Python 核心面试题：装饰器、数据结构与版本差异详解

类装饰器则通过实现 __call__ 方法让类实例可被调用，适合需要维护状态（如重试计数器）的场景。

二、深拷贝与浅拷贝

处理可变对象时，拷贝方式直接影响数据安全性。

示例对比：

import copy

original = [1, {'name': 'Alice'}, [3, 4]]
shallow = copy.copy(original)
deep = copy.deepcopy(original)

# 修改原始对象的子对象
original[1]['name'] = 'Bob'
original[2].append(5)

print("原始对象:", original)      # [1, {'name': 'Bob'}, [3, 4, 5]]
print("浅拷贝:", shallow)         # [1, {'name': 'Bob'}, [3, 4, 5]] (受影响)
print("深拷贝:", deep)            # [1, {'name': 'Alice'}, [3, 4]] (不受影响)

经验之谈： 遇到嵌套结构时，若不确定是否需要隔离，优先使用深拷贝，但要注意性能开销。对于不可变类型（数字、字符串），深浅拷贝效果一致。

三、数据结构选型

Python 内置数据结构各有优劣，选对工具能提升效率。

1. List vs Set

• List（列表）：有序、可变、允许重复。适合需要保留顺序或重复数据的场景。
• Set（集合）：无序、可变、自动去重。基于哈希表实现，查找速度 O(1)，适合快速成员检测。

names = ["Alice", "Bob", "Alice"]
unique_names = set(names)  # 自动去重

2. 数组 vs 链表

虽然 Python 的 list 是动态数组，但理解底层差异有助于优化算法。

• 数组：连续内存，随机访问快 O(1)，插入删除慢 O(n)。
• 链表：非连续内存，插入删除快 O(1)，随机访问慢 O(n)。

建议： 除非有极端性能需求，Python 开发中优先使用 list。若需频繁两端操作，可使用 collections.deque。

3. List 去重技巧

• 简单去重：list(set(my_list))（会打乱顺序）。
• 保持顺序：list(dict.fromkeys(my_list))（Python 3.7+ 推荐）。
• 手动遍历：配合 seen 集合判断（兼容性好）。

四、递归与循环

递归是指函数调用自身，适用于具有'自相似'特征的问题，如树结构遍历、分治算法。

何时用递归？

• 问题可分解为规模更小的同类子问题。
• 存在明确的终止条件（出口）。
• 代码可读性优于循环（如树的遍历）。

风险： 递归消耗栈空间，若无出口或深度过大，易导致栈溢出。性能敏感场景建议转为迭代。

五、Python 2 与 Python 3 的关键差异

Python 2 已停止支持，新项目必须使用 Python 3。主要区别如下：

总结： 掌握这些基础概念不仅能应对面试，更能写出健壮、高效的代码。在实际工作中，根据场景灵活选择数据结构，理解底层机制，比死记硬背更重要。