同志們好，今天帶著大家一起來複習python中的基礎問題，我們都知道python屬於解釋性語言，效率也就相對其它語言來說較低一些，這個較低只是運行稍微低些，但是呢，在很多場景買這些都是微不足道的
憑藉著語法的易於理解和學習，可以在短時間內完成更多工作，開發效率也會變得更高
同時，python自帶了各種現成的函式庫，供我們在開發程式中使用，python也比較容易維護
Python為我們提供了非常完善的基礎程式碼庫，涵蓋了網路、檔案、GUI、資料庫、文字等大量內容，被形象化地稱作「內建電池（batteries included）」。用Python開發，許多功能不必從零編寫，直接使用現成的即可。
除了內建的函式庫外，Python還有大量的第三方函式庫，也就是別人開發的，供你直接使用的東西。當然，如果你開發的程式碼通過很好的封裝，也可以作為第三方函式庫給別人使用。
什麼是 Python 產生器？
generator，有兩種產生生成器物件的方式：一種是列表產生式加括號：
g1 = (x for x in range(10) )
一種是在函數定義中包含yield關鍵字：
def fib(max):
n, a, b = 0, 0, 1
while n < max:yield b
a, b = b, a + b
n = n + 1
return 'done'g2 = fib(8)
登入後複製
# 對於generator物件g1和g2，可以透過next(g1)不斷得到下一個元素的值，如果沒有更多的元素，就會報錯StopIteration
也可以透過for迴圈得到元素的值。
生成器的好處是不用佔用很多內存，只需要在用的時候計算元素的值就行了。
什麼是 Python 迭代器？
Python中可以用於for循環的，叫做可迭代Iterable，包括list/set/tuple/str/dict等資料結構以及生成器；可以用以下語句判斷一個對象是否是可迭代的：
from collections import Iterableisinstance(x, Iterable)
登入後複製
迭代器Iterator，是指可以被next()函數呼叫並不斷返回下一個值，直到StopIteration；生成器都是Iterator，而列表等資料結構不是；
可以透過以下語句將list變成Iterator：
#產生器都是Iterator，但迭代器不一定是生成器。
list 和 tuple 有什麼差別？
- list 長度可變，tuple不可變；
- #list 中元素的值可以改變，tuple 不能改變；
- list 支持append; insert; remove; pop等方法，tuple 都不支援
#Python 中的list 和dict 是怎麼實現的？
List: 本質是順序表，只不過每次表的擴容都是指數級，所以動態增刪資料時，表並不會頻繁改變物理結構，同時受益於順序表遍歷的高效性（透過角標配合表頭物理位址，計算目標元素的位置），使得python的list綜合性能比較優秀
dict： 本質上是順序表，不過每個元素儲存位置的角標，不是又插入順序決定的，而是由key經過hash演算法和其他機制，動態生成的，即key透過hash散列，生成value應該儲存的位置，然後再去存儲這個value；所以dict的查詢時間複雜度是o（1）；
因此，dict的key只能為可hash的對象，即不可變型別；
Python 中使用多執行緒可以達到多核心CPU一起使用嗎？
Python中有一個被稱為Global Interpreter Lock（GIL）的東西，它會確保任何時候你的多個執行緒中，只有一個被執行。
執行緒的執行速度非常之快，會讓你誤以為執行緒是並行執行的，但是實際上都是輪流執行。經過GIL這一道關卡處理，會增加執行的開銷。
可以透過多進程實現多核心任務。
py3和py2的差別
#print在py3裡是一個函數，在py2裡只是一個關鍵字
py3檔案的預設編碼是utf8，py2檔案的預設編碼是ascii
#py3的str是unicode字串，而py2的str是bytes
py3的range()傳回一個可迭代對象，py2的range()傳回一個列表，xrange()傳回一個可迭代對象,py3的除法回傳float，py2的除法回傳int
可變物件與不可變物件
可變物件: list，dict，set
不可變物件: bool，int，float，tuple，str…
#迭代器與可迭代物件的區別
可迭代對象類，必須自訂__iter__()魔法方法，range，list類的實例化物件都是可迭代物件
迭代器類，必須自訂__iter__()和_ _next__()魔法方法，用iter()函數可以建立可迭代物件的迭代器
#閉包
##。閉包就是一個嵌套函數，它的內部函數使用了外部函數的變數或參數,它的外部函數傳回了內部函數
可以保存外部函数内的变量，不会随着外部函数调用完而销毁
什么是装饰器?
装饰器是一个接收函数作为参数的闭包函数
它可以在不修改函数内部源代码的情况下，给函数添加额外的功能
import time
def calc_time(func):
def inner():
t1 = time.time()
func()
t2 = time.time()
print('cost time: {}s'.format(t2-t1))
return inner登入後複製
什么是元类? 使用场景
元类是创建类的类，type还有继承自type的类都是元类
作用: 在类定义时（new, init）和 类实例化时(call) 可以添加自定义的功能
使用场景: ORM框架中创建一个类就代表数据库中的一个表，但是定义这个类时为了统一需要把里面的类属性全部改为小写，这个时候就要用元类重写new方法，把attrs字典里的key转为小写
GIL(Global Interpreter Lock)
全局解释器锁
全局解释器锁(Global Interpreter Lock)是计算机程序设计语言解释器用于同步线程的一种机制，它使得任何时刻仅有一个线程在执行。
即便在多核处理器上，使用 GIL 的解释器也只允许同一时间执行一个线程，常见的使用 GIL 的解释器有CPython与Ruby MRI。可以看到GIL并不是Python独有的特性，是解释型语言处理多线程问题的一种机制而非语言特性。
GIL的设计初衷?
单核时代高效利用CPU, 针对解释器级别的数据安全(不是thread-safe 线程安全)。首先需要明确的是GIL并不是Python的特性，它是在实现Python解析器(CPython)时所引入的一个概念。
当Python虚拟机的线程想要调用C的原生线程需要知道线程的上下文，因为没有办法控制C的原生线程的执行，所以只能把上下文关系传给原生线程，同理获取结果也是线 程在python虚拟机这边等待。那么要执行一次计算操作，就必须让执行程序的线程组串行执行。
为什么要加在解释器,而不是在其他层?
展开 GIL锁加在解释器一层，也就是说Python调用的Cython解释器上加了GIL锁，因为你python调用的所有线程都是原生线程。原生线程是通过C语言提供原生接口，相当于C语言的一个函数。
你一调它，你就控制不了了它了，就必须等它给你返回结果。只要已通过python虚拟机 ，再往下就不受python控制了，就是C语言自己控制了。
加在Python虚拟机以下加不上去，只能加在Python解释器这一层。
GIL的实现是线程不安全?为什么?
python2.x和3.x都是在执行IO操作的时候，强制释放GIL，使其他线程有机会执行程序。
Python2.x Python使用计数器ticks计算字节码，当执行100个字节码的时候强制释放GIL，其他线程获取GIL继续执行。ticks可以看作是Python自己的计数器，专门作用于GIL，释放后归零，技术可以调整。
Python3.x Python使用计时器，执行时间达到阈值后，当前线程释放GIL。总体来说比Python3.x对CPU密集型任务更好，但是依然没有解决问题。
什么是 lambda 表达式？
简单来说，lambda表达式通常是当你需要使用一个函数，但是又不想费脑袋去命名一个函数的时候使用，也就是通常所说的匿名函数。
lambda表达式一般的形式是：关键词lambda后面紧接一个或多个参数，紧接一个冒号“：”，紧接一个表达式
什么是深拷贝和浅拷贝？
赋值（=），就是创建了对象的一个新的引用，修改其中任意一个变量都会影响到另一个。
浅拷贝 copy.copy：创建一个新的对象，但它包含的是对原始对象中包含项的引用（如果用引用的方式修改其中一个对象，另外一个也会修改改变）
深拷贝：创建一个新的对象，并且递归的复制它所包含的对象（修改其中一个，另外一个不会改变）{copy模块的deep.deepcopy()函数}
以上是我們一起聊聊 Python 八股文的詳細內容。更多資訊請關注PHP中文網其他相關文章！
