Python面试题（一）：5个最常见的Python基础问题

在准备 Python 相关的面试时，有些问题几乎是必会问的题。

这些问题虽然基础，但如果回答的不清楚，很容易给面试官留下基础不扎实的印象。

这篇文章整理了 5 道 Python 面试中最常见的基础题，并结合简单的示例进行解释，帮助大家不仅能够回答问题，还能真正的理解背后的原理。

当然，这也仅仅是我个人在准备面试过程中整理出来的题目，如果大家有不同意见，欢迎提出！

一、Python 的主要特点是什么？

简答版

Python 是一种 解释型、动态类型的高级编程语言 ，语法简洁、可读性强，并且拥有丰富的标准库和第三方库，因此开发效率非常高，被广泛应用于 Web开发、数据分析、人工智能、自动化运维等领域。

简答版2更精简一些

Python 是一种解释型、动态类型的语言，语法简单，拥有非常丰富的第三方库，因此开发效率比较高。

详细解析

Python 之所以流行，很大程度上来源于它的几个核心特点。

1 解释型语言

Python 是 解释型语言，代码不需要编译成机器码再执行，而是由解释器逐行执行。

例如：

python 复制代码

print("Hello Python")

运行时，Python解释器会直接解释并执行这行代码。

优点：

开发效率高
调试方便
跨平台能力强

缺点：

运行速度通常比编译型语言（如C、C++）慢一些

2 动态类型语言

Python 是 动态类型语言，变量在运行时才确定类型。

例如：

python 复制代码

x = 10 # int
x = "hello" # str

同一个变量可以在不同时间指向不同类型的数据。

优点：

编码更加灵活
不需要声明变量类型

缺点：

容易产生类型错误
大型项目需要良好的代码规范

3 语法简单，可读性强

Python 的设计哲学之一是：

代码应该像自然语言一样容易理解

例如对比 Python 和 Java：

python 复制代码

for i in range(5):
    print(i)

java 复制代码

for(int i=0;i<5;i++){
    System.out.println(i);
}

可以明显看出 Python 更简洁。

4 丰富的标准库和第三方库

Python 生态非常强大，例如：

常见库：

数据分析：pandas
科学计算：numpy
机器学习：scikit-learn
深度学习：tensorflow、pytorch
爬虫：requests、scrapy
Web开发：django、flask

因此 Python 也被称为：

"胶水语言（Glue Language）"

因为它可以把各种系统快速连接起来。

二、Python 列表（List）和元组（Tuple）的区别

这是 Python 面试中 非常高频的问题。

简答版

Python 中：

类型	是否可变
List	可变
Tuple	不可变

列表可以修改元素，而元组创建后不能修改。

详细解析

1 List（列表）

列表是 可变序列。

python 复制代码

a = [1, 2, 3]
a[0] = 100

print(a)

#输出 [100, 2, 3]

列表支持很多操作：

增加
删除
修改
排序

2 Tuple（元组）

元组是 不可变序列。

python 复制代码

t = (1, 2, 3)

t[0] = 100

# 运行报错 TypeError: 'tuple' object does not support item assignment

因为元组创建后 元素不能被修改。

为什么需要 Tuple？

很多人刚学 Python 时会问：

既然 list 可以用，为什么还要 tuple？

主要原因有三个。

1 、Tuple 更安全

不可变意味着：

数据不会被意外修改

例如：

python 复制代码

config = ("127.0.0.1", 3306)

2 、Tuple 速度更快

因为 tuple 不可变，所以 Python 可以进行一些优化。

一般来说：

tuple 的访问速度会略快于 list

3 、Tuple 可以作为字典 key

Python 字典要求 key 必须是可哈希（hashable）的。

list 不行：

python 复制代码

d = {[1,2]: "hello"} # 报错

tuple 可以：

python 复制代码

d = {(1,2): "hello"} # 可行

三、Python 深拷贝和浅拷贝

在 Python 中，变量本质上是 对象的引用。

因此复制对象时，需要区分：

浅拷贝
深拷贝

简答版

浅拷贝：

只复制对象本身，但内部对象仍然共享引用。

深拷贝：

递归复制整个对象结构。

浅拷贝示例

python 复制代码

import copy

a = [[1,2], [3,4]]
b = copy.copy(a)

b[0][0] = 100

print(a)

# 输出：

# [[100, 2], [3, 4]]

原因：

外层列表被复制
内层列表仍然共享引用

深拷贝示例

python 复制代码

import copy

a = [[1,2], [3,4]]
b = copy.deepcopy(a)

b[0][0] = 100

print(a)

# 输出：

# [[1, 2], [3, 4]]

深拷贝会 完全复制所有层级的数据结构。

总结对比

类型	复制对象	复制子对象
浅拷贝	✔	✖
深拷贝	✔	✔

四、Python 的 GIL 是什么？

这是 Python 面试中 非常经典的问题。

简答版

GIL（Global Interpreter Lock）是 Python 的全局解释器锁。

它保证在同一时刻 只有一个线程执行 Python 字节码。

为什么需要 GIL？

Python 使用 引用计数机制进行内存管理。

例如：

python 复制代码

a = []
b = a

对象的引用计数会增加。

如果多个线程同时修改引用计数，就可能产生：数据竞争、内存错误

因此 Python 通过 GIL 保证线程安全。

GIL 的影响

GIL 会影响 多线程的并行能力。

CPU密集型任务

例如：大量计算、数学运算

多线程无法利用多核 CPU。

解决方案：

使用 多进程 multiprocessing。

IO密集型任务

例如：网络请求、文件读写

线程在等待 IO 时会释放 GIL，因此：多线程仍然有效

常见场景：爬虫、Web服务器

五、Python 字典为什么这么快？

Python 字典是 使用频率非常高的数据结构。

简答版

Python 字典底层使用 哈希表（Hash Table）实现。

通过 key 的 hash 值直接定位存储位置，因此查找复杂度接近 O(1)。

字典查找过程

当执行：

python 复制代码

d["name"]

大致步骤是：

1 计算 key 的 hash 值

2 根据 hash 值计算数组索引

3 找到对应位置的数据

因此查找非常快。

示例

python 复制代码

d = {
"name": "Alice",
"age": 20
}

print(d["name"])

时间复杂度：O(1)

哈希冲突

如果两个 key 的 hash 值相同，就会发生 哈希冲突。

Python 会通过：开放寻址法（Open Addressing）

来寻找新的位置。

面试延伸知识

Python 字典还有几个重要特点：

1 、Python3.7 之后字典有序

例如：

复制代码

d = {"a":1, "b":2, "c":3}

遍历顺序就是：

复制代码

a b c

2 、字典扩容机制

当哈希表使用率过高时，Python 会：

自动扩容
重新计算索引

以保证查找效率。