Python开发面试题及答案.docx

Python开发面试题及答案

一、基础语法与数据类型

问题：列表（list）和元组（tuple）的核心区别是什么？实际开发中怎么选择？

答案：

可变性：list可变（支持append/pop等修改操作），tuple不可变（创建后无法修改元素）；

性能：tuple因不可变，内存占用更小，访问速度比list快；

应用场景：存储固定配置（如数据库地址、接口参数）用tuple，避免误修改；存储动态数据（如用户列表、日志记录）用list。

问题：Python中is和==的区别？举个实际例子说明。

答案：

==判断值是否相等，is判断内存地址（是否为同一对象）；

例子：a=[1,2]，b=[1,2]，a==b结果为True（值相同），aisb结果为False（不同内存地址）；

注意：小整数（-5~256）和短字符串会被Python缓存，如c=10，d=10，cisd为True，但超过范围的整数无此特性。

二、进阶特性

问题：装饰器（decorator）的作用是什么？写一个实际开发中常用的日志装饰器。

答案：

作用：在不修改原函数代码的前提下，为函数添加额外功能（如日志、权限校验、缓存），符合开闭原则；

日志装饰器示例：

importlogging

fromfunctoolsimportwraps

logging.basicConfig(level=logging.INFO)

deflog_decorator(func):

@wraps(func)#保留原函数的__name__和__doc__，避免调试混乱

defwrapper(*args,**kwargs):

logging.info(f函数{func.__name__}调用，参数：{args},{kwargs})

result=func(*args,**kwargs)

logging.info(f函数{func.__name__}返回：{result})

returnresult

returnwrapper

#使用：给需要打日志的函数加装饰器

@log_decorator

defadd(a,b):

returna+b

问题：生成器（generator）相比普通列表有什么优势？什么场景下用生成器？

答案：

优势：生成器通过yield逐次返回数据，不一次性加载所有数据到内存，大幅节省内存占用；

适用场景：处理大文件（如10G日志文件按行读取）、生成海量数据（如百万级ID列表），避免内存溢出；

例子：读取大文件的生成器函数：

defread_large_file(file_path,chunk_size=1024):

withopen(file_path,r,encoding=utf-8)asf:

whilechunk:=f.read(chunk_size):#3.8+海象运算符

yieldchunk

三、性能与异常处理

问题：Python处理大数据时，有哪些常见的性能优化手段？

答案：

数据结构优化：用collections.defaultdict避免键不存在的判断，用set做成员检测（O(1)复杂度，比list的O(n)快）；

循环优化：用列表推导式（[x*2forxinlst]）代替for循环+append，列表推导式是C级实现，比Python级循环快3~5倍；

缓存优化：用functools.lru_cache缓存重复计算的函数结果（如斐波那契数列、频繁查询的配置）；

底层优化：CPU密集型任务用multiprocessing（规避GIL锁），IO密集型任务用asyncio（协程）或threading。

问题：实际开发中，如何合理处理异常？举个文件读取的例子。

答案：

原则：不捕获所有异常（避免bareexcept），只捕获明确需要处理的异常；异常块内做具体处理（如日志、重试），不吞掉异常；

文件读取示例：

defread_file(file_path):

try:

withopen(file_path,r,encoding=utf-8)asf:

returnf.read()

exceptFileNotFoundError:

logging.error(f文件不存在：{file_path})

returnNone#或抛自定义异常让上层处理

excep