Python常见面试题001-005,涉及深浅拷贝、MRO、函数可变参数、作用域、is和==的区别等

Python常见面试题001-005,涉及深浅拷贝、MRO、函数可变参数、作用域、is和==的区别等

Python常见面试题001-005

参考资料

https://github.com/taizilongxu/interview_python

https://github.com/hantmac/Python-Interview-Customs-Collection

https://github.com/kenwoodjw/python_interview_question

有些来自上面(但我也做了自己的补充),有些来自网络或书籍

本文不准备写编程题,偏重于理论一些。你要的话去刷leetcode就是了。
倒序描述,限于篇幅,可能要连载

005. 说说你对浅拷贝、深拷贝的理解

  • 浅拷贝 shallow copy
  • 深拷贝 deep copy

浅拷贝

  • 第一次见浅拷贝是在

    >>> help(list.copy)
    Help on method_descriptor:
    
    copy(self, /)
        Return a shallow copy of the list.
    
  • list列表的copy方法,那浅拷贝到底是怎样的行为表现呢?

  • 示例代码

    list1 = [1,2,3]
    list2 = list1.copy()
    list1.append(4)
    print(list2)  # [1,2,3] list1改变了,list2没变 , 浅拷贝是互相不会影响的
    
  • 来看这段

    list1 = [1,2,3]
    list2 = list1
    list1.append(4)
    print(list2)  # [1,2,3,4]  ,赋值是引用,同时指向了一个内存区域,现在你改变了内存的信息,自然一起改变了
    
  • 在第一个例子中

    list1 = [1,2,3]
    list2 = list1.copy()
    print(id(list1))
    print(id(list2))  # 显然2个id的值是不一样的,所以改变了你,并不会改变我
    
    print(list1 == list2)  # True 
    print(list1 is list2)   # False
    

  • 来看看其他的浅拷贝方式

切片

  • 可变序列的切片创建了一个浅拷贝,不可变序列的切片创建了一个引用

    list1 = [1,2,3]
    list2 = list1[:]
    list1.append(4)
    print(list2)   # [1,2,3] 跟list1不一样
    print(list2 is list1) # False
    tuple1 = (1,2,3)
    tuple2 = tuple1[:]
    print(tuple1 is tuple2)  # True
    

  • 浅拷贝,是指重新分配一块内存,创建一个新的对象,里 面的元素是原对象中子对象的引用。因此,如果原对象中的元素不可变,那倒无所谓;但如果元 素可变,浅拷贝通常会带来一些副作用

构造器

  • 常见的浅拷贝的方法,是使用数据类型本身的构造器

    set1 = {1,2,3}
    set2 = set(set1)
    print(set2 is set1)  # False
    

copy.copy()

  • copy.copy则可以用于任意的数据类型的浅拷贝

    >>> from copy import copy
    >>> help(copy)
    Help on function copy in module copy:
    
    copy(x)
        Shallow copy operation on arbitrary Python objects.
    
        See the module"s __doc__ string for more info.
    
  • 示例代码

    dict1 = {"name":"wuxianfeng","age":18}
    from copy import copy
    dict2 = copy(dict1)
    print(dict2 is dict1)
    dict1["height"] = 180
    print(dict2)
    

特殊情况

  • 来看下面的这些例子

    l1 = [[1, 2], (30, 40)]
    l2 = list(l1)
    l1.append(100)
    l1[0].append(3)
    print(l2)  # 请问此时l2是什么?
    
  • 按照前面的理解,list构造器会产生浅拷贝

    print(l2 is l1)  # False  # 说明这是2个不同的对象
    
  • 按理说l1的变化不会影响到l2

  • 但事实是影响了

    [[1, 2, 3], (30, 40)]  # 第四行代码发生作用了
    
  • 仔细看会发现,line3没有改变,line4改变了

  • 再看一个操作

    # 承上
    l1[1] +=(50,60)
    print(l2)  # 还是[[1, 2, 3], (30, 40)]  但l1肯定是变了的
    
  • 完整的解释

    l1 = [[1, 2], (30, 40)]
    l2 = list(l1)  # 对l1执行浅拷贝,赋予l2。
    # 因为浅拷贝里的元素是对原对象元素的引用,因此l2中的元素和l1中的元素指向同一个列表和元组对象
    
    l1.append(100)
    # 这个操作不会对l2产生任何影响,因为l2和l1作为整体是两个不同的对象,并不共享内存地址
    
    l1[0].append(3)
    # l1[0] 是[1, 2]
    # 因为l1和l2的[1, 2]是同一个对象,不信?
    # print(id(l1[0]))
    # print(id(l2[0]))
    # print(l1[0] is l2[0]) # True
    # 所以l1[0].append(3) 这步会对l1和l2的[1,2]都追加一个元素3
    
    l1[1] +=(50,60)
    # 最麻烦的是这个
    # l1[1] 是(30,40) ,是个元组
    # l2[1] 的确是同一个对象
    # l1[1] +=(50,60) 会创建一个新的,注意是新的!元组
    # 但l2不会
    
  • 你可以这样验证

    print("l1的元组的id",id(l1[1]),"l1的元组的id",id(l2[1]))
    l1[1] +=(50,60)
    print("l1的元组的id",id(l1[1]),"l1的元组的id",id(l2[1]))
    
    
    # 输出参考
    l1的元组的id 2411404337920 l1的元组的id 2411404337920
    l1的元组的id 2411404749456 l1的元组的id 2411404337920
    # 是的,l1中的元组已经变了,l2的没有改变
    
  • 至此你应该发现了浅拷贝的一些副作用

深拷贝

  • 深拷贝来自copy模块的deepcopy方法

  • 同样看上面的例子

    from copy import deepcopy
    l1 = [[1, 2], (30, 40)]
    l2 = deepcopy(l1)
    l1.append(100)
    l1[0].append(3)
    l1[1] +=(50,60)
    print(l2)   # [[1, 2], (30, 40)] # 就是你复制的时候的样子
    
  • 好像deepcopy很完美?

  • 复制的时候的确不希望互相影响

  • 但deepcopy有它的弊端:如果被拷贝对象中存在指向自身的引 用,那么程序很容易陷入无限循环

官方解释

https://docs.python.org/zh-cn/3.9/library/copy.html

  • Python 的赋值语句不复制对象,而是创建目标和对象的绑定关系

  • 对于自身可变,或包含可变项的集合,有时要生成副本用于改变操作,而不必改变原始对象。本模块提供了通用的浅层复制和深层复制操作

    • copy.copy(x) 浅层复制
    • copy.deepcopy(x) 深层复制
  • 浅层与深层复制的区别仅与复合对象(即包含列表或类的实例等其他对象的对象)相关:

    • 浅层复制 构造一个新的复合对象,然后(在尽可能的范围内)将原始对象中找到的对象的 引用 插入其中。
    • 深层复制 构造一个新的复合对象,然后,递归地将在原始对象里找到的对象的 副本 插入其中。
  • 深度复制操作通常存在两个问题, 而浅层复制操作并不存在这些问题:

    • 递归对象 (直接或间接包含对自身引用的复合对象) 可能会导致递归循环。
    • 由于深层复制会复制所有内容,因此可能会过多复制(例如本应该在副本之间共享的数据)
  • deepcopy() 函数用以下方式避免了这些问题:

    • 保留在当前复制过程中已复制的对象的 “备忘录” (memo) 字典;以及
    • 允许用户定义的类重载复制操作或复制的组件集合
  • 下面这个案例说明了一点什么

    from copy import deepcopy
    x = [1]
    x.append(x)
    print(x)  # [1, [...]]
    
    y = deepcopy(x)
    print(y) # [1, [...]]
    
    
    • 按理说y会无限循环,堆栈溢出,但实际上并没有,还是deepcopy做了一些事情规避的

004. 请说出下面代码的返回结果是什么?

参考了 https://www.liujiangblog.com/course/python/44

如有侵权,联系删除

  • 示例代码1

    class D:
        pass
    
    class C(D):
        pass
    
    class B(C):
        def show(self):
            print("i am B")
        pass
    
    class G:
        pass
    
    class F(G):
        pass
    
    class E(F):
        def show(self):
            print("i am E")
        pass
    
    class A(B, E):
        pass
    
    a = A()
    a.show()
    
  • 结果

    i am B  
    
  • 你可以整理出这样的一个继承关系

  • 从执行结果看先走 是A(B,E)中左侧的B这个分支:可见,在A的定义中,继承参数的书写有先后顺序,写在前面的被优先继承。

  • 你可以查看A的__mro__属性

    print(A.__mro__)  # 你也可以这样print(A.mro())
    # 是个元组
    (<class "__main__.A">, <class "__main__.B">, <class "__main__.C">, <class "__main__.D">, <class "__main__.E">, <class "__main__.F">, <class "__main__.G">, <class "object">)
    
  • 如果你改成这样

    class A(E,B):
        pass
    
    print(A.__mro__)
    
  • 顺序自然成了这样

    (<class "__main__.A">, <class "__main__.E">, <class "__main__.F">, <class "__main__.G">, <class "__main__.B">, <class "__main__.C">, <class "__main__.D">, <class "object">)
    
  • 继承关系下的搜索顺序

  • 所以,把代码改为这样,输出你应该毫无疑问了

    class D:
        def show(self):
            print("i am D")
        pass
    
    class C(D):
        pass
    
    class B(C):
    
        pass
    
    class G:
        pass
    
    class F(G):
        pass
    
    class E(F): 
        def show(self):
            print("i am E")
        pass
    
    class A(B, E):
        pass
    
    a = A()
    a.show()  # i am D
    
  • 那么这样呢?

    class H:
        def show(self):
            print("i am H")
        pass
    
    class D(H):
        pass
    
    class C(D):
        pass
    
    class B(C):
        pass
    
    class G(H):
        pass
    
    class F(G):
        pass
    
    class E(F): 
        def show(self):
            print("i am E")
        pass
    
    class A(B, E):
        pass
    
    a = A()
    a.show()
    
  • 继承关系是这样的

  • 答案是

    i am E
    
  • 看MRO

    print(A.__mro__)
    
    (<class "__main__.A">, <class "__main__.B">, <class "__main__.C">, <class "__main__.D">, <class "__main__.E">, <class "__main__.F">, <class "__main__.G">, <class "__main__.H">, <class "object">)
    
  • 所以继承树的搜索顺序是这样的

  • 而所有的继承其实都是这2种图形的变化

  • 比如这样的代码

    class D():
        pass
    
    class G():
        def show(self):
            print("i am G")
        pass
    
    class F(G):
        pass
    
    class C(D):
        pass
    
    class B(C,F):
        pass
    
    class E(F):
        def show(self):
            print("i am E")
        pass
    
    class A(B, E):
        pass
    
    a = A()
    a.show()
    
  • 你先分析下应该输出啥,继承树是怎样的,MRO是如何的?

  • 输出

    i am E
    
  • 继承树

  • MRO

    (<class "__main__.A">, <class "__main__.B">, <class "__main__.C">, <class "__main__.D">, <class "__main__.E">, <class "__main__.F">, <class "__main__.G">, <class "object">)
    

  • 关于类的继承

    • 子类在调用某个方法或变量的时候,首先在自己内部查找,如果没有找到,则开始根据继承机制在父类里查找。
    • 根据父类定义中的顺序,以深度优先的方式逐一查找父类!
    • 子类永远在父类前面,如果有多个父类,会根据它们在列表中的顺序被检查,如果对下一个类存在两个合法的选择,选择第一个父类
  • MRO:即Method Resolution Order(方法解析顺序)

  • 从Python 2.3开始计算MRO一直是用的C3算法

    https://www.python.org/download/releases/2.3/mro/
    
  • C3算法的简单解释可以参考码农高天的这个视频:https://www.bilibili.com/video/BV1V5411S7dY

003. 请说出下面的代码返回结果是什么?为何?如何改进?

知识点: 函数参数的类型

  • 示例代码

    def f(a, L=[]):
        L.append(a)
        return L
    
    print(f(1))
    print(f(1))
    
  • 据说是国内某上市互联网公司Python面试真题(略作改动),而实际在python的官网也有

    https://docs.python.org/zh-cn/3.9/tutorial/controlflow.html#default-argument-values
    
  • 烂大街了

  • 典型的错误答案

    [1]
    [1]
    
  • 实际的答案

    [1]
    [1, 2]
    
  • 因为Python函数体在被读入内存的时候,默认参数a指向的空列表对象就会被创建,并放在内存里了。因为默认参数a本身也是一个变量,保存了指向对象[]的地址。每次调用该函数,往a指向的列表里添加一个A。a没有变,始终保存的是指向列表的地址,变的是列表内的数据!

  • 修改

    def f(a, L=None):
        if L is None:
            L = []
        L.append(a)
        return L
    print(f(1))
    print(f(1))
    

  • 官网的重要警告: 默认值只计算一次。默认值为列表、字典或类实例等可变对象时,会产生与该规则不同的结果

  • 这样的代码

    def f(a, L=[]):
        L.append(a)
        return L
    
    print(f(1))
    print(f(2))  # 被我改成了1,具有欺骗性一点
    print(f(3))  # 去掉了,3个放一起,你都能猜到有点猫腻了,2个虽然也....总归好一点
    
  • 上面的函数会累积后续调用时传递的参数

  • 不想在后续调用之间共享默认值时,建议用None这样的不可变对象来存储

    def f(a, L=None):
        if L is None:
            L = []
        L.append(a)
        return L
    

002. 请分别说出下面的代码返回结果是什么?为何?

知识点: 作用域

  • 示例代码1

    def func(x):
        print(x)
        print(y)
    
    func(1)  
    
  • 示例代码2

    y = 1
    def func(x):
        print(x)
        print(y)
    
    func(1)
    
  • 示例代码3

    y = 1
    def func(x):
        print(x)
        print(y)
        y = 2
    
    func(1)
    

  • 示例代码1的执行结果

    NameError: name "y" is not defined
    
  • 示例代码2的执行结果

    1
    1
    
  • 示例代码3的执行结果

    UnboundLocalError: local variable "y" referenced before assignment
    

解释3

  • Python 编译函数的定义体时,它判断 b 是局部变量,依据是y=2,你对它进行了赋值。Python 会尝试从本地环境获取 b。
  • 后面调用 func(1)时,func的定义体会获取并打印局部变量x 的值,但是尝试获取局部变量 y 的值时,发现 y 没有 绑定值就报错了。
  • 这不是缺陷,这是设计如此(做测试是不是经常听到这句话)
    • Python 不要求声明变量,但是假定在函数定义体中赋值的变 量,那就认为它是局部变量

对于代码3的处理

  • 示例代码3(更改)

    y = 1
    def func(x):
        global y
        print(x)
        print(y)
        y = 2
    
    func(1)
    
  • 这样解释器就会把 y 当成全局变量,从而找到第一行的y=1并print出来了

从函数的字节码也能看出来这个过程

  • 代码1

    def func(x):
        print(x)
        print(y)
        y = 2
    
    from dis import dis
    dis(func)
    
  • 字节码

      3           0 LOAD_GLOBAL              0 (print) # 加载全局名称print
                  2 LOAD_FAST                0 (x)     # 加载本地名称x
                  4 CALL_FUNCTION            1
                  6 POP_TOP
    
      4           8 LOAD_GLOBAL              0 (print)
                 10 LOAD_FAST                1 (y)   # 加载本地名称y
                 12 CALL_FUNCTION            1
                 14 POP_TOP
    
      5          16 LOAD_CONST               1 (2)
                 18 STORE_FAST               1 (y)
                 20 LOAD_CONST               0 (None)
                 22 RETURN_VALUE
    

  • 示例代码2

    y = 1
    def func(x):
        print(x)
        print(y)
    
    
    from dis import dis
    dis(func)
    
  • 字节码

      3           0 LOAD_GLOBAL              0 (print)
                  2 LOAD_FAST                0 (x)
                  4 CALL_FUNCTION            1
                  6 POP_TOP
    
      4           8 LOAD_GLOBAL              0 (print)
                 10 LOAD_GLOBAL              1 (y)  # 看这里的变化,是全局变量了
                 12 CALL_FUNCTION            1
                 14 POP_TOP
                 16 LOAD_CONST               0 (None)
                 18 RETURN_VALUE
    
    进程已结束,退出代码为 0
    
    

  • 示例代码3

    y = 1
    def func(x):
        print(x)
        print(y)
        y = 2
    
    from dis import dis
    dis(func)
    
  • 字节码

    3           0 LOAD_GLOBAL              0 (print)
                  2 LOAD_FAST                0 (x)
                  4 CALL_FUNCTION            1
                  6 POP_TOP
    
      4           8 LOAD_GLOBAL              0 (print)
                 10 LOAD_FAST                1 (y)  # 又变成了本地
                 12 CALL_FUNCTION            1
                 14 POP_TOP
    
      5          16 LOAD_CONST               1 (2)
                 18 STORE_FAST               1 (y)
                 20 LOAD_CONST               0 (None)
                 22 RETURN_VALUE
    
  • 示例代码3(更改)

    y = 1
    def func(x):
        global y
        print(x)
        print(y)
        y = 2
    
    from dis import dis
    dis(func)
    
  • 字节码

      4           0 LOAD_GLOBAL              0 (print)
                  2 LOAD_FAST                0 (x)
                  4 CALL_FUNCTION            1
                  6 POP_TOP
    
      5           8 LOAD_GLOBAL              0 (print)
                 10 LOAD_GLOBAL              1 (y)
                 12 CALL_FUNCTION            1
                 14 POP_TOP
    
      6          16 LOAD_CONST               1 (2)
                 18 STORE_GLOBAL             1 (y)
                 20 LOAD_CONST               0 (None)
                 22 RETURN_VALUE
    

看不懂字节码不要紧的,当然非要,你可以去参考https://docs.python.org/zh-cn/3/library/dis.html

作用域LEGB相关知识单独考虑弄个博文

001. is和==有什么区别

  • ==是对象的值的比较,也就是对象保存的数据。

  • is比较的是对象的标识。

  • 示例代码1

    a = [1,2,3]
    b = [1,2,3]
    print(a == b)  # True
    print(a is b)  # False
    
  • is的背后是id,is比较为True,说明2个id的返回是一样的

  • 在 CPython 中,id() 返回对象的内存地址, 但是在其他 Python 解释器中可能是别的值。关键是,ID 一定是唯一的数值标注,而且在 对象的生命周期中绝不会变。

上面的话引自 <流畅的python> 8.2 标识、相等性、别名

这些知识涉及对象的引用,相关的面试题如浅拷贝/深拷贝、重载运算符(==)等

浅拷贝也考虑单独剥离弄个博文或主题

  • 示例代码2

    >>> a = 257
    >>> b = 257
    >>> a is b
    False
    >>> a == b
    True
    
    # 但是这个呢?
    >>> c = d = 256
    >>> c is d
    True
    
  • 这是因为出于对性能优化的考虑,Python内部会对-5到256的整型维持一个数组,起到一个缓存 的作用。这样,每次你试图创建一个-5到256范围内的整型数字时,Python都会从这个数组中返回相对应的引用,而不是重新开辟一块新的内存空间。

  • 但是,如果整型数字超过了这个范围,比如上述例子中的257,Python则会为两个257开辟两块 内存区域,因此a和b的ID不一样,a is b就会返回False了。

  • 比较操作符”is”的速度效率,通常要优于”==”。因为”is”操作符不能被重载,这 样,Python就不需要去寻找,程序中是否有其他地方重载了比较操作符,并去调用。执行比较操作符”is”,就仅仅是比较两个变量的ID而已。

  • 但是”==”操作符却不同,执行a == b相当于是去执行a.__eq__(b),而Python大部分的数据类型都 会去重载__eq_这个函数,其内部的处理通常会复杂一些。比如,对于列表,__eq_函数会去 遍历列表中的元素,比较它们的顺序和值是否相等。

hmoban主题是根据ripro二开的主题,极致后台体验,无插件,集成会员系统
自学咖网 » Python常见面试题001-005,涉及深浅拷贝、MRO、函数可变参数、作用域、is和==的区别等