) # 深拷贝lst1[1][0] = 'changed'
# lst2会看到变化，lst3不会

7. Python中的线程

Python中的线程：

• 通过threading模块实现
• 由于GIL限制，多线程不适合CPU密集型任务
• 适合I/O密集型任务(如网络请求、文件操作)
• 线程共享同一进程的内存空间
• 需要注意线程安全问题(使用Lock、RLock等同步机制)

基本使用：

import threadingdef worker():print("Worker thread")t = threading.Thread(target=worker)
t.start()

8. 生成器和迭代器区别

• 迭代器(Iterator)：

  • 实现了__iter__和__next__方法的对象
  • 一次性，遍历后无法重新开始
  • 所有生成器都是迭代器

• 生成器(Generator)：

  • 使用yield关键字定义的函数返回的对象
  • 一种特殊的迭代器，更简洁的实现方式
  • 惰性求值，节省内存
  • 可以通过生成器表达式创建(类似列表推导式，但用圆括号)

示例：

# 迭代器
class Count:def __init__(self, low, high):self.current = lowself.high = highdef __iter__(self):return selfdef __next__(self):if self.current > self.high:raise StopIterationelse:self.current += 1return self.current - 1# 生成器
def count_gen(low, high):current = lowwhile current <= high:yield currentcurrent += 1

9. *args和**kwargs是什么？区别，用法

• *args：

  • 用于接收任意数量的位置参数
  • 参数被打包为元组(tuple)
  • 函数定义时使用

• **kwargs：

  • 用于接收任意数量的关键字参数
  • 参数被打包为字典(dict)
  • 函数定义时使用

区别：

• *args处理无名参数，**kwargs处理有名参数
• 可以同时使用，但*args必须在**kwargs之前

用法示例：

def example_func(arg1, *args, **kwargs):print(f"固定参数: {arg1}")print(f"额外位置参数: {args}")print(f"额外关键字参数: {kwargs}")example_func(1, 2, 3, 4, name="Alice", age=25)

输出：

固定参数: 1
额外位置参数: (2, 3, 4)
额外关键字参数: {'name': 'Alice', 'age': 25}