1.4 python 基础面试题

这些问题确实是 Python 面试中的"基础照妖镜"，看似简单，但非常考验你对 Python 底层机制的掌握程度。下面我不仅给出答案，还会附上面试官想听的"加分回答"和代码佐证，让你在面试中能碾压式输出。

---

1. *args 和 **kwargs（可变参数）

• 是什么 ：
  • *args 用来接收任意数量的位置参数，打包成一个元组（tuple）。
  • **kwargs 用来接收任意数量的关键字参数，打包成一个字典（dict）。
• 核心用途 ：实现函数参数的动态传递，或者装饰器中无缝传递原函数参数。
• 加分回答（面试官眼前一亮） ： "除了收集参数，* 和 ** 还用在解包 上（func(*list)）。另外，在函数定义中，* 还可以强制规定后面的参数必须用关键字传参，比如 def func(a, *, b):，这样 b 就不能通过位置传参，只能 func(1, b=2)，这在设计强制可读性的 API 时非常有用。"

代码演示：

def test(a, b, *args, **kwargs):
    print(a, b)        # 1 2
    print(args)        # (3, 4, 5)
    print(kwargs)      # {'name': 'Tom', 'age': 18}

test(1, 2, 3, 4, 5, name='Tom', age=18)

---

2. range 和 xrange（Python 2 vs 3 的老生常谈）

• 区别（面试必问版本差异） ：
  • Python 2 ：range 直接生成一个列表（List） ，占用内存；xrange 生成一个生成器（Generator），不占内存，按需生成。
  • Python 3 ：xrange 已被移除，range 现在等价于 Python 2 的 xrange（惰性求值）。在 Python 3 中，range 返回的是一个不可变的序列类型，支持切片和 in 操作。
• 加分回答 ： "即使在 Python 3 中，range 也不是生成器，它是一个序列对象（Sequence） 。它支持 len() 和 in 操作，且可以重复迭代。真正的生成器是 yield 函数或者 (i for i in range(10))。"

---

3. pip 和 uv（包管理的代际差异）

• pip：Python 官方标准包管理工具。
• uv（Astral 出品）：用 Rust 写的下一代包管理工具。极致性能。
• 区别（面试装逼利器） ：
  • 速度 ：uv 比 pip 快 10~100 倍（特别是解析依赖时）。
  • 功能集成 ：uv 不仅替换 pip，还替换了 pip-tools（锁依赖）、virtualenv（虚拟环境管理）。
  • 锁文件 ：uv 生成 uv.lock 保证跨环境一致性，类似 poetry 和 pdm。
• 加分回答 ： "在企业级项目中，依赖管理的痛点在于依赖冲突 和环境一致性 。pip 配合 requirements.txt 容易在多人协作时出现'在我机器上能跑'的问题。uv 通过 uv.lock 锁死所有子依赖的哈希值，结合 uv venv 创建虚拟环境，能让开发、测试、生产环境的包版本完全一致。这是目前 Python 工程化的大趋势。"

常用命令对比：

pip install requests          # 旧
uv pip install requests       # 新（注意前缀）

# 创建虚拟环境
python -m venv .venv          # 旧
uv venv                       # 新，极快

---

4. 多线程（GIL 与适用场景）

• 核心痛点 ：Python 有 GIL（全局解释器锁），它导致同一时刻只能有一个线程执行 Python 字节码。
• 结论 ：
  • CPU 密集型任务 （如大量计算）→ 多线程无效 ，甚至会因为线程切换变慢。此时应用多进程（multiprocessing）。
  • I/O 密集型任务 （网络请求、文件读写、数据库查询）→ 多线程有效，因为线程在等待 I/O 时会释放 GIL。
• 加分回答（拉开差距的关键） ： "在 Python 3.13 中，GIL 已经支持**禁用（--disable-gil）**编译选项，PEP 703 正在推进。所以'Python 多线程不能用'这句话是不准确的。在实际工程中，如果做异步 I/O，我可能更倾向于用 asyncio（协程），它更轻量、切换开销更小，并发能力是线程的数倍。"

代码演示：

import threading
import time

def io_task():
    time.sleep(1)  # 模拟网络请求
    print("Done")

# 多线程在这种情况下效率极高
threads = [threading.Thread(target=io_task) for _ in range(10)]
for t in threads: t.start()
for t in threads: t.join()

---

5. is 和 ==（引用 vs 值）

• == ：比较值是否相等。
• is ：比较内存地址是否相同（即是否指向同一个对象）。
• 面试高频陷阱 ：
  • a = [1,2,3]; b = [1,2,3] → a == b 为 True，a is b 为 False。
  • a = 256; b = 256 → a is b 为 True（因为 Python 内部缓存了小整数 -5 到 256）。
  • a = 257; b = 257 → a is b 为 False（超出缓存范围）。
  • 字符串驻留 ：只含字母数字的短字符串，is 可能为 True；包含特殊字符或动态生成的，可能为 False。
• 加分回答 ： "is 通常用于 None 判断（if x is None），这是 Python 官方推荐的写法，比 == None 更快且语义更精确，因为 None 在 Python 中是单例对象。"

---

💡 面试冲刺总结（怎么回答能拿高分？）

不要孤立地背定义，要把它们串起来：

"*args 和 **kwargs 是 Python 灵活性的体现；range 的演变体现了 Python 3 对内存效率的优化；pip 到 uv 的演进反映了 Python 工程化与性能的不断追求；多线程 必须结合 GIL 分析场景；而 is 与 == 则是 Python 对象模型底层的直观映射。这些基础决定了我们在写大型项目时，能否写出既高效又健壮的代码。"