python基础知识和底层原理

1，python的数据类型？
list，tuple，set，dict int、float、bool、complex
整形，浮点型，字符串，元组属于不可变类型，列表，字典，集合是可变类型
对不可变类型的变量重新赋值，实际上是重新创建一个不可变类型的对象，并将原来的变量重新指向新创建的对象（如果没有其他变量引用原有对象的话（即引用计数为0），原有对象就会被回收）。
　　可变数据类型，允许变量的值发生变化，即如果对变量进行append、+=等这种操作后，只是改变了变量的值，而不会新建一个对象，变量引用的对象的地址也不会变化

2，python的底层原理？
1.Python是如何进行内存管理的？
答:从三个方面来说,一对象的引用计数机制,二垃圾回收机制,三内存池机制
一、对象的引用计数机制
Python内部使用引用计数，来保持追踪内存中的对象，所有对象都有引用计数。
引用计数增加的情况：
1，一个对象分配一个新名称
2，将其放入一个容器中（如列表、元组或字典）
引用计数减少的情况：
1，使用del语句对对象别名显示的销毁
2，引用超出作用域或被重新赋值
sys.getrefcount( )函数可以获得对象的当前引用计数
多数情况下，引用计数比你猜测得要大得多。对于不可变数据（如数字和字符串），解释器会在程序的不同部分共享内存，以便节约内存。
二、垃圾回收
1，当一个对象的引用计数归零时，它将被垃圾收集机制处理掉。
2，当两个对象a和b相互引用时，del语句可以减少a和b的引用计数，并销毁用于引用底层对象的名称。然而由于每个对象都包含一个对其他对象的应用，因此引用计数不会归零，对象也不会销毁。（从而导致内存泄露）。为解决这一问题，解释器会定期执行一个循环检测器，搜索不可访问对象的循环并删除它们。
三、内存池机制
Python提供了对内存的垃圾收集机制，但是它将不用的内存放到内存池而不是返回给操作系统。
1，Pymalloc机制。为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。
2，Python中所有小于256个字节的对象都使用pymalloc实现的分配器，而大的对象则使用系统的malloc。
3，对于Python对象，如整数，浮点数和List，都有其独立的私有内存池，对象间不共享他们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。

3，深拷贝和浅拷贝的区别？
深拷贝在计算机中开辟了一块内存地址用于存放复制的对象，而浅拷贝仅仅是指向被拷贝的内存地址，如果原地址中对象被改变了，那么浅拷贝出来的对象也会相应改变。
深拷贝和浅拷贝最根本的区别在于是否是真正获取了一个对象的拷贝实体，而不是引用。
深拷贝和浅拷贝是只针对Object和Array这样的引用数据类型的。
浅拷贝 —-只是拷贝了基本类型的数据，而引用类型数据，拷贝后也是会发生引用，我们把这种拷贝叫做“（浅拷贝）浅拷贝”，换句话说，浅拷贝仅仅是指向被拷贝的内存地址，如果原地址中对象被改变了，那么浅拷贝出来的对象也会相应改变。
深拷贝 —-在计算机中开辟了一块新的内存地址用于存放拷贝的对象。
通俗一点理解就是浅拷贝出来的数据并不独立，如果被拷贝的对象改变了，那么浅拷贝的对象也会改变，深拷贝之后就会完全独立，与浅拷贝断绝关系。

4，python的库
常用的python标准库。
标准库：os操作系统；time时间；random随机；pymysql连接数据库；threading线程；multiprocessing进程；queue队列；math数学
第三方库：django，flask，requests，hashlib，md5，selenium，scrapy，xadmin。
常用的科学计算库：Numpy，Scipy，Pandas
可视化库：matplotlib

5,，装饰器的原理
通过闭包的定义，我们可以得知闭包的形成条件:
在函数嵌套(函数里面再定义函数)的前提下
内部函数使用了外部函数的变量(还包括外部函数的参数)
外部函数返回了内部函数
装饰器就是给已有函数增加额外功能的函数，它本质上就是一个闭包函数。这和python中变量的回收机制有关，python根据变量的引用计数来判断是变量是否需要回收。
当一个对象的引用被创建或复制时，对象的引用计数加1；当一个对象的引用被销毁时，对象的引用计数减1，如果对象的引用计数减少为0，将对象的所占用的内存释放。
因为闭包里的对象的引用一直没有被销毁引用计数不为0，所有内部函数可以一直访问对象变量的值。相当于给内部函数添加了一个私有的命名空间。装饰器就是利用了闭包的原理。