《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() 和 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__ 等

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__() 和 __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())