Python麵試常見問題及答案

以下是 Python 常見麵試題及簡明答案，涵蓋基礎語法、數據結構、高級特性等核心知識點，適合快速複習：

一、基礎語法

1. Python 中的可變和不可變數據類型

可變：列表（list）、字典（dict）、集合（set）。示例：列表追加元素後，內存地址不變。
不可變：整數（int）、字符串（str）、元組（tuple）。示例：字符串拚接會生成新對象。

2. 解釋 GIL（全局解釋器鎖）

GIL 是 Python 解釋器的互斥鎖，確保同一時刻隻有一個線程執行字節碼。
影響：多線程無法利用多核 CPU，適合 I/O 密集型任務，多進程適合 CPU 密集型任務。

3. 深拷貝（deepcopy）和淺拷貝（copy）的區別

淺拷貝：創建新對象，但內部元素引用原對象。示例：copy.copy()，嵌套列表修改會互相影響。
深拷貝：完全獨立的新對象。示例：copy.deepcopy()，完全隔離原對象。

二、數據結構

4. 列表（list）和元組（tuple）的區別

列表：可變，用 [] 定義，支持增刪改。
元組：不可變，用 () 定義，哈希化後可作字典鍵。

5. 字典的鍵需要滿足什麽條件？

鍵必須是不可變類型（如 int, str, tuple）。
示例：{ (1,2): "value" } 合法，{ [1,2]: "value" } 會報錯。

三、麵向對象編程（OOP）

6. 類變量和實例變量的區別

類變量：所有實例共享，通過類名或實例訪問。
實例變量：每個實例獨立，通過 self 定義。

class MyClass:
    class_var = 10  # 類變量
    def __init__(self, value):
        self.instance_var = value  # 實例變量

7. 裝飾器（Decorator）的作用及實現

作用：在不修改原函數代碼的前提下擴展功能（如日誌、計時）。
示例：

def timer(func):
    def wrapper(*args, **kwargs):
        start = time.time()
        result = func(*args, **kwargs)
        print(f"Time taken: {time.time() - start}")
        return result
    return wrapper

@timer
def my_func():
    time.sleep(1)

四、高級特性

8. 生成器（Generator）與迭代器（Iterator）的區別

生成器：用 yield 關鍵字實現，惰性計算，節省內存。示例：(x for x in range(10))。
迭代器：實現 __iter__ 和 __next__ 方法的對象。

9. 上下文管理器（Context Manager）的作用

用於資源管理（如文件操作），通過 with 語句自動釋放資源。
示例：

with open("file.txt", "r") as f:
    content = f.read()  # 退出後自動關閉文件

五、庫與框架

10. 常用的 Python 庫

數據處理：NumPy（數組計算）、Pandas（數據分析）。
Web 開發：Flask（輕量級）、Django（全棧框架）。
網絡請求：requests（HTTP 請求）。

六、算法與設計

11. 列表去重的多種方法

方法 1：list(set(original_list))（可能打亂順序）。
方法 2：sorted(set(original_list), key=original_list.index)（保留順序）。
方法 3：遍曆並判斷元素是否存在新列表。

12. 單例模式（Singleton）實現

方法 1：使用裝飾器。

def singleton(cls):
    instances = {}
    def get_instance(*args, **kwargs):
        if cls not in instances:
            instances[cls] = cls(*args, **kwargs)
        return instances[cls]
    return get_instance

@singleton
class MyClass:
    pass

七、內存與並發

13. Python 的垃圾回收機製

引用計數：對象引用數為 0 時被回收。
分代回收：解決循環引用問題，按對象存活時間分代處理。

14. 多線程 vs 多進程

多線程：共享內存，受 GIL 限製，適合 I/O 密集型。
多進程：獨立內存，可跨 CPU 核心，適合 CPU 密集型。

高頻代碼題

15. 反轉字符串

s = "hello"
reversed_s = s[::-1]  # "olleh"

16. 斐波那契數列（生成器實現）

def fibonacci(n):
    a, b = 0, 1
    for _ in range(n):
        yield a
        a, b = b, a + b

list(fibonacci(5))  # [0, 1, 1, 2, 3]

以上問題覆蓋 Python 麵試核心考點，建議結合代碼實踐加深理解。準備時可針對薄弱點擴展學習，如異步編程（asyncio）、元類（metaclass）等高級主題。