一、Python基础

• L1 Python的可变与不可变数据类型有哪些？底层实现原理？
• L1 Python2与Python3的主要区别
• L2 解释GIL全局解释器锁及其对多线程的影响
• L2 装饰器Decorator的作用与实现原理

二、关键Python库

• L1 Pandas的核心作用及数据结构
• L2 常用Pandas操作与缺失值处理
• L2 百万级数据优化技巧
• L1 NumPy的优势及常用操作

三、Web开发

• L2 Django、Flask、Tornado核心区别与适用场景
• L2 Python实现Session共享的常用方案

四、并发与性能

• L2 Python中如何避免死锁常见场景与解决方案
• L2 生成器Generator与列表推导式的内存优化对比

五、系统设计

• L3 高并发RESTful API设计要点

---

答案区

一、Python基础

Python的可变与不可变数据类型有哪些？底层实现原理？

难度：L1

• 可变类型：列表、字典、集合，允许原地修改，内存地址不变。
• 不可变类型：数字、字符串、元组，修改会创建新对象。
• 重点：理解对象内存机制，避免字符串拼接等性能陷阱。

---

Python2与Python3的主要区别

难度：L1

• print语法、字符串/Unicode处理、异常语法、除法行为、xrange等。

---

解释GIL全局解释器锁及其对多线程的影响

难度：L2

• GIL保证同一时刻只有一个线程执行字节码，CPU密集型任务无法利用多核，I/O密集型影响较小。
• 解决方案：多进程（multiprocessing）或协程（asyncio）。

---

装饰器Decorator的作用与实现原理

难度：L2

• 以声明式语法增强代码功能，体现AOP思想，常用于日志、监控、安全等场景。
• 语法糖本质：函数作为参数和返回值。

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

---

二、关键Python库

Pandas的核心作用及数据结构

难度：L1

• 主要用于数据分析与科学计算，核心结构为Series（一维）和DataFrame（二维）。

---

常用Pandas操作与缺失值处理

难度：L2

• groupby、merge、join、concat、apply等。
• 缺失值处理：fillna、dropna、interpolate。

---

百万级数据优化技巧

难度：L2

• 分块读取（pd.read_csv(chunksize=…)）、数据类型优化、query替代循环。

---

NumPy的优势及常用操作

难度：L1

• 支持高效多维数组，底层C实现，内存连续，支持矢量化和广播。
• 常用创建/索引/切片/重塑/数学统计函数。

---

三、Web开发

Django、Flask、Tornado核心区别与适用场景

难度：L2

• Django：全栈，适合大型复杂应用，MTV架构，内置ORM和Admin。
• Flask：轻量灵活，适合小型/微服务/高度定制，需手动集成扩展。
• Tornado：异步高并发，适合实时通信和高吞吐API。

---

Python实现Session共享的常用方案

难度：L2

• 通过分布式缓存（如Redis）存储Session。
• Flask示例：

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

---

四、并发与性能

Python中如何避免死锁常见场景与解决方案

难度：L2

• 多线程竞争资源（如数据库连接池）。
• 解决：固定顺序加锁、设置超时（Lock().acquire(timeout=…)）。

---

生成器Generator与列表推导式的内存优化对比

难度：L2

• 生成器按需生成，节省内存，适合大数据流处理。
• 列表推导式一次性生成全部数据，内存占用大。

# 列表推导式
list_data = [x**2 for x in range(1_000_000)]
# 生成器表达式
gen_data = (x**2 for x in range(1_000_000))

---

五、系统设计

高并发RESTful API设计要点

难度：L3

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

---

参考链接

• Python面试题解析