Python 面试题19 道
数据处理场景：PySpark、Pandas、GIL、内存与性能
- 11-01 PySpark的DataFrame和Pandas有什么区别？——Python在大数据中的定位
- 11-02 列表推导式比for循环快3倍——list/dict/set底层原理
- 11-03 一个字典居然占了200MB——Python对象的内存模型
- 11-04 PySpark UDF为什么比Spark SQL慢10倍？——GIL和序列化开销
- 11-05 脚本跑了10分钟处理100万行——Python性能优化五大方向
- 11-06 用Pandas读了个5GB的CSV内存直接爆了——大文件处理策略
- 11-07 装饰器到底是什么语法糖？——Python函数式编程
- 11-08 yield和return有什么区别？——生成器和迭代器
- 11-09 浅拷贝和深拷贝踩了多少坑——Python的可变性和拷贝机制
- 11-10 with语句为什么能自动关闭文件——上下文管理器
- 11-11 多线程为什么没有加速CPU密集任务——Python并发编程
- 11-12 requirements.txt和虚拟环境搞不清——Python包管理
- 11-13 ETL脚本报UnicodeDecodeError——Python编码问题
- 11-14 正则表达式解析日志比split快5倍——Python文本处理
- 11-15 try-except写得太粗什么异常都catch了——异常处理最佳实践
- 11-16 Airflow的DAG为什么用Python写——Python元编程基础
- 11-17 数据质量校验脚本写了500行——Python面向对象实战
- 11-18 Pandas的apply比向量化慢100倍——Pandas性能调优
- 11-19 大数据开发者需要掌握哪些Python知识？——学习路线
没有匹配的题目，换个关键词试试。