python算法笔试题及答案

python算法笔试题及答案Python算法笔试题及答案一、选择题（30分）1.在Python中，以下哪种数据结构不是线性结构？A.列表(list)B.元组(tuple)C.集合(set)D.队列(queue)答案：【C】解析：线性结构是指元素之间存在一对一的线性关系，包括列表、元组、队列等。集合(set)是Python中的一种无序、不重复元素的集合，不是线性结构，而是非线性结构。易错警示：考生容易混淆集合和列表的特性，集合是无序且不重复的，而列表是有序且可重复的。2.关于Python中的递归函数，下列说法错误的是？A.递归函数必须有终止条件B.递归函数会导致函数调用栈的深度增加C.Python对递归深度没有限制D.过深的递归可能导致栈溢出答案：【C】解析：Python对递归深度有限制，默认最大递归深度为1000左右，可通过sys.setrecursionlimit()调整。递归必须有终止条件，否则会导致无限递归；递归会增加函数调用栈的深度；过深的递归确实可能导致栈溢出。定义：递归是指在函数的定义中调用函数自身的一种编程技术。3.下列哪个Python内置函数可以用来对列表进行原地排序？A.sorted()B.list.sort()C.reverse()D.order()答案：【B】解析：sorted()函数返回一个新的已排序列表，不改变原列表；list.sort()是列表的方法，会对原列表进行原地排序，不返回新列表；reverse()用于反转列表，不是排序；order()不是Python内置函数。计算过程：假设有列表a=[3,1,2]，a.sort()后a变为[1,2,3]，而sorted(a)返回[1,2,3]但a仍为[3,1,2]。4.在Python中，下列哪个时间复杂度代表最优的算法效率？A.O(n²)B.O(nlogn)C.O(n)D.O(1)答案：【D】解析：算法的时间复杂度从低到高排序为：O(1)<O(logn)<O(n)<O(nlogn)<O(n²)<O(2ⁿ)等。O(1)表示常数时间复杂度，无论输入规模如何，执行时间都是固定的，是最优的效率。易错警示：考生容易混淆不同时间复杂度的高低关系，需要牢记常见复杂度的排序。5.关于Python中的字典(dict)，下列说法正确的是？A.字典中的键(key)必须是不可变类型B.字典中的值(value)必须是不可变类型C.字典是有序的（Python3.6之前）D.字典中的键不能重复，但值可以重复答案：【A,D】解析：字典的键必须是不可变类型（如字符串、数字、元组等），因为可变类型无法作为哈希表的键；值可以是任何类型；在Python3.6之前，字典是无序的，从3.6开始字典保持插入顺序；字典中的键必须唯一，但值可以重复。定义：字典是Python中的一种键值对集合，通过键来访问对应的值。6.下列哪个算法不是基于分治思想的？A.快速排序B.归并排序C.堆排序D.二分查找答案：【C】解析：快速排序和归并排序都是典型的分治算法，将问题分解为子问题解决；二分查找也是分治思想的应用；而堆排序是基于堆数据结构实现的排序算法，不是分治算法。计算过程：堆排序首先构建堆，然后通过不断调整堆顶元素并重新调整堆来完成排序，这个过程不涉及将问题分解为独立的子问题。7.在Python中，下列哪个方法可以用来检查元素是否存在于列表中？A.find()B.search()C.inD.exists()答案：【C】解析：in是Python的成员运算符，用于检查元素是否存在于列表中；find()和search()不是列表的方法，字符串有find()方法；exists()不是Python内置函数。易错警示：考生容易混淆列表和字符串的方法，列表没有find()或search()方法。8.关于Python中的生成器(generator)，下列说法正确的是？A.生成器是迭代器的一种B.生成器函数使用return语句返回值C.生成器表达式与列表推导式功能完全相同D.生成器可以随机访问元素答案：【A】解析：生成器是迭代器的一种，实现了迭代器协议；生成器函数使用yield语句返回值，而不是return；生成器表达式与列表推导式功能相似，但生成器是惰性计算的，不会一次性生成所有结果；生成器不支持随机访问，只能顺序访问。定义：生成器是一种特殊的迭代器，使用yield语句而不是return返回值。9.在Python中，下列哪个数据结构可以实现栈(stack)的功能？A.listB.dequeC.queueD.heapq答案：【A,B】解析：list可以使用append()和pop()方法实现栈的后进先出(LIFO)功能；deque(双端队列)也可以通过append()和pop()实现栈的功能；queue是队列模块，主要用于实现队列；heapq是堆模块，主要用于实现优先队列。计算过程：对于栈操作，list.append(item)用于入栈，list.pop()用于出栈，时间复杂度均为O(1)。10.下列哪个算法的时间复杂度为O(nlogn)？A.冒泡排序B.选择排序C.归并排序D.插入排序答案：【C】解析：冒泡排序、选择排序和插入排序的时间复杂度均为O(n²)；归并排序的时间复杂度为O(nlogn)。易错警示：考生容易混淆不同排序算法的时间复杂度，需要牢记常见排序算法的复杂度特点。11.在Python中，下列哪个方法可以用来合并两个列表？A.merge()B.concat()C.extend()D.join()答案：【C】解析：extend()方法可以将一个列表的所有元素添加到另一个列表中；merge()和concat()不是列表的方法；join()是字符串方法，用于将字符串列表连接成一个字符串。定义：列表是Python中的一种有序可变序列，可以包含任意类型的元素。12.关于Python中的异常处理，下列说法错误的是？A.try-except块可以捕获特定类型的异常B.一个try块可以有多个except块C.finally块无论是否发生异常都会执行D.raise语句用于主动抛出异常答案：【无正确选项】解析：try-except块可以捕获特定类型的异常；一个try块可以有多个except块；finally块无论是否发生异常都会执行；raise语句用于主动抛出异常。所有选项都正确，题目设计有误。13.在Python中，下列哪个函数可以用来获取列表的长度？A.size()B.length()C.len()D.count()答案：【C】解析：len()是Python内置函数，用于获取列表的长度；size()、length()和count()都不是获取列表长度的方法。count()用于统计元素在列表中出现的次数。计算过程：对于列表a=[1,2,3,4]，len(a)返回4，表示列表中有4个元素。14.关于Python中的函数参数，下列说法正确的是？A.函数参数可以有默认值B.函数参数可以按位置传递也可以按关键字传递C.可变参数(args)和关键字可变参数(kwargs)可以同时使用D.以上都正确答案：【D】解析：Python函数参数可以有默认值；函数参数可以按位置传递也可以按关键字传递；可变参数(args)和关键字可变参数(kwargs)可以同时使用在同一个函数中。定义：函数参数是传递给函数的值，可以是位置参数、关键字参数、默认参数、可变参数等。15.在Python中，下列哪个数据结构最适合实现优先队列？A.listB.setC.heapqD.dict答案：【C】解析：heapq模块实现了堆数据结构，最适合实现优先队列；list虽然可以通过排序实现优先队列，但效率较低；set是无序集合，不适合实现优先队列；dict是键值对集合，不适合实现优先队列。计算过程：使用heapq模块，可以通过heapq.heappush()插入元素，heapq.heappop()弹出最小元素，时间复杂度均为O(logn)。二、填空题（20分）1.在Python中，使用_________方法可以向列表末尾添加一个元素。答案：append()解析：append()是列表的方法，用于向列表末尾添加一个元素。易错警示：考生容易混淆append()和extend()的区别，append()添加单个元素，而extend()添加多个元素。2.实现二分查找的递归函数中，通常需要三个参数：待查找的列表、_________和待查找的值。答案：查找范围的起始和结束索引解析：二分查找的递归实现需要知道当前的查找范围，即起始索引和结束索引，然后根据中间元素与目标值的大小关系，决定在左半部分还是右半部分继续查找。定义：二分查找是一种在有序数组中查找特定元素的搜索算法，每次比较都使搜索范围减半。3.在Python中，_________语句可以提前终止循环。答案：break解析：break语句用于立即终止当前循环，不再执行循环体中的剩余语句，并跳转到循环后的下一条语句执行。计算过程：当在循环中遇到break语句时，程序会立即跳出循环，执行循环后面的代码。4.在Python中，使用_________关键字可以定义一个函数。答案：def解析：def是Python中用于定义函数的关键字，后跟函数名和参数列表，然后是函数体。易错警示：考生容易混淆def和lambda的使用场景，def用于定义常规函数，而lambda用于定义匿名函数。5.在Python中，_________方法可以删除列表中指定值的第一个匹配项。答案：remove()解析：remove()方法用于删除列表中第一个匹配指定值的元素，如果列表中没有该值，会抛出ValueError异常。计算过程：对于列表a=[1,2,3,2,4]，a.remove(2)后，a变为[1,3,2,4]，只删除了第一个2。6.在Python中，_________运算符用于判断两个变量是否引用同一个对象。答案：is解析：is运算符用于判断两个变量是否引用同一个对象，比较的是对象的身份标识(id)；而==运算符用于判断两个对象的值是否相等。定义：在Python中，每个对象都有一个唯一的身份标识，可以通过id()函数获取。7.在Python中，使用_________模块可以实现栈的功能。答案：collections.deque解析：collections.deque模块提供了双端队列数据结构，可以高效地实现栈和队列的功能，比使用list实现栈更高效。计算过程：deque的append()和pop()操作的时间复杂度都是O(1)，而list的pop(0)操作的时间复杂度是O(n)。8.在Python中，_________函数可以用于反转列表。答案：reverse()解析：reverse()是列表的方法，用于原地反转列表中的元素顺序，不返回新列表；而reversed()函数返回一个反转后的迭代器。易错警示：考生容易混淆reverse()和reversed()的区别，reverse()是列表方法且原地修改，而reversed()返回迭代器。9.在Python中，_________语句可以用来处理异常。答案：try-except解析：try-except语句用于捕获和处理异常，try块中放置可能引发异常的代码，except块中处理特定类型的异常。定义：异常是程序运行时发生的错误事件，如除以零、文件不存在等。10.在Python中，_________方法可以将列表转换为字符串。答案：join()解析：join()是字符串的方法，用于将列表中的元素连接成一个字符串，列表中的元素必须是字符串类型。计算过程：对于列表a=['a','b','c']，使用''.join(a)返回'abc'，而','.join(a)返回'a,b,c'。三、判断题（10分）1.Python中的列表是线程安全的。答案：错误解析：Python中的列表不是线程安全的，当多个线程同时修改同一个列表时，可能会导致数据不一致或其他问题。定义：线程安全是指多个线程同时访问共享数据时，不会破坏数据的完整性和一致性。易错警示：考生容易认为Python的所有内置数据结构都是线程安全的，实际上大多数都不是。2.在Python中，元组(tuple)是不可变的，因此不能修改元组中的元素。答案：正确解析：元组是Python中的一种不可变序列，一旦创建就不能修改其元素，不能添加或删除元素。计算过程：对于元组t=(1,2,3)，尝试执行t[0]=10会引发TypeError错误，因为元组不支持元素赋值。3.Python中的函数可以返回多个值。答案：正确解析：Python中的函数可以返回多个值，实际上是返回一个元组。定义：函数的返回值是通过return语句指定的，Python函数可以返回一个或多个值。4.快速排序的最坏时间复杂度是O(n²)。答案：正确解析：快速排序的平均时间复杂度是O(nlogn)，但在最坏情况下（如数组已经有序或逆序），时间复杂度会退化为O(n²)。易错警示：考生容易只记住快速排序的平均时间复杂度，而忽略了其最坏情况下的性能。5.在Python中，列表推导式比for循环更高效。答案：错误解析：列表推导式在代码可读性和简洁性上优于传统for循环，但在性能上两者基本相当，有时甚至略低于for循环。定义：列表推导式是Python中创建列表的一种简洁方式，语法为[expressionforiteminiterable]。6.在Python中，字典的键可以是列表。答案：错误解析：字典的键必须是不可变类型，列表是可变类型，不能作为字典的键。计算过程：尝试使用列表作为字典键会引发TypeError错误，因为列表是不可哈希的。易错警示：考生容易混淆可变和不可变类型，记住只有不可变类型才能作为字典的键。7.在Python中，递归函数一定比迭代函数效率低。答案：错误解析：递归函数和迭代函数各有优劣，在某些情况下递归可能更简洁，而在另一些情况下迭代可能更高效。定义：递归是函数调用自身的过程，迭代是通过循环重复执行一段代码的过程。8.在Python中，使用装饰器可以修改函数的行为。答案：正确解析：装饰器是一种特殊类型的函数，用于修改其他函数的行为而不需要修改函数本身。定义：装饰器是Python中一种高级特性，它接受一个函数作为参数并返回一个新函数。9.在Python中，生成器表达式与列表推导式功能完全相同。答案：错误解析：生成器表达式与列表推导式语法相似，但生成器表达式返回的是一个生成器对象，是惰性计算的，不会一次性生成所有结果。计算过程：对于大数据集，生成器表达式比列表推导式更节省内存，因为它不会一次性创建所有元素。易错警示：考生容易混淆生成器表达式和列表推导式的区别，记住生成器是惰性求值的。10.在Python中，使用global关键字可以在函数内部修改全局变量。答案：正确解析：global关键字用于在函数内部声明要使用全局变量，而不是创建一个新的局部变量。定义：全局变量是在函数外部定义的变量，可以在整个程序中访问。四、简答题（20分）1.请简述二分查找算法的基本思想，并写出Python实现代码。答案：二分查找算法的基本思想是在有序数组中，每次比较中间元素与目标值的大小关系，如果中间元素等于目标值，则查找成功；如果中间元素大于目标值，则在左半部分继续查找；如果中间元素小于目标值，则在右半部分继续查找。每次比较都将搜索范围缩小一半，直到找到目标值或搜索范围为空。Python实现代码：```pythondefbinary_search(arr,target):left,right=0,len(arr)-1whileleft<=right:mid=(left+right)//2ifarr[mid]==target:returnmidelifarr[mid]<target:left=mid+1else:right=mid-1return-1```解析：二分查找算法的基本思想是在有序数组中通过比较中间元素与目标值的大小关系，将搜索范围缩小一半。定义：二分查找是一种在有序数组中查找特定元素的搜索算法，每次比较都使搜索范围减半。计算过程：算法首先确定搜索范围的中间位置，然后比较中间元素与目标值的大小关系，根据比较结果调整搜索范围的边界，直到找到目标值或搜索范围为空。易错警示：实现二分查找时需要注意边界条件的处理，如当搜索范围只有一个元素时的情况，以及循环终止条件的设置。2.请简述冒泡排序算法的基本思想，并写出Python实现代码。答案：冒泡排序的基本思想是通过多次遍历列表，每次比较相邻的两个元素，如果它们的顺序错误就交换它们的位置。这样，每一轮遍历都会将当前未排序部分的最大元素"冒泡"到正确的位置。重复这个过程，直到整个列表排序完成。Python实现代码：```pythondefbubble_sort(arr):n=len(arr)foriinrange(n):标记本轮是否发生交换swapped=False每轮遍历将当前最大元素"冒泡"到最后forjinrange(0,n-i-1):ifarr[j]>arr[j+1]:交换相邻元素arr[j],arr[j+1]=arr[j+1],arr[j]swapped=True如果本轮没有发生交换，说明列表已经有序ifnotswapped:breakreturnarr```解析：冒泡排序的基本思想是通过多次遍历列表，每次比较相邻的两个元素并交换它们的位置，将当前未排序部分的最大元素"冒泡"到正确的位置。定义：冒泡排序是一种简单的排序算法，它重复地遍历要排序的列表，比较相邻元素并交换它们的位置。计算过程：算法通过两层循环实现，外层循环控制排序的轮数，内层循环比较相邻元素并交换它们的位置，每轮结束后，当前未排序部分的最大元素会移动到正确的位置。易错警示：实现冒泡排序时需要注意优化，如设置swapped标志位来提前终止已排序的情况，以及减少内层循环的次数（因为每轮结束后，最后一个元素已经有序）。3.请简述Python中的装饰器及其应用场景，并举例说明。答案：装饰器是一种特殊类型的函数，它接受一个函数作为参数并返回一个新函数。装饰器可以修改函数的行为而不需要修改函数本身，通常用于添加日志、权限检查、性能测量等功能。装饰器的语法使用@符号，放在函数定义的前面。应用场景：1.日志记录：记录函数的调用信息2.权限检查：检查用户是否有权限调用函数3.性能测量：测量函数的执行时间4.缓存：缓存函数的计算结果5.输入验证：验证函数的输入参数示例代码：```pythonimporttimefromfunctoolsimportwraps装饰器：测量函数执行时间deftiming_decorator(func):@wraps(func)defwrapper(args,kwargs):start_time=time.time()result=func(args,kwargs)end_time=time.time()print(f"{func.__name__}执行时间:{end_time-start_time:.4f}秒")returnresultreturnwrapper装饰器：权限检查defadmin_required(func):@wraps(func)defwrapper(args,kwargs):user_role=kwargs.get('user_role','guest')ifuser_role!='admin':raisePermissionError("需要管理员权限")returnfunc(args,kwargs)returnwrapper使用装饰器@timing_decorator@admin_requireddefprocess_data(data,user_role='guest'):"""处理数据的函数"""time.sleep(1)模拟处理数据耗时returnf"处理完成:{data}"调用函数try:result=process_data("重要数据",user_role='admin')print(result)exceptPermissionErrorase:print(f"错误:{e}")```解析：装饰器是一种高级Python特性，它允许在不修改函数源代码的情况下扩展函数的功能。定义：装饰器是一个接受函数作为参数并返回一个新函数的函数，通常用于横切关注点（如日志、权限、性能等）。计算过程：装饰器本质上是一个高阶函数，它返回一个新的函数，该函数在调用原始函数之前或之后执行额外的操作。易错警示：使用装饰器时需要注意函数元信息的保留，可以使用functools.wraps装饰器来保留原始函数的名称、文档字符串等元信息。4.请简述Python中的生成器(generator)及其应用场景，并举例说明。答案：生成器是Python中的一种特殊迭代器，使用yield语句而不是return返回值。生成器在每次调用时执行，遇到yield语句会暂停执行并返回值，下次调用时从暂停处继续执行。生成器是惰性求值的，不会一次性生成所有结果，而是按需生成，因此节省内存。生成器的应用场景：1.处理大数据集：生成器可以逐个处理大数据集中的元素，而不需要一次性加载所有数据到内存2.无限序列：生成器可以表示无限序列，如斐波那契数列、素数序列等3.流式数据处理：生成器可以处理流式数据，如读取大文件或网络数据流4.协程：生成器可以用作协程，实现任务调度和异步编程示例代码：```python生成器函数：生成斐波那契数列deffibonacci(n):a,b=0,1count=0whilecount<n:yieldaa,b=b,a+bcount+=1使用生成器fib_gen=fibonacci(10)fornuminfib_gen:print(num,end='')print()生成器表达式：生成平方数squares=(x2forxinrange(1,6))print("平方数列表:",list(squares))使用生成器读取大文件defread_large_file(file_path):withopen(file_path,'r')asfile:forlineinfile:yieldline.strip()模拟读取大文件defsimulate_large_file():生成一个大文件内容foriinrange(1,1001):yieldf"这是第{i}行内容\n"使用生成器处理大文件file_gen=simulate_large_file()fori,lineinenumerate(file_gen,1):ifi<=5:只打印前5行作为示例print(f"第{i}行:{line}")ifi>=1000:模拟读取到文件末尾break```解析：生成器是Python中的一种特殊迭代器，使用yield语句返回值，并在每次调用时暂停执行。定义：生成器是一种迭代器，它使用yield语句而不是return返回值，可以保存函数的执行状态并在下次调用时继续执行。计算过程：生成器函数在调用时不会立即执行，而是返回一个生成器对象，每次迭代时会执行函数体直到遇到yield语句，返回yield后的值并暂停执行，下次迭代时从暂停处继续执行。易错警示：使用生成器时需要注意，生成器只能迭代一次，再次迭代不会得到任何结果，因为生成器已经到达末尾。五、计算题（10分）1.分析以下Python代码的时间复杂度和空间复杂度：```pythondeffind_duplicate(nums):seen=set()fornuminnums:ifnuminseen:returnnumseen.add(num)returnNone```答案：时间复杂度：O(n)空间复杂度：O(n)解析：该代码使用集合来记录已经出现过的数字，遍历列表中的每个元素，检查是否已经在集合中。定义：时间复杂度是指算法执行所需的时间与输入规模之间的关系；空间复杂度是指算法执行所需的存储空间与输入规模之间的关系。计算过程：时间复杂度方面，最坏情况下需要遍历整个列表，每次检查和添加操作的时间复杂度都是O(1)，因此总的时间复杂度为O(n)；空间复杂度方面，最坏情况下需要存储所有元素，因此空间复杂度为O(n)。易错警示：考生容易忽略最坏情况下的分析，或者错误地认为set的in操作和add操作的时间复杂度不是O(1)，实际上它们平均情况下是O(1)。2.分析以下Python代码的时间复杂度，并讨论其优化空间：```pythondeffind_max_product(nums):max_product=float('-inf')foriinrange(len(nums)):forjinrange(i+1,len(nums)):product=nums[i]nums[j]ifproduct>max_product:max_product=productreturnmax_product```答案：时间复杂度：O(n²)解析：该代码使用两层循环遍历所有可能的数对，计算它们的乘积并找出最大值。定义：时间复杂度是指算法执行所需的时间与输入规模之间的关系。计算过程：外层循环执行n次，内层循环平均执行n/2次，因此总的循环次数约为n(n-1)/2，时间复杂度为O(n²)。易错警示：考生容易忽略嵌套循环对时间复杂度的影响，需要仔细分析循环的执行次数。优化空间：1.排序法：先将数组排序，然后比较数组中最大的两个元素的乘积与最小的两个元素的乘积，取较大者。这种方法的时间复杂度为O(nlogn)，空间复杂度为O(1)或O(n)（取决于排序算法）。2.单次遍历法：在单次遍历中找出数组中的最大值、次大值、最小值和次小值，然后比较最大值次大值与最小值次小值，取较大者。这种方法的时间复杂度为O(n)，空间复杂度为O(1)。优化后的代码示例（单次遍历法）：```pythondeffind_max_product_optimized(nums):iflen(nums)<2:returnNonemax1=max2=float('-inf')最大值和次大值min1=min2=float('inf')最小值和次小值fornuminnums:更新最大值和次大值ifnum>max1:max2=max1max1=numelifnum>max2:max2=num更新最小值和次小值ifnum<min1:min2=min1min1=numelifnum<min2:min2=numreturnmax(max1max2,min1min2)```解析：优化后的算法通过单次遍历找出数组中的最大值、次大值、最小值和次小值，然后比较最大值次大值与最小值次小值，取较大者。定义：优化是指改进算法以减少时间复杂度或空间复杂度的过程。计算过程：在单次遍历中，通过比较和更新操作，我们可以在O(n)时间内找到所需的极值，然后通过两次乘法比较得到结果，总时间复杂度为O(n)。易错警示：考生容易忽略负数的情况，当数组中有负数时，两个负数的乘积可能是正数且可能大于两个正数的乘积，因此需要同时考虑最大值和最小值。六、材料综合题（10分）材料：假设你正在开发一个简单的电商系统，需要实现一个购物车功能。购物车需要支持以下操作：1.添加商品到购物车2.从购物车中移除商品3.更新购物车中商品的数量4.计算购物车中商品的总价5.显示购物车中的所有商品信息商品信息包括：商品ID、商品名称、单价和数量。请设计一个购物车类，实现上述功能，并考虑线程安全问题。同时，分析你的实现的时间复杂度和空间复杂度。答案：以下是实现购物车功能的Python代码，包括线程安全考虑：```pythonimportthreadingfromtypingimportDict,ListclassShoppingCart:def__init__(self):self._items:Dict[str,Dict]={}使用字典存储商品，键为商品IDself._lock=threading.Lock()用于线程锁defadd_item(self,item_id:str,name:str,price:float,quantity:int=1)->None:"""添加商品到购物车"""withself._lock:ifitem_idinself._items:如果商品已存在，增加数量self._items[item_id]['quantity']+=quantityelse:如果商品不存在，添加新商品self._items[item_id]={'name':name,'price':price,'quantity':quantity}defremove_item(self,item_id:str,quantity:int=None)->bool:"""从购物车中移除商品"""withself._lock:ifitem_idnotinself._items:returnFalseifquantityisNoneorquantity>=self._items[item_id]['quantity']:如果未指定数量或指定数量大于等于现有数量，完全移除商品delself._items[item_id]else:减少指定数量self._items[item_id]['quantity']-=quantityifself._items[item_id]['quantity']<=0:delself._items[item_id]returnTruedefupdate_quantity(self,item_id:str,new_quantity:int)->bool:"""更新购物车中商品的数量"""withself._lock:ifitem_idnotinself._items:returnFalseifnew_quantity<=0:如果新数量小于等于0，移除商品delself._items[item_id]else:self._items[item_id]['quantity']=new_quantityreturnTruedefcalculate_total(self)->float:"""计算购物车中商品的总价"""withself._lock:total=0.0foriteminself._items.values():total+=item['price']item['quantity']returntotaldefdisplay_items(self)->List[Dict]:"""显示购物车中的所有商品信息"""withself._lock:return[{'id':item_id,'name':item['name'],'price':item['price'],'quantity':ite