一、Python基礎

• L1 Python的可變與不可變數據類型有哪些？底層實現原理？
• L1 Python2與Python3的主要區別
• L2 解釋GIL全局解釋器鎖及其對多線程的影響
• L2 裝飾器Decorator的作用與實現原理

二、關鍵Python庫

• L1 Pandas的核心作用及數據結構
• L2 常用Pandas操作與缺失值處理
• L2 百萬級數據優化技巧
• L1 NumPy的優勢及常用操作

三、Web開發

• L2 Django、Flask、Tornado核心區別與適用場景
• L2 Python實現Session共享的常用方案

四、并發與性能

• L2 Python中如何避免死鎖常見場景與解決方案
• L2 生成器Generator與列表推導式的內存優化對比

五、系統設計

• L3 高并發RESTful API設計要點

---

答案區

一、Python基礎

Python的可變與不可變數據類型有哪些？底層實現原理？

難度：L1

• 可變類型：列表、字典、集合，允許原地修改，內存地址不變。
• 不可變類型：數字、字符串、元組，修改會創建新對象。
• 重點：理解對象內存機制，避免字符串拼接等性能陷阱。

---

Python2與Python3的主要區別

難度：L1

• print語法、字符串/Unicode處理、異常語法、除法行為、xrange等。

---

解釋GIL全局解釋器鎖及其對多線程的影響

難度：L2

• GIL保證同一時刻只有一個線程執行字節碼，CPU密集型任務無法利用多核，I/O密集型影響較小。
• 解決方案：多進程（multiprocessing）或協程（asyncio）。

---

裝飾器Decorator的作用與實現原理

難度：L2

• 以聲明式語法增強代碼功能，體現AOP思想，常用于日志、監控、安全等場景。
• 語法糖本質：函數作為參數和返回值。

import time
def timer(func):def wrapper(*args, **kwargs):start = time.time()result = func(*args, **kwargs)print(f"{func.__name__}耗時：{time.time() - start:.2f}秒")return resultreturn wrapper
@timer
def calculate():time.sleep(1)

---

二、關鍵Python庫

Pandas的核心作用及數據結構

難度：L1

• 主要用于數據分析與科學計算，核心結構為Series（一維）和DataFrame（二維）。

---

常用Pandas操作與缺失值處理

難度：L2

• groupby、merge、join、concat、apply等。
• 缺失值處理：fillna、dropna、interpolate。

---

百萬級數據優化技巧

難度：L2

• 分塊讀取（pd.read_csv(chunksize=…)）、數據類型優化、query替代循環。

---

NumPy的優勢及常用操作

難度：L1

• 支持高效多維數組，底層C實現，內存連續，支持矢量化和廣播。
• 常用創建/索引/切片/重塑/數學統計函數。

---

三、Web開發

Django、Flask、Tornado核心區別與適用場景

難度：L2

• Django：全棧，適合大型復雜應用，MTV架構，內置ORM和Admin。
• Flask：輕量靈活，適合小型/微服務/高度定制，需手動集成擴展。
• Tornado：異步高并發，適合實時通信和高吞吐API。

---

Python實現Session共享的常用方案

難度：L2

• 通過分布式緩存（如Redis）存儲Session。
• Flask示例：

from flask import Flask
from flask_session import Session
app = Flask(__name__)
app.config['SESSION_TYPE'] = 'redis'
Session(app)

---

四、并發與性能

Python中如何避免死鎖常見場景與解決方案

難度：L2

• 多線程競爭資源（如數據庫連接池）。
• 解決：固定順序加鎖、設置超時（Lock().acquire(timeout=…)）。

---

生成器Generator與列表推導式的內存優化對比

難度：L2

• 生成器按需生成，節省內存，適合大數據流處理。
• 列表推導式一次性生成全部數據，內存占用大。

# 列表推導式
list_data = [x**2 for x in range(1_000_000)]
# 生成器表達式
gen_data = (x**2 for x in range(1_000_000))

---

五、系統設計

高并發RESTful API設計要點

難度：L3

• 異步框架（FastAPI/Tornado）、Redis緩存、限流（令牌桶算法）。

---

參考鏈接

• Python面試題解析