python面試題總結(jié)1-內(nèi)存管理機(jī)制

（1）.引用計(jì)數(shù)

成都創(chuàng)新互聯(lián)公司專注于企業(yè)成都全網(wǎng)營銷推廣、網(wǎng)站重做改版、彭山網(wǎng)站定制設(shè)計(jì)、自適應(yīng)品牌網(wǎng)站建設(shè)、H5場(chǎng)景定制、成都做商城網(wǎng)站、集團(tuán)公司官網(wǎng)建設(shè)、成都外貿(mào)網(wǎng)站建設(shè)、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁設(shè)計(jì)等建站業(yè)務(wù)，價(jià)格優(yōu)惠性價(jià)比高，為彭山等各大城市提供網(wǎng)站開發(fā)制作服務(wù)。

（2）. 垃圾回收

(3）. 內(nèi)存池機(jī)制

在python中每創(chuàng)建一個(gè)對(duì)象，對(duì)應(yīng)的會(huì)有一個(gè)引用計(jì)數(shù)，當(dāng)發(fā)生賦值操作如a=b，對(duì)應(yīng)的b的引用計(jì)數(shù)會(huì)自動(dòng)加1，當(dāng)引用的對(duì)象被清除或者函數(shù)結(jié)束時(shí)，引用計(jì)數(shù)會(huì)自動(dòng)減1。

在python中使用引用計(jì)數(shù)，標(biāo)記清楚，分代回收三種方式進(jìn)行垃圾回收。

其中，引用計(jì)數(shù)當(dāng)對(duì)象的引用計(jì)數(shù)歸0時(shí)，對(duì)象會(huì)自動(dòng)被清除。標(biāo)記清除機(jī)制是首先遍歷所有對(duì)象，如果對(duì)象可達(dá)，就說明有變量引用它，則標(biāo)記其為可達(dá)的。如果不可達(dá)，則對(duì)其進(jìn)行清除。分代回收是當(dāng)對(duì)象創(chuàng)建時(shí)被標(biāo)記為第0代，經(jīng)過一次垃圾回收之后，余下的對(duì)象被標(biāo)記為第1代，最高為第2代。其原理是，對(duì)象的生存期越長，月可能不是垃越。

ython語言雖然提供了對(duì)內(nèi)存的垃圾收集機(jī)制，但實(shí)際上它將不用的內(nèi)存放到內(nèi)存池而不是返回給操作系統(tǒng)，所以就有了以下：

1 Pymalloc機(jī)制；這個(gè)主要是為了加速Python的執(zhí)行效率，Python引入了一個(gè)內(nèi)存池機(jī)制，用于管理，為了對(duì)小塊內(nèi)存的申請(qǐng)和釋放。

2 Python中所有小于256個(gè)字節(jié)的對(duì)象都是依靠pymalloc分配器來實(shí)現(xiàn)的，而稍大的對(duì)象用的則是系統(tǒng)的malloc。

3 對(duì)于Python對(duì)象，比如整數(shù)、浮點(diǎn)數(shù)和List這些，都有自己獨(dú)立的內(nèi)存池，對(duì)象間并不共享他們的內(nèi)存池。換句話說就是，假設(shè)你分配并且釋放了大量的整數(shù)，那么用于緩存這些整數(shù)的內(nèi)存就不能再分配給浮點(diǎn)數(shù)。

2022年P(guān)ython技術(shù)類面試題總結(jié)（面試題+答案解析）

這是一位有著五年 Python 經(jīng)驗(yàn)的好友最近對(duì) Python 崗位面試后的一篇經(jīng)驗(yàn)總結(jié)，從 Python 就業(yè)方向到 Python 面試題。

Python 就業(yè)方向 ：

下面是 Python 面試知識(shí)點(diǎn)，總結(jié)了華為、阿里巴巴等互聯(lián)網(wǎng)公司 Python 常問面試題。每道題都提供參考答案，希望能夠幫助你在求職面試中脫穎而出，找到一份高薪工作。

這些面試題分為 Python 基礎(chǔ)和 Python高級(jí)，內(nèi)容包含： 基礎(chǔ)語法、文件操作、模塊與包、數(shù)據(jù)類型、元類、內(nèi)存管理與垃圾回收機(jī)制以及 Python 函數(shù) 等知識(shí)點(diǎn)。

（一） Python 基礎(chǔ)語法

（二） 文件操作

（三） 模塊與包

（四） 數(shù)據(jù)類型

（五）企業(yè)面試題

（一） 元類

（二）內(nèi)存管理與垃圾回收機(jī)制

（三）函數(shù)

（四） 面向?qū)ο?/p>

由于篇幅有限，這份 Python 面試寶典已經(jīng)被整理成了PDF文檔，有需要 Python 面試寶典全套完整文檔（面試題+答案解析）的可以 免費(fèi)領(lǐng)取!

python面試必備題目有哪些

給你一份千鋒python的面試題吧

1、多線程使用Python是個(gè)好主意嗎？列出一些方法可以讓一些Python代碼以并行方式運(yùn)行。

答：Python不允許真正意義上的多線程。它有一個(gè)多線程包，但如果你想使用多線程來加速你的代碼，那么使用它通常不是一個(gè)好主意。Python有一個(gè)名為全局解釋器鎖(Global

Interpreter

Lock（GIL）)的結(jié)構(gòu)。GIL確保每次只能執(zhí)行一個(gè)“線程”。一個(gè)線程獲取GIL，做一點(diǎn)工作，然后將GIL傳遞到下一個(gè)線程。這種情況發(fā)生的很快，因此對(duì)于人眼看來，你的線程似乎是并行運(yùn)行的，但它們實(shí)際上只是輪流使用相同的CPU核心。所有這些GIL傳遞都增加了運(yùn)行的內(nèi)存。這意味著如果你想讓代碼運(yùn)行得更快，那么使用線程包通常不是一個(gè)好主意。

使用Python的線程包也是有原因的。如果你想同時(shí)運(yùn)行一些東西，并且效率不是一個(gè)問題，那么它就完全沒問題了?；蛘?，如果你正在運(yùn)行需要等待某些事情的代碼（例如某些IO），那么它可能會(huì)很有意義。但是線程庫不會(huì)讓你使用額外的CPU核心。

多線程可以外包到操作系統(tǒng)（通過多處理），一些調(diào)用Python代碼的外部應(yīng)用程序（例如，Spark或Hadoop），或者Python代碼調(diào)用的一些代碼例如：你可以使用你的Python代碼調(diào)用一個(gè)C函數(shù)來完成昂貴的多線程事務(wù)。

2、這段代碼輸出了什么：

def f(x,l=[]):for i in range(x):l.append(i*i)print(l) f(2)f(3,[3,2,1])f(3)

答：[0, 1][3, 2, 1, 0, 1, 4][0, 1, 0, 1, 4]

3、如何在Python中管理內(nèi)存？

Python中的內(nèi)存管理由Python私有堆空間管理。所有Python對(duì)象和數(shù)據(jù)結(jié)構(gòu)都位于私有堆中。程序員無權(quán)訪問此私有堆。Python解釋器負(fù)責(zé)處理這個(gè)問題。Python對(duì)象的堆空間分配由Python的內(nèi)存管理器完成。核心API提供了一些程序員編寫代碼的工具Python還有一個(gè)內(nèi)置的垃圾收集器，它可以回收所有未使用的內(nèi)存，并使其可用于堆空間。

4、range＆xrange有什么區(qū)別？

在大多數(shù)情況下，xrange和range在功能方面完全相同。它們都提供了一種生成整數(shù)列表的方法，唯一的區(qū)別是range返回一個(gè)Python列表對(duì)象，x range返回一個(gè)xrange對(duì)象。

這就表示xrange實(shí)際上在運(yùn)行時(shí)并不是生成靜態(tài)列表。它使用稱為yielding的特殊技術(shù)根據(jù)需要?jiǎng)?chuàng)建值。該技術(shù)與一種稱為生成器的對(duì)象一起使用。因此如果你有一個(gè)非常巨大的列表，那么就要考慮xrange。

5、Python中help()和dir()函數(shù)的用法是什么？

Help()和dir()這兩個(gè)函數(shù)都可以從Python解釋器直接訪問，并用于查看內(nèi)置函數(shù)的合并轉(zhuǎn)儲(chǔ)。

help()函數(shù)：help()函數(shù)用于顯示文檔字符串，還可以查看與模塊，關(guān)鍵字，屬性等相關(guān)的使用信息。

dir()函數(shù)：dir()函數(shù)用于顯示定義的符號(hào)。

6、NumPy中有哪些操作Python列表的函數(shù)？

Python的列表是高效的通用容器。它們支持（相當(dāng)）有效的插入，刪除，追加和連接，Python的列表推導(dǎo)使它們易于構(gòu)造和操作。

它們有一定的局限性：它們不支持像素化加法和乘法等“向量化”操作，并且它們可以包含不同類型的對(duì)象這一事實(shí)意味著Python必須存儲(chǔ)每個(gè)元素的類型信息，并且必須執(zhí)行類型調(diào)度代碼在對(duì)每個(gè)元素進(jìn)行操作時(shí)。

NumPy不僅效率更高; 它也更方便。你可以免費(fèi)獲得大量的向量和矩陣運(yùn)算，這有時(shí)可以避免不必要的工作。它們也得到有效實(shí)施。

NumPy數(shù)組更快，你可以使用NumPy，F(xiàn)FT，卷積，快速搜索，基本統(tǒng)計(jì)，線性代數(shù)，直方圖等內(nèi)置。

這些內(nèi)容還是比較重要的，如果有幫到你，麻煩采納謝謝