一、基础必考题（全员必背）

1. is和==的区别？

标准答案：

● ==：判断两个对象值是否相等，调用__eq__方法

● is：判断两个对象内存地址是否完全一致，即是否是同一个对象

总结：值相等不一定是同一个对象；同一个对象，值一定相等。小整数池、字符串驻留会导致部分小对象is结果为True。

2. 浅拷贝和深拷贝的区别？适用场景？

标准答案：

● 浅拷贝：只拷贝顶层对象，内层嵌套对象共用内存地址，修改内层数据会互相影响

● 深拷贝：递归拷贝所有层级对象，完全独立内存，修改任意层级数据互不影响

场景：单层数据用浅拷贝节省性能；嵌套复杂数据（列表嵌套、字典嵌套）必须用深拷贝，避免数据污染。

3. 列表和元组的区别？为什么元组更快更安全？

标准答案：

1. 可变性：list可变、tuple不可变

2. 内存性能：元组内存占用更小，无动态扩容开销，访问速度更快

3. 安全性：元组数据不可修改，适合存储固定常量、配置数据

4. 可用性：元组可作为字典key、可哈希，列表不可哈希

4. 解释Python LEGB变量作用域规则

标准答案：

Python变量查找遵循LEGB就近原则，优先级从高到低：

L(Local)局部作用域 → E(Enclosing)嵌套外层作用域 → G(Global)全局作用域 → B(Built-in)内置作用域

变量优先在当前局部查找，逐级向外匹配，直至找到内置变量，找不到则报错。

 二、高阶核心题（面试拉分重点）

1. 装饰器的原理、作用，手写一个通用装饰器

标准答案：

原理：装饰器本质是闭包函数，在不修改原函数代码、不改变调用方式的前提下，动态扩展函数功能，符合开闭原则。

常用场景：日志记录、权限校验、接口限流、性能计时、异常捕获。

核心特点：不侵入原业务代码，解耦通用逻辑。

2. 迭代器和生成器的区别？优势是什么？

标准答案：

● 迭代器：实现__iter__和__next__方法，统一遍历接口，可迭代对象不一定是迭代器

● 生成器：特殊的迭代器，通过yield实现，惰性执行，按需生成数据

生成器核心优势：极致节省内存，无需一次性加载全部数据，适合海量数据遍历、日志处理、批量任务场景。遍历一次后失效，无法重复取值。

3. 什么是闭包？闭包的优缺点？

标准答案：

闭包：嵌套函数中，内层函数引用外层函数的局部变量，外层函数返回内层函数，形成闭包。

优点：保留外层变量状态、实现代码解耦、无需全局变量

缺点：会延长变量生命周期，长期使用可能造成内存占用过高

 三、并发与底层高频题（中高级必问）

1. 什么是GIL锁？带来什么影响？如何规避？

标准答案：

GIL（全局解释器锁）是CPython的机制，保证同一时刻一个进程内只有一个线程执行CPU任务。

影响：Python多线程无法利用多核CPU，CPU密集型任务多线程无加速效果，IO密集型任务不受影响。

规避方案：

1. CPU密集：使用多进程，绕过GIL限制，利用多核

2. IO密集：使用多线程/协程，高效提升并发效率

3. 使用C扩展、多解释器规避GIL限制

2. 多线程、多进程、协程如何选型？

标准答案：

● IO密集（网络请求、文件读写、数据库操作）：优先多线程/协程，开销小、并发高

● CPU密集（计算、数据处理）：优先多进程，突破GIL多核限制

● 超高并发轻量任务：优先协程async/await，无线程切换开销

 四、工程实战高频题（落地能力考察）

1. 如何优化Python代码性能？

标准答案：

1. 数据处理：海量数据用生成器，避免一次性加载大对象

2. 循环优化：减少循环嵌套，将固定计算移出循环

3. 并发优化：根据场景合理选用多线程/多进程/协程

4. 数据库优化：加索引、避免全表查询、批量操作替代循环单条操作

5. 内存优化：及时释放无用对象、避免内存泄漏、使用轻量数据结构

6. 代码优化：复用函数逻辑、减少冗余代码、使用内置高效方法

2. 常见Python线上问题如何排查？

标准答案：

1. 内存溢出：排查大对象常驻内存、循环引用、未释放的连接池

2. 接口超时：排查IO阻塞、数据库慢查询、线程阻塞

3. 程序卡顿：排查GIL竞争、死锁、循环死遍历

4. 报错异常：通过日志定位报错堆栈，精准捕获异常，复现问题修复

是不是总觉得，职场路上总差那么一步？

✅ 想晋升，却被 “学历门槛” 卡住；

✅ 想跳槽，技能储备不够没底气；

✅ 站在职业十字路口，不知道往哪走；

✅ 投出 100 份简历，面试邀约寥寥无几……

别慌！我懂每一个职场人的挣扎与渴望，

关注我，后续持续分享「职场干货」「面试技巧」，陪你一起成长～

祝大家都能顺利通关，斩获心仪的大厂 Offer，在技术道路上越走越远！🚀