Python编程题大全集|零基础到进阶·全面覆盖·实战精讲

欢迎进入Python编程题大全集——本平台致力于为编程学习者打造一套系统、权威、实战导向的Python训练体系。我们以题目为核心载体,深度融合知识讲解、思维训练与工程实践,覆盖Python基础语法、数据结构与算法、网络爬虫开发、数据分析与可视化、Web全栈开发、自动化办公与脚本工具等12大核心模块,总计800+道真实题目,每题均含:题目解析|易错点提示|扩展拓展|最优解法|面试延伸。

本Python编程题大全集并非简单题库堆砌,而是基于认知负荷理论与刻意练习模型设计的渐进式学习路径:从变量与数据类型的精准理解,到函数与模块化设计列表推导式的简洁表达,到生成器与装饰器的高级技巧;从requests + BeautifulSoup的入门爬虫,到asyncio + aiohttp的高并发架构;从pandas数据清洗的实战流程,到matplotlib + seaborn的可视化美学……每一环节均经过教学实践反复验证,确保知识输入与能力输出的高效闭环。

本Python编程题大全集特别注重真实场景还原:所有题目均源自企业实际需求、开源项目Bug修复、技术社区高频问题、竞赛真题重构,拒绝纸上谈兵。例如:「用正则表达式解析复杂日志」、「基于threading.Lock实现线程安全的计数器」、「使用Flask + SQLite构建RESTful API」、「通过openpyxl批量生成带格式的财务报表」等——这些不是虚构练习,而是开发者每日面对的真实挑战。

我们深知:编程能力的提升不在于「看懂了多少」,而在于「写了多少」。因此本Python编程题大全集提供:交互式代码编辑器(支持运行测试)、智能错误诊断(定位常见异常如IndexError、TypeError)、多解法对比(传统循环 vs 推导式 vs 内置函数)、时间/空间复杂度分析。助您在「做题」中掌握Pythonic思维——用最少的代码,解决最优雅的问题。

📌 核心特色:① 全题型覆盖(选择、填空、改错、编程)② 每题含「知识点索引」便于复习 ③ 提供「学习路径图」可视化进度 ④ 支持按难度/模块/公司标签筛选 ⑤ 内置「错题本」自动归集高频错误

无论您是零基础入门者、转行开发者、算法竞赛选手,还是准备Python工程师、数据分析师、运维自动化岗位的求职者,本Python编程题大全集均能提供精准能力补给。立即开启您的Python进阶之旅吧!

Python基础语法|语法基石·精准理解

1.1 变量与数据类型深度辨析

在Python编程题大全集中,基础不是「记住语法」,而是「理解本质」。以变量赋值为例:`a = [1,2,3]`与`b = a`后修改`a[0]=100`,`b`会同步变化——这是引用赋值的典型表现,而非值拷贝。许多初学者误以为`b`是独立副本,导致调试时陷入「为何改了a却影响b」的困境。

本模块精选32道基础题,覆盖:可变对象与不可变对象(list/dict vs int/str/tuple)、浅拷贝与深拷贝(copy模块的原理与陷阱)、类型检查技巧(isinstance vs type)、类型转换陷阱(`int("08")`报错原因解析)。每题均附:运行结果预测|内存图解|常见错误场景|最佳实践建议。

典型例题:以下代码输出什么?

def add_to_list(lst=[]):
    lst.append("Python")
    return lst
list1 = add_to_list()
list2 = add_to_list()
print(list1, list2)

解析:输出`['Python', 'Python'] ['Python', 'Python']`。原因是默认参数`lst=[]`在函数定义时只创建一次,后续调用共享同一列表对象。正确做法是`lst=None`并内部判断初始化。

1.2 控制流与异常处理实战

本Python编程题大全集特别强调异常处理的工程化思维:`try-except`不仅是捕获错误,更是构建容错系统的关键。例如网络请求中,`ConnectionError`需重试,`TimeoutError`需记录慢请求,`HTTPError`需解析响应体定位错误码——这些在真实项目中至关重要。

精选28道题,涵盖:if-elif嵌套深度优化(用字典映射替代多层判断)、循环中的else子句(for-else用于查找场景)、自定义异常设计(继承Exception类并添加业务属性)、上下文管理器原理(with语句的__enter__/__exit__机制)。

典型例题:用for-else实现「查找列表中第一个大于100的质数」

def find_first_prime_gt_100(nums):
    for n in nums:
        if n > 100 and all(n % i for i in range(2, int(n**0.5)+1)):
            return n
    else:
        return None

扩展:若列表为空,循环不执行,直接进入else块返回None;若找到则return退出,不触发else——这是for-else的典型应用场景。

1.3 函数与模块化设计进阶

函数是Python编程题大全集的最小逻辑单元。本模块突破「参数传递」表层认知,深入:位置参数/关键字参数混合使用规则、可变参数的内存开销(*args本质是tuple)、闭包的变量捕获陷阱(循环变量延迟绑定问题)、装饰器的嵌套顺序(从下到上执行,从上到下调用)。

精选35道题,包含:函数式编程三剑客(map/filter/reduce的替代方案)、生成器表达式 vs 列表推导式(内存效率对比)、yield from的原理(委托子生成器)、元编程基础(type动态创建类)。

典型例题:用生成器实现斐波那契数列(内存O(1))

def fib():
    a, b = 0, 1
    while True:
        yield a
        a, b = b, a + b
# 取前10项
f = fib()
result = [next(f) for _ in range(10)]

对比:列表递归法`fib(n)=fib(n-1)+fib(n-2)`时间O(2^n)且栈溢出;此生成器法时间O(n)、空间O(1),是生产环境首选。

数据结构与算法|结构思维·效率为王

2.1 线性结构实战精讲

在Python编程题大全集中,线性结构不仅是list/dict的API调用,更是数据组织方式的深度理解。list是动态数组(扩容2倍),dict是哈希表(开放寻址法),deque是双向链表——不同场景需选择不同结构。

精选42道题,覆盖:list的pop(0)性能陷阱(O(n) vs O(1))、字典的插入顺序保证(Python3.7+特性)、集合的哈希碰撞处理(为何set元素需可哈希)、链表模拟实现(用dict模拟节点指针)。

典型例题:用deque实现滑动窗口最大值(O(n)时间)

from collections import deque
def max_sliding_window(nums, k):
    dq = deque()
    res = []
    for i, num in enumerate(nums):
        # 移除窗口外的索引
        while dq and dq[0] <= i - k:
            dq.popleft()
        # 移除小于当前值的索引(保持单调递减)
        while dq and nums[dq[-1]] < num:
            dq.pop()
        dq.append(i)
        if i >= k - 1:
            res.append(nums[dq[0]])
    return res

扩展:此算法确保每个元素最多入队/出队一次,时间复杂度O(n),远优于暴力法O(nk)。

2.2 树与图的遍历策略

树和图是Python编程题大全集的算法核心。我们不仅讲解DFS/BFS模板,更强调:递归转迭代的通用方法(显式栈模拟)、记忆化搜索避免重复计算、拓扑排序在依赖调度中的应用。

精选38道题,包含:二叉树的 Morris 遍历(O(1)空间)、图的最短路径变种(Dijkstra vs Floyd-Warshall)、并查集的路径压缩与按秩合并、回溯剪枝技巧(N皇后问题中对角线检测优化)。

典型例题:二叉树层序遍历(返回每层节点值)

def level_order(root):
    if not root:
        return []
    res = []
    queue = [root]
    while queue:
        level_size = len(queue)
        level = []
        for _ in range(level_size):
            node = queue.pop(0)
            level.append(node.val)
            if node.left:
                queue.append(node.left)
            if node.right:
                queue.append(node.right)
        res.append(level)
    return res

优化:用collections.deque替代list.pop(0),避免O(n)移动开销。

2.3 动态规划与贪心策略

动态规划是Python编程题大全集的高阶思维。我们采用「状态定义→转移方程→初始状态→遍历顺序」四步法,结合记忆化递归与表格法对比教学,避免死记硬背。

精选30道题,涵盖:背包问题变种(0-1背包 vs 完全背包)、区间DP的模板(石子合并问题)、状态压缩DP(TSP问题)、贪心算法的正确性证明(活动选择问题的交换论证)。

典型例题:爬楼梯(每次1或2阶,n阶有多少种方法)

def climb_stairs(n):
    if n <= 2:
        return n
    dp = [0] * (n + 1)
    dp[1], dp[2] = 1, 2
    for i in range(3, n + 1):
        dp[i] = dp[i-1] + dp[i-2]
    return dp[n]

空间优化:仅需两个变量滚动更新,空间O(1)。
`a, b = 1, 2; for _ in range(3, n+1): a, b = b, a+b`

网络爬虫开发|数据采集·合规高效

3.1 HTTP协议与请求构造

在Python编程题大全集中,爬虫不仅是`requests.get(url)`,更是HTTP协议深度应用。我们强调:请求头伪装的科学依据(User-Agent、Referer、Cookie作用)、参数编码的差异(query string vs form data)、状态码处理策略(200成功、301重定向、403禁止访问)。

精选25道题,包含:Session保持登录状态(自动处理Cookie)、代理IP池构建(检测可用性与匿名度)、异步请求优化(aiohttp配合asyncio)、重试机制设计(指数退避策略)。

典型例题:模拟登录教务系统(需处理验证码)

import requests
from PIL import Image
from io import BytesIO
session = requests.Session()
# 获取验证码
resp = session.get("https://jw.xxxx.edu.cn/captcha.jpg")
img = Image.open(BytesIO(resp.content))
img.show()  # 手动输入验证码
code = input("验证码: ")
# 提交登录
login_data = {"username": "20230001", "password": "xxx", "captcha": code}
resp = session.post("https://jw.xxxx.edu.cn/login", data=login_data)
print("登录成功" if resp.status_code == 200 else "失败")

扩展:生产环境应使用OCR识别验证码,但需遵守robots.txt及网站协议。

3.2 HTML解析与数据提取

本Python编程题大全集对比BeautifulSoup、lxml、pyquery三大解析库:BS4易用但慢,lxml快但需安装C依赖,pyquery语法类似jQuery。我们强调:CSS选择器的精准定位(避免过度匹配)、正则的合理使用场景(结构固定时)、XPath的健壮性(应对结构变化)。

精选28道题,涵盖:中文编码处理(detect_encoding检测)、动态渲染页面抓取(Selenium模拟浏览器)、JSON数据提取(API接口直接解析)、反爬策略应对(JS加密参数逆向)。

典型例题:用lxml提取新闻列表标题与链接

from lxml import html
tree = html.fromstring(resp.text)
titles = tree.xpath('//div[@class="news-item"]/h3/a/text()')
links = tree.xpath('//div[@class="news-item"]/h3/a/@href')
# 提取多级内容
for title, link in zip(titles, links):
    print(f"标题: {title.strip()}, 链接: {link}")

注意:使用strip()去除换行/空格,避免脏数据。

3.3 数据存储与反爬规避

爬虫的终点是数据落地。本Python编程题大全集提供:CSV/JSON/SQLite基础存储方案、MongoDB文档型存储(适合非结构化数据)、Redis布隆过滤器去重(避免重复抓取)、增量爬取设计(基于时间戳或哈希值)。

精选22道题,包含:IP封禁应对(代理轮换+请求间隔)、JS动态加载处理(分析NetworkXHR)、验证码识别集成(Tesseract OCR)、法律合规要点(遵守《网络安全法》第27条)。

典型例题:用Redis布隆过滤器去重URL

import redis
import mmh3
r = redis.Redis()
bf_key = "crawler:urls"
def is_duplicate(url):
    h = mmh3.hash(url) % 1000000
    return r.getbit(bf_key, h) == 1
def mark_seen(url):
    h = mmh3.hash(url) % 1000000
    r.setbit(bf_key, h, 1)

说明:布隆过滤器允许少量误判(假阳性),但无假阴性,适合去重场景。

Web全栈开发|前后端·敏捷构建

4.1 Flask快速构建API

在Python编程题大全集中,Web开发不仅是`app.run()`,更是RESTful设计规范的实践。我们强调:蓝图(Blueprint)模块化、JSONify响应标准化、错误处理统一化、中间件的灵活应用(请求日志、权限校验)。

精选30道题,涵盖:SQLAlchemy ORM操作(关联查询、事务管理)、JWT认证实现(生成/验证token)、文件上传处理(MIME类型校验)、跨域资源共享(CORS)配置。

典型例题:用户注册API(含密码哈希与邮箱验证)

from flask import Flask, request, jsonify
from werkzeug.security import generate_password_hash
import re
app = Flask(__name__)
@app.route('/api/register', methods=['POST'])
def register():
    data = request.get_json()
    if not data or 'email' not in data:
        return jsonify({'error': 'Missing email'}), 400
    if not re.match(r'^[a-zA-Z0-9._%+-]+@[a-zA-Z0-9.-]+\.[a-zA-Z]{2,}$', data['email']):
        return jsonify({'error': 'Invalid email'}), 400
    if 'password' not in data or len(data['password']) < 8:
        return jsonify({'error': 'Password too short'}), 400
    hashed_pw = generate_password_hash(data['password'])
    # 这里执行数据库存储...
    return jsonify({'message': 'Registration successful'}), 201

扩展:生产环境应添加CSRF保护、请求频率限制、输入长度校验。

4.2 前端集成与模板渲染

本Python编程题大全集结合Jinja2模板引擎,讲解:变量转义与安全输出(|safe过滤器)、模板继承与块覆盖、宏定义复用、异步模板渲染(async/await支持)。

精选20道题,包含:静态资源版本管理(文件指纹防缓存)、表单验证与错误反馈、分页组件封装、国际化(i18n)支持。

典型例题:分页组件模板(base.html)

{% macro pagination(page, total_pages, url) %}

{% endmacro %}

使用:`{{ pagination(page, total_pages, '/articles') }}`

4.3 部署与性能优化

部署是Python编程题大全集的工程闭环。我们提供:Gunicorn + Nginx生产部署方案、数据库连接池配置(SQLAlchemy pool_size)、缓存策略(Redis缓存热点数据)、CDN加速静态资源。

精选18道题,涵盖:Docker容器化部署(多阶段构建减小镜像)、健康检查端点设计、日志集中管理(ELK栈集成)、性能监控指标(QPS、响应时间、错误率)。

典型例题:Gunicorn配置文件(gunicorn.conf.py)

bind = "0.0.0.0:8000"
workers = 4  # CPU核心数 * 2 + 1
threads = 2
timeout = 30
worker_class = "gevent"  # 异步协程
accesslog = "/var/log/gunicorn/access.log"
errorlog = "/var/log/gunicorn/error.log"

说明:gevent基于greenlet实现高并发,适合I/O密集型应用。

自动化办公与脚本|效率革命·解放双手

5.1 文件处理与批量操作

在Python编程题大全集中,自动化不是「简单复制粘贴」,而是系统性效率提升。我们强调:pathlib的现代文件操作(跨平台路径处理)、文件内容加密存储(AES加密)、文件压缩与解压(zipfile支持密码保护)。

精选25道题,涵盖:PDF批量合并与拆分(PyPDF2)、Excel数据清洗(openpyxl操作样式)、Word报告自动生成(python-docx模板替换)、邮件自动发送(smtplib + MIMEText)。

典型例题:批量重命名文件(添加前缀)

from pathlib import Path
folder = Path("/path/to/files")
for file in folder.glob("*.txt"):
    new_name = f"report_{file.name}"
    file.rename(folder / new_name)

扩展:可添加时间戳、校验文件MD5避免重名覆盖。

5.2 GUI与自动化测试

本Python编程题大全集提供:PyQt桌面应用开发(信号槽机制)、Tkinter快速原型(跨平台轻量)、自动化测试框架(pytest + Selenium UI测试)。

精选15道题,包含:文件拖拽上传(QDragEnterEvent)、进度条实时反馈(QProgressBar)、断言设计原则(单一职责)、Mock对象模拟依赖。

典型例题:pytest测试用户登录接口

def test_login_success(client):
    response = client.post("/login", json={
        "username": "admin",
        "password": "123456"
    })
    assert response.status_code == 200
    assert "token" in response.json()

扩展:用@patch模拟数据库连接,避免测试依赖外部服务。

5.3 系统监控与任务调度

运维自动化是Python编程题大全集的高阶应用。我们讲解:psutil系统监控(CPU/内存/磁盘)、APScheduler定时任务(Cron表达式)、日志告警系统(钉钉/企业微信Webhook)。

精选20道题,涵盖:进程资源限制(rlimit)、网络状态检测(socket连接测试)、配置热更新(inotify监听配置文件)、健康检查脚本(curl + grep)。

典型例题:定时备份MySQL数据库

import schedule
import time
import subprocess
def backup_db():
    cmd = f"mysqldump -u root -p'xxx' db > /backup/db_{time.strftime('%Y%m%d')}.sql"
    subprocess.run(cmd, shell=True)
schedule.every().day.at("02:00").do(backup_db)
while True:
    schedule.run_pending()
    time.sleep(60)

优化:用gzip压缩备份文件,用rsync同步到远程服务器。

Python工程师面试指南|高频考点·真题精解

6.1 基础知识高频考点

本Python编程题大全集整理2023年腾讯/阿里/字节跳动等50+企业面试真题,按基础/进阶/架构三级分类。我们强调:GIL锁的本质影响(CPU密集型需多进程)、asyncio事件循环(单线程并发模型)、装饰器的闭包陷阱(变量延迟绑定)。

精选40道题,涵盖:Python与C扩展交互(ctypes)、元类(metaclass)原理、描述符协议(__get__/__set__)、内存管理机制(引用计数+垃圾回收)。

典型例题:解释GIL对多线程的影响

答案:GIL(全局解释器锁)确保同一进程内只有一个线程执行Python字节码。因此:
① CPU密集型任务:多线程无加速,需用multiprocessing
② I/O密集型任务:多线程有效(GIL在I/O时释放)
③ 第三方库(如NumPy):可绕过GIL(C扩展释放GIL)

6.2 系统设计与架构能力

高级岗位考察Python编程题大全集中的系统设计思维。我们提供:微服务通信模式(gRPC vs REST)、分布式任务队列(Celery架构)、高并发架构设计(Nginx+Gunicorn+Redis+MySQL)。

精选30道题,包含:限流算法实现(令牌桶/漏桶)、缓存穿透解决方案(布隆过滤器+空值缓存)、数据库读写分离、服务熔断机制(PyHystrix)。

典型例题:设计高并发抢购系统(防止超卖)

答案:① Redis预减库存(原子操作)
② 消息队列削峰(Kafka)
③ 库存校验+分布式锁(RedLock)
④ 异步扣减(消息队列触发)
⑤ 余额兜底(订单超时未支付自动释放库存)

6.3 职业发展与技术路线

本Python编程题大全集特别增设职业发展指南:从初级工程师(掌握语法+基础算法)→中级工程师(框架+数据库+部署)→高级工程师(架构设计+性能优化)→技术专家(技术选型+团队管理)。

精选20道题,涵盖:技术文档写作规范(Markdown+Swagger)、Code Review要点(可读性/健壮性/性能)、技术选型决策(对比Django/Flask/FastAPI)、开源项目贡献流程(PR规范)。

典型例题:如何选择Web框架?

答案:① Django:功能齐全,适合快速开发大型项目(如管理后台)
② Flask:轻量灵活,适合微服务/API(如数据接口)
③ FastAPI:异步优先,适合高并发实时应用(如WebSocket服务)
关键考量:团队熟悉度、项目规模、实时性要求、生态支持

Python行业趋势与技术前沿|把握方向·引领未来

7.1 人工智能与机器学习生态

在Python编程题大全集中,AI不是「黑盒」,而是可解构的技术栈。我们强调:NumPy数组广播机制(内存级优化)、PyTorch自动求导原理(计算图动态构建)、Scikit-learn特征工程(标准化/归一化选择)。

精选25道题,涵盖:Transformer架构复现(Self-Attention实现)、数据增强技巧(Cutout/Mixup)、模型部署方案(ONNX/TensorRT)、大模型微调策略(LoRA/P-tuning)。

典型例题:用PyTorch实现线性回归

import torch
import torch.nn as nn
class LinearRegression(nn.Module):
    def __init__(self):
        super().__init__()
        self.linear = nn.Linear(1, 1)  # 输入1维,输出1维
    def forward(self, x):
        return self.linear(x)
model = LinearRegression()
criterion = nn.MSELoss()
optimizer = torch.optim.SGD(model.parameters(), lr=0.01)
# 训练循环
for epoch in range(1000):
    optimizer.zero_grad()
    outputs = model(x_train)
    loss = criterion(outputs, y_train)
    loss.backward()
    optimizer.step()

扩展:可替换为Adam优化器,添加早停机制防止过拟合。

7.2 Web3与区块链开发

本Python编程题大全集拓展Web3开发能力:从Web3.py操作以太坊(ABI编码/事件监听)、智能合约安全审计(重入攻击/整数溢出)、NFT铸造流程(ERC721标准)。

精选18道题,涵盖:Gas费优化策略(批量交易)、链下签名验证(EIP712)、IPFS文件存储(去中心化存储)、去中心化身份(DID)实现。

典型例题:用Web3.py查询ETH余额

from web3 import Web3
w3 = Web3(Web3.HTTPProvider("https://mainnet.infura.io/v3/xxx"))
balance = w3.eth.get_balance("0x...")
print(w3.from_wei(balance, "ether"), "ETH")

注意:生产环境需使用私钥管理服务,避免硬编码。

7.3 低代码与AI编程工具

在Python编程题大全集中,AI不是「替代开发者」,而是效率倍增器。我们强调:GitHub Copilot原理(Transformer模型+代码库训练)、AutoML自动化建模(AutoGluon)、代码生成质量评估(BLEU分数)。

精选15道题,涵盖:提示词工程(Prompt Engineering)、RAG检索增强生成(LangChain实现)、AI辅助调试(错误日志分析)、代码重构建议(SonarQube集成)。

典型例题:用LangChain实现文档问答

from langchain import PromptTemplate, LLMChain
from langchain.llms import OpenAI
from langchain.document_loaders import TextLoader
from langchain.indexes import VectorstoreIndexCreator
# 加载文档
loader = TextLoader("data.txt")
documents = loader.load()
# 创建向量数据库
index = VectorstoreIndexCreator().from_loaders([loader])
# 问答
query = "Python中如何实现装饰器?"
print(index.query(query))

扩展:可替换为本地模型(Llama.cpp),保护数据隐私。

Python常见问题答疑|高频问题·精准解答

8.1 新手入门高频问题

Q:安装Python后pip无法使用?
A:常见于Windows系统PATH未配置。解决步骤:
① 执行`python -m ensurepip --default-pip`重装pip
② 或手动添加路径:`C:\Python39\Scripts\`到系统PATH
③ 重启终端验证:`pip --version`

Q:虚拟环境(venv)与conda区别?
A:venv是Python内置轻量方案,适合纯Python项目;conda是Anaconda生态,支持多语言依赖(如C++库),适合数据科学场景。

Q:PyCharm与VS Code如何选择?
A:PyCharm专业版功能全面(调试/数据库/Web框架集成),适合大型项目;VS Code轻量灵活(插件生态),适合全栈开发。建议:
① 初学者:VS Code + Python插件
② 企业开发:PyCharm专业版

Q:Jupyter Notebook适合生产环境吗?
A:适合探索性分析和教学,但生产环境需转为.py脚本(版本控制/测试/部署更规范)。

Q:零基础如何3个月掌握Python?
A:建议路径:
第1月:基础语法(变量/循环/函数)+ Python编程题大全集基础题
第2月:数据结构(list/dict/set)+ 爬虫实战(requests+BeautifulSoup)
第3月:Web框架(Flask)+ 数据库(SQLite)+ 项目实战
关键:每天编码≥2小时,每题必须亲手运行!

Q:Python和JavaScript哪个先学?
A:若目标是数据分析/AI:选Python;若目标是前端开发:选JavaScript。两者语法相似,掌握一种后转学另一门更快。

8.2 开发调试高频问题

Q:TypeError: 'NoneType' object is not subscriptable
A:常见于函数返回None却尝试索引。例如:
`result = list.sort()` → `result`为None(sort原地修改)
正确做法:`sorted_list = sorted(list)` 或 `list.sort()`后单独调用

Q:IndentationError: unexpected unindent
A:混用Tab和空格。解决:
① 统一用空格(PEP8推荐4空格)
② VS Code:右下角点击「空格」→「转换缩进为空格」
③ PyCharm:Settings → Editor → Use tab character → 取消勾选

Q:如何加速Python代码?
A:按优先级:
① 算法优化(O(n²)→O(n log n))
② 使用内置函数(sum()比循环快)
③ 列表推导式替代for循环
④ C扩展(Cython/Numba)
⑤ 并行计算(multiprocessing)

Q:内存泄漏如何排查?
A:用`tracemalloc`模块:
`import tracemalloc; tracemalloc.start()`
`... 代码执行 ...`
`snapshot = tracemalloc.take_snapshot(); top_stats = snapshot.statistics('lineno')`

Q:如何调试多线程程序?
A:推荐:
① 打印线程名:`print(f"[{threading.current_thread().name}] ...")`
② 用logging替代print(带时间戳/线程ID)
③ PyCharm调试器:设置线程断点

Q:如何定位内存泄漏?
A:用`objgraph`:
`import objgraph; objgraph.show_most_common_types()`
`objgraph.show_backrefs([leak_obj], max_depth=10)`