在 CPython 解释器中，一个多线程应用正在执行一个纯计算密集型任务（例如，大规模数学运算）。关于此场景下的性能表现，以下哪个说法是正确的？
A
增加线程数可以按比例提高计算性能，因为能充分利用多核CPU。
B
由于全局解释器锁（GIL）的存在，多线程无法实现真正的并行计算，性能提升非常有限甚至可能因线程切换开销而下降。
C
GIL 只影响 I/O 密集型任务，对计算密集型任务没有影响，性能取决于算法效率。
D
只有当线程数远超过 CPU 核心数时，GIL 才会成为性能瓶颈。
正确答案：B
你的答案：A
官方解析：
在CPython中，全局解释器锁（GIL）会阻止多线程在计算密集型任务中实现真正的并行计算，因为GIL确保同一时间只有一个线程可以执行Python字节码。因此，增加线程数并不会按比例提高性能，反而可能因线程切换开销导致性能下降。选项A错误，因为GIL阻止了多核CPU的充分利用；选项C错误，GIL对计算密集型任务有显著影响，而非只影响I/O密集型任务；选项D错误，GIL在计算密集型任务中总是潜在的性能瓶颈，不限于线程数远超过CPU核心数的情况。

以下代码使用了两个装饰器，执行f()后输出的顺序是？

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
def decorator1(func):
def wrapper():
print(“Decorator 1”)
func()
return wrapper
def decorator2(func):
def wrapper():
print(“Decorator 2”)
func()
return wrapper
@decorator1
@decorator2
def f():
print(“Function f”)
f()
A
Decorator 1 → Decorator 2 → Function f
B
Decorator 2 → Decorator 1 → Function f
C
Decorator 1 → Function f → Decorator 2
D
Decorator 2 → Function f → Decorator 1
正确答案：A
你的答案：未作答
官方解析：
Python装饰器的应用顺序是从下往上，即最靠近函数的装饰器先应用。代码中，@decorator2首先应用到f函数上，相当于f = decorator2(f)；然后@decorator1应用到上述结果上，相当于f = decorator1(f)。执行f()时，先调用decorator1的wrapper函数，打印’Decorator 1’；然后调用decorator2的wrapper函数，打印’Decorator 2’；最后调用原f函数，打印’Function f’。因此输出顺序是Decorator 1 → Decorator 2 → Function f，对应选项A。题目无文字错误、逻辑矛盾、专业名称错误或规则破坏错误。

在Python3中，程序运行结果为：
1
2
3
4
lists = [1, 1, 2, 3, 4, 5, 6]
lists.remove(1)
lists.extend([7,8,9])
print(lists)

A
[2,3,4,5,6]
B
[1,2,3,4,5,6,[7,8,9]]
C
[1,2,3,4,5,6,7,8,9]
D
[2,3,4,5,6,7,8,9]
正确答案：C
你的答案：未作答
官方解析：
程序运行后的输出结果为：

[1, 2, 3, 4, 5, 6, 7, 8, 9]
步骤解析：

初始列表： lists = [1, 1, 2, 3, 4, 5, 6]
lists.remove(1)： 删除第一个值为1的元素，列表变为[1, 2, 3, 4, 5, 6]。
lists.extend([7, 8, 9])： 将[7, 8, 9]追加到列表末尾，得到[1, 2, 3, 4, 5, 6, 7, 8, 9]。