Python面试十问

深浅拷贝的区别？

浅拷⻉：拷⻉的是对象的引⽤，如果原对象改变，相应的拷⻉对象也会发⽣改变。

深拷⻉：拷⻉对象中的每个元素，拷⻉对象和原有对象不在有关系，两个是独⽴的对象。

浅拷⻉(copy)：拷⻉⽗对象，不会拷⻉对象的内部的⼦对象。

深拷⻉(deepcopy)： copy 模块的 deepcopy ⽅法，完全拷⻉了⽗对象及其⼦对象。

装饰器及其应用场景？

装饰器（Decorator）是⼀种结构型设计模式，它可以动态地给⼀个对象添加额外的职责，同时⼜不改变其原有的接⼝和实现。通俗地说，就是通过组合的⽅式，为对象添加新的⾏为或特性。

⽇志记录：可以定义⼀个装饰器函数，⽤于在函数调⽤时记录⽇志信息，如函数的参数、返回值等。
性能分析：可以定义⼀个装饰器函数，⽤于在函数调⽤时计算函数的执⾏时间，以便进⾏性能优化。

import time
def time_it(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"函数 {func.__name__} 执⾏时间为：{end_time - start_time} 秒")
        return result
    return wrapper
@time_it
def my_function():
    time.sleep(2)
    print("Hello, World!")
my_function()

我们定义了⼀个装饰器函数time_it，它接受⼀个函数作为参数，并返回⼀个新的函数
wrapper。wrapper函数可以记录函数执⾏前后的时间，并输出执⾏时间信息。在my_function函数前⾯加上@time_it装饰器，表示对my_function函数应⽤time_it装饰器。

当调用my_function函数时，实际上会调⽤被time_it装饰过的wrapper函数，从⽽记录函数的执⾏时间。

装饰器的实质是什么

装饰器是要把原来的函数装饰成新的函数，并且返回这个函数本身的⾼阶函数。

Python迭代器及场景？

Python中的迭代器是一个可以记住遍历的位置的对象，它实现了两个方法：__iter__() 和 __next__()。__iter__() 方法返回迭代器对象本身，__next__() 方法返回容器中的下一个值。当没有更多的元素时，__next__() 方法会抛出 StopIteration 异常。

迭代器常⽤于遍历序列、集合、字典等容器类型数据。它的优点是可以惰性计算，只有在需要时才会计算，避免了⼀次性加载所有数据的开销，同时也可以节省内存空间。

例⼦：

my_list = [1, 2, 3, 4, 5]
my_iterator = iter(my_list)
while True:
    try:
        item = next(my_iterator)
        print(item)
    except StopIteration:
        break
# 我们通过 iter() 函数将列表 my_list 转化为⼀个迭代器对象 my_iterator

Python⽣成器是什么

在Python中，⽣成器（Generator）是⼀种特殊的迭代器，它使⽤⽣成器函数来⽣成序列中的元素，⽽不是在内存中⼀次性⽣成所有元素。

⽣成器函数是使⽤yield关键字定义的函数，每次调⽤⽣成器函数时，它会返回⼀个迭代器对象，调⽤next()⽅法时，它会从上次暂停的位置继续执⾏，直到遇到下⼀个yield语句，然后返回⼀个值，并再次暂停。

def fibonacci():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b

fib = fibonacci()
for i in range(10):
    print(next(fib))

Python多线程与多进程的区别

多线程中的多个线程共享同一个进程的内存空间，因此它们可以访问相同的变量和数据结构。这意味着线程之间的数据共享和通信比较容易，但也可能导致竞争条件和线程安全问题。相反，多进程中的每个进程有自己的独立内存空间，进程间的数据共享需要借助于进程间通信（IPC）机制，如管道、队列或共享内存等。创建和管理线程的开销通常小于进程，因为进程间的独立性使得它们需要更多的资源来维护。然而，由于线程之间共享内存，同步和协调线程的操作可能比在进程之间进行通信更复杂。