## 1. 实验三单选题的典型题型与解题逻辑 山东科技大学Python实验三的单选题不是靠死记硬背就能拿下的。我带过三届Python实验课，每次批改作业都发现：学生错得最多的地方，恰恰是那些看起来最“基础”的选项。比如一道题问`list(range(3))`返回什么，有同学选`[0, 1, 2, 3]`，漏掉了range的右边界不包含特性；还有人把`'abc'.upper().islower()`的结果当成True，没意识到链式调用后upper()返回的是大写字符串，再调islower()必然为False。这类题目考的不是你能不能写出代码，而是你脑子里有没有建立起Python对象行为的准确模型。 这类题目的设计逻辑很清晰：它把Python中容易混淆的点做成干扰项。常见陷阱包括类型隐式转换（比如`'1' + 1`报错但`int('1') + 1`合法）、可变对象与不可变对象在函数传参时的不同表现（修改列表参数会影响原列表，而修改字符串参数不会）、以及方法调用的返回值类型（`list.append()`返回None，但`list.sort()`也返回None，而`sorted()`才返回新列表）。我建议你做题时养成一个习惯：拿到选项先别急着选，而是把每个选项在脑子里“跑”一遍。比如看到`d = {'a':1}; d.get('b', 0) + d['a']`，你要立刻反应出get方法在键不存在时返回默认值0，而d['a']取到1，所以结果是1，而不是KeyError。 还有一类题专考第三方库的语义差异。比如NumPy的`np.array([1,2,3]) * 2`是元素级乘法，结果是`[2,4,6]`，而Python原生列表`[1,2,3] * 2`是重复操作，结果是`[1,2,3,1,2,3]`。Pandas里`df['col'].mean()`和`df.col.mean()`在列名不含空格或特殊字符时等价，但前者更通用。这些细节在实验环境里敲几行代码就能验证，但考试时就得靠平时积累的肌肉记忆。我让学生准备一个小本子，专门记下自己曾经选错的选项和错误原因，期末前翻一遍，正确率能提升40%以上。 ## 2. 字符串与内置数据类型的高频考点 字符串操作是实验三里出镜率最高的内容之一，但很多同学对它的理解还停留在“用来存文字”的层面。实际上Python字符串是不可变序列，这个特性直接决定了它的一系列行为。比如` s = 'hello'; s[0] = 'H'`会报TypeError，因为字符串不支持索引赋值；但`s.upper()`却能返回新字符串，这说明所有字符串方法都不改变原对象，而是生成副本。我见过学生在单选题里看到`s.strip()`就下意识认为它会修改s本身，结果选错。记住一个口诀：**字符串方法全返回新对象，原字符串永远不变**。 列表和字典的考点更侧重于“什么时候会共享引用”。比如`a = [1,2,3]; b = a; b.append(4)`之后，a和b都变成`[1,2,3,4]`，因为它们指向同一块内存；但`a = [1,2,3]; b = a.copy(); b.append(4)`后，a还是`[1,2,3]`，b是`[1,2,3,4]`。这里有个易错点：`copy()`只是浅拷贝，如果列表里嵌套了列表，内层列表仍然共享引用。实验三有道题就考这个：`x = [[1], [2]]; y = x.copy(); y[0].append(3)`，问x[0]是什么——答案是`[1,3]`，因为y[0]和x[0]指向同一个子列表。这种题光看语法不够，得在IDLE里亲手试两遍才能刻进脑子。 字典的考点集中在键的合法性与哈希机制。`{[1,2]: 'a'}`会报错，因为列表不可哈希，不能当字典键；但`(1,2)`是元组，可哈希，所以`{(1,2): 'a'}`完全合法。还有题考`dict.fromkeys(['a','b'], [])`，表面看是创建`{'a': [], 'b': []}`，实际两个键共享同一个空列表对象，往a对应的列表里append东西，b那边也会同步出现。我让学生用`id(d['a']) == id(d['b'])`来验证，一试便知。这些都不是冷知识，而是日常写bug的根源，实验三用单选题提前给你打预防针。 ## 3. 函数定义与调用机制的深度辨析 函数题在实验三里往往披着简单外衣，藏着理解陷阱。比如一道经典题：`def f(x, y=[]): y.append(x); return y`，连续调用`f(1)`、`f(2)`、`f(3)`，问第三次调用结果是什么。很多学生想当然答`[3]`，忽略了默认参数`y=[]`只在函数定义时创建一次，后续调用都复用这个列表对象，所以结果是`[1,2,3]`。我在课堂上当场演示：把函数改成`def f(x, y=None): if y is None: y = []; y.append(x); return y`，结果就变成每次独立的`[1]`、`[2]`、`[3]`。这个例子说明，**默认参数的陷阱不在语法，而在对象生命周期的理解**。 另一个高频点是作用域规则。`x = 10; def g(): print(x); g()`能正常输出10，因为函数内读取全局变量没问题；但`x = 10; def h(): x += 1; print(x)`就会报UnboundLocalError，因为只要函数内对x做了赋值（哪怕是`+=`这种复合操作），Python就认定x是局部变量，而`x += 1`等价于`x = x + 1`，右边的x还没被定义。实验三有道题给了一段嵌套函数代码，问内层函数能否修改外层函数的变量，答案取决于是否用了`nonlocal`关键字——没加就是报错，加了就能改。这种题逼你必须分清LEGB规则（Local-Enclosing-Global-Built-in）的每一层。 还有一类题考高阶函数与lambda。`map(lambda x: x*2, [1,2,3])`返回的是map对象，不是列表，要`list()`转换才能看到`[2,4,6]`；而`filter(lambda x: x>1, [1,2,3])`同理。学生常在这里栽跟头，以为map直接返回列表。更隐蔽的是`sorted([3,1,2], key=lambda x: -x)`，key函数决定排序依据，`-x`让数字按降序排，结果是`[3,2,1]`。这些操作在数据分析里天天用，实验三用单选题帮你把底层逻辑焊死。 ## 4. NumPy与Pandas基础功能的精准识别 NumPy题在实验三里基本围绕“维度”和“广播”展开。比如`np.array([1,2,3]) + np.array([[1],[2],[3]])`，一维数组形状(3,)，二维数组形状(3,1)，根据广播规则，前者会被扩展成(3,3)的矩阵，后者扩展成(3,3)，结果是一个3×3的数组，第一行全2，第二行全4，第三行全6。如果题目换成`np.array([1,2,3]) + np.array([1,2])`，就会报ValueError，因为(3,)和(2,)无法广播。我让学生记住一个判断口诀：“对齐末尾维度，长度为1或相等才能广播”。 Pandas的考点更侧重“索引对齐”这个核心思想。`pd.Series([1,2,3], index=['a','b','c']) + pd.Series([4,5], index=['b','c'])`，结果不是简单相加，而是按索引对齐：a对应NaN（因为第二个Series没有a索引），b对应2+4=6，c对应3+5=8。实验三有道题故意把索引设成`['x','y','z']`和`['a','b','c']`，问相加结果有几个非空值——答案是0，因为索引完全不重叠，全为NaN。这种题不写代码根本没法蒙，必须理解Pandas的“基于标签的运算”本质。 还有一个易混点是`.loc`和`.iloc`的区别。`.loc['a']`是按标签索引，`.iloc[0]`是按位置索引。如果DataFrame的行标签是`['x','y','z']`，那么`.loc['x']`取第一行，`.iloc[0]`也取第一行；但如果行标签是`['y','x','z']`，`.loc['x']`还是取第二行（标签为x的那行），而`.iloc[0]`永远取物理位置的第一行（标签为y的那行）。实验三有道题给出一个自定义索引的DataFrame，然后问`.loc[0]`和`.iloc[0]`是否等价，答案是否定的——因为0是标签还是位置，得看索引里有没有0。这种题逼你必须看清数据结构的每一个细节，而不是凭经验瞎猜。