Python面试精华：80道常见问题及生成器、迭代器详解

本文档汇总了Python面试中的常见问题，共计80题，涵盖了大数据文件读取、迭代器与生成器、装饰器应用以及关于全局解释器锁（GIL）的理解。以下是详细的知识点总结： 1. **大数据文件读取** - **生成器与迭代器**：生成器是一种特殊类型的迭代器，通过yield关键字实现，使得代码能够暂停并保留当前状态，每次调用next()时继续执行。生成器相比于迭代器，更简洁高效，特别是在处理大量数据时，因为它们不需要一次性加载整个数据集到内存中。 2. **迭代器与生成器的区别** - 迭代器是一个对象，只要有`next()`方法和`iter()`方法，它就可以作为迭代器使用。Python内置的序列类型如列表、字符串等可以直接用于for循环，其实现就是通过调用iter()函数。 - 生成器则更为简洁，它们看起来像普通函数，但通过yield语句产生值，每次调用next()时返回一个值，直到遇到`return`或达到迭代终点。生成器还自动实现了`__iter__()`和`next()`方法，且更节省内存，适合处理大型数据流。 3. **装饰器**： - 装饰器是Python中一种强大的编程技巧，允许在不修改原函数代码的情况下，动态地增加或修改其行为。装饰器常用于添加日志记录、执行时间测量、权限验证、缓存等功能，提高了代码的复用性和可维护性。 4. **全局解释器锁（GIL）**： - GIL是Python解释器设计的一个特性，它确保任何时候只有一个线程在执行Python字节码，即使在多核环境下，也仅有一个线程在CPU上运行。这在单线程I/O密集型任务中是合理的，但对于计算密集型任务，GIL可能会成为性能瓶颈。 - 当执行外部C/C++扩展函数时，GIL会被释放，直到该函数执行完毕，这表明Python并不天生支持真正的并行计算，但可以利用多进程或多线程结合其他库（如NumPy的多线程加速）来缓解GIL的影响。 这些知识点在实际面试中尤为重要，它们展示了Python语言的基础特性及其在数据处理、性能优化和模块化编程中的应用。面试者应熟练掌握这些概念，并能灵活运用到实际项目中。