脚本宝典收集整理的这篇文章主要介绍了Python 面试题整理,脚本宝典觉得挺不错的,现在分享给大家,也给大家做个参考。
Python是一种编程语言,它有对象,模块,线程,异常处理和自动内存管理。
好处:开源、简洁、简单、方便、容易扩展、有许多自带的数据结构
PEP8是一个编程规范,Python遵从该规范。比如缩进,模块导入顺序(标准,三方,自定义),注释,命名规范
Python是一种解释性语言,它的源代码可以直接运行。python解释器会将源代码转换成中间语言,之后再翻译成机器码再执行
Python的内存管理是由私有heap空间管理的,分配内存是由Python的内存管理模块进行的。
所有的Python对象和数据结构都在一个私有heap中。程序员没有访问该heap的权限,只有解释器才能对它进行操作。
Python有自带的垃圾回收系统,它回收并释放没有被使用的内存,让它们能够被其他程序使用
命名空间是一个命名系统,用于确保名称是唯一性,以避免命名冲突。
Python是一种解释型语言。与c语言等语言不同,Python不需要在运行之前进行编译。
Python是动态语言,当您声明变量或类似变量时,您不需要声明变量的类型。
Python适合面向对象的编程,因为它允许类的定义以及组合和继承。Python没有访问说明(如C ++的public,PRivate)。
在Python中,函数是第一类对象。它们可以分配给变量。类也是第一类对象
编写Python代码很快,但运行比较慢。Python允许基于C的扩展,例如numpy函数库。
Python可用于许多领域。Web应用程序开发,自动化,数学建模,大数据应用程序等等。它也经常被用作“胶水”代码。
python中的内存管理由Python私有堆空间管理。所有Python对象和数据结构都位于私有堆中。程序员无权访问此私有堆。python解释器负责处理这个问题。
Python对象的堆空间分配由Python的内存管理器完成。核心API提供了一些程序员编写代码的工具。
Python还有一个内置的垃圾收集器,它可以回收所有未使用的内存,并使其可用于堆空间。
当Python退出时,尤其是那些对其他对象具有循环引用的Python模块或者从全局名称空间引用的对象并没有被解除分配或释放。
无法解除分配C库保留的那些内存部分。
退出时,由于拥有自己的高效清理机制,Python会尝试取消分配/销毁其他所有对象。
缩进是Python必需的
是。Python是一种区分大小写的语言。
Python中的注释以#字符开头。也可以使用doc-strings(三重引号中包含的字符串-多用于多行注释)进行注释。
整型(int),布尔型(bool),字符串(str),列表(list),元组(tuple),字典(dict)
Python自带的数据结构分为可变的和不可变的。
可变的有:数组、集合、字典;
不可变的有:字符串、元组、数。
类型转换是指将一种数据类型转换为另一种数据类型。
int()--将任何数据类型转换为整数类型
float()--将任何数据类型转换为float类型
ord()--将字符转换为整数
hex()--将整数转换为十六进制
oct()--将整数转换为八进制
tuple()--此函数用于转换为元组。
set()--此函数在转换为set后返回类型。
list()--此函数用于将任何数据类型转换为列表类型。
dict()--此函数用于将顺序元组(键,值)转换为字典。
str()--用于将整数转换为字符串。
complex(real,imag)--此函数将实数转换为复数(实数,图像)数。
Python中的数组和列表具有相同的存储数据方式。但是,数组只能包含单个数据类型元素,而列表可以包含任何数据类型元素。
三元运算符是用于显示条件语句的运算符。这包含true或false值。
推导式是一种可以轻松创建字典和列表的语法结构
数组内容是可以被修改的
元组内容是只读的
Python中的内置数据类型称为字典。它定义了键和值之间的一对一关系。字典包含一对键及其对应的值。字典由键索引。
可以使用append(),extend()和insert(i,x)函数将元素添加到数组中。
可以使用pop()或remove()方法删除数组元素。这两个函数之间的区别在于前者返回已删除的值,而后者则不返回。
python2返回列表,python3返回迭代器,节约内存。
del和update方法
使用shuffle函数进行随机列表元素
[:: -1]
r , 表示需要原始字符串,不转义特殊字符。
sort是在本来list的基础上修改,无返回值;sorted 有返回值是新的list。
upper()字母变为大写
lower()字母变成小写
strip()去掉末尾的空格
len()函数可用于确定字符串,列表,数组等的长度。
is:当2个操作数为true时返回true(例如:“a”是'a')
not:返回布尔值的倒数
in:检查某个元素是否存在于某个序列中
如果要修改字符串,Python的“re”模块提供了3种方法。他们是:
split() - 使用正则表达式模式将给定字符串“拆分”到列表中。
sub() - 查找正则表达式模式匹配的所有子字符串,然后用不同的字符串替换它们
subn() - 它类似于sub(),并且还返回新字符串。
在Python中,capitalize()函数可以将字符串的第一个字母大写。如果字符串在开头已经包含大写字母,那么它将返回原始字符串。
要将字符串转换为小写,可以使用lower()函数。
Pickle模块接受任何Python对象并将其转换为字符串表示形式,并使用dump函数将其转储到文件中,此过程称为pickling。从存储的字符串中检索原始Python对象的过程称为unpickling。
# sum()函数求和 sum(range(1, 101)
# python的find和replace函数 string = 'life is short, I use python' # 返回的为0或正数时,为其索引号 >>> string.find('life') string.replace('short','long') # replace 将short替换为long >>> life is long, I use python
s = "ajldjlajfdljfddd" s = set(s) s = list(s) s.sort(reverse=False) res = ''.join(s) print(res)
dic = {"name": "zs", "age": 18, "city": "深圳", "tel": "1362626627"} lis = sorted(dic.items(), key=lambda i: i[0], reverse=False) print(lis)
From collections import Counter a = "kjalfj;ldsjafl;hdsllfdhg;lahfbl;hl;ahlf;h" res = Counter(a) print(res)
import re a = "not 404 found 张三 99 深圳" list = a.split(" ") print(list) res = re.findall('d+|[a-zA-Z]+', a) for i in res: if i in list: list.remove(i) new_str = " ".join(list) print(res) print(new_str)
a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] def fn(a): return a % 2 == 1 newlist = filter(fn, a) newlist = [i for i in newlist] print(newlist)
res = [i for i in a if i % 2 == 1]
list1 = [1, 5, 7, 9] list2 = [2, 2, 6, 8] list1.extend(list2) print(list1) list1.sort(reverse=False) print(list1)
# random模块中的shuffle(洗牌函数) import random list = [1, 2, 3, 4] random.shuffle(list) print(list)
list = [2, 3, 5, 4, 9, 6] new_list = [] def get_min(list): a = min(list) list.remove(a) new_list.append(a) if len(list) > 0: get_min(list) return new_list new_list = get_min(list) print(new_list)
# python内的heapq模块的nlargest() 和 nsmallest() import heapq portfolio = [ {'name': 'IBM', 'shares': 100, 'price': 91.1}, {'name': 'AAPL', 'shares': 50, 'price': 543.22}, {'name': 'FB', 'shares': 200, 'price': 21.09}, {'name': 'HPQ', 'shares': 35, 'price': 31.75}, {'name': 'YHOO', 'shares': 45, 'price': 16.35}, {'name': 'ACME', 'shares': 75, 'price': 115.65} ] # 参数3为最大的3个值(最小的3个值),对每个元素进行对比的时候,会以price的值进行比较。 cheap = heapq.nsmallest(3, portfolio, key=lambda s: s['price']) expensive = heapq.nlargest(3, portfolio, key=lambda s: s['price'])
import os import time def main(): content = '曹查理的python面试集-基础篇' while True: # 清理屏幕上的输出 os.System('cls') # os.system('clear') print(content) # 休眠200毫秒 time.sleep(0.2) content = content[1:] + content[0] if __name__ == '__main__': main()
foo = [-5, 8, 0, 4, 9, -4, -20, -2, 8, 2, -4] a = sorted(foo, key=lambda x: x) print(a)
foo = [-5, 8, 0, 4, 9, -4, -20, -2, 8, 2, -4] a = sorted(foo, key=lambda x: (x < 0, abs(x))) print(a)
foo = [{"name": "zs", "age": 19}, {"name": "ll", "age": 54}, {"name": "wa", "age": 17}, {"name": "df", "age": 23}] age = sorted(foo, key=lambda x: x['age'], reverse=True) name = sorted(foo, key=lambda x: x['age']) print(age) print(name)
foo = [("zs", 19), ("ll", 54), ("wa", 17), ("df", 23)] letter = sorted(foo, key=lambda x: x[1], reverse=True) num = sorted(foo, key=lambda x: x[0]) print(letter) print(num)
foo = [["zs", 19], ["ll", 54], ["wa", 17], ["df", 23], ["xf", 23]] letter = sorted(foo, key=lambda x: (x[1], x[0])) num = sorted(foo, key=lambda x: x[0]) print(letter) print(num)
dic = {"name": 'zs', 'sex': 'man', 'city': 'bj'} foo = zip(dic.keys(), dic.values()) foo = [i for i in foo] print('字典转成列表嵌套元组', foo) boo = sorted(foo, key=lambda x: x[0]) print('字典嵌套元组排序,根据键排序', boo) new_dict = {i[0]: i[1] for i in boo} print('字典推导式构造新字典', new_dict)
dic = {"name": 'zs', 'sex': 'man', 'city': 'bj'} print(dic.items()) boo = sorted(dic.items(), key=lambda x: x[0]) print("根据键排序", boo) new_dict = {i[0]: i[1] for i in boo} print('字典推导式构造新字典', new_dict)
import random td_list = [i for i in range(10)] print("列表推导式", td_list, type(td_list)) ge_list = (i for i in range(10)) print("生成器", ge_list) dic = {k: random.randint(4, 9) for k in ['a', 'b', 'c', 'd']} print("字典推导式", dic, type(dic))
s = ['ab', 'abc', 'a', 'djkl'] b = sorted(s, key=lambda x: len(x)) print(b, s) s.sort(key=len) print(s)
import re s = "info:xiaoZhang 33 shandong" res = re.split(r":| ", s) print(res)
str = 'hello world ha ha' res = str.replace(' ', '') print(res) list = str.split(' ') res = "".join(list) print(res)
函数是一个代码块,只有在被调用时才会执行。要在Python中定义函数,需要使用def关键字。
__init__是Python中的方法或者结构。在创建类的新对象/实例时,将自动调用此方法来分配内存。所有类都有__init__方法。
① __init__是初始化方法,创建对象后,就立刻被默认调用了,可接收参数
② __new__至少要有一个参数cls,代表当前类,此参数在实例化时由Python解释器自动识别。
③ __new__必须要有返回值,返回实例化出来的实例,这点在自己实现__new__时要特别注意,可以return父类(通过super(当前类名, cls))__new__出来的实例,或者直接是object的__new__出来的实例。
④ __init__有一个参数self,就是这个__new__返回的实例,__init__在__new__的基础上可以完成一些其它初始化的动作,__init__不需要返回值。
⑤ 如果__new__创建的是当前类的实例,会自动调用__init__函数,通过return语句里面调用的__new__函数的第一个参数是cls来保证是当前类实例,如果是其他类的类名,;那么实际创建返回的就是其他类的实例,其实就不会调用当前类的__init__函数,也不会调用其他类的__init__函数。
new()方法用来实例化最终的类对象,在类创建之前被调用,它在类的主体被执行完后开始执行。
init()方法是在类被创建之后被调用,用来执行其他的一些输出化工作
当我们构造元类的时候,通常只需要定一个init()或new()方法,但不是两个都定义。但是,如果需要接受其他的关键词参数的话,这两个方法就要同时提供,并且都要提供对应的参数签名。
__init__:对象初始化方法
__new__:创建对象时候执行的方法,单列模式会用到
__str__:当使用print输出对象的时候,只要自己定义了__str__(self)方法,那么就会打印从在这个方法中return的数据
__del__:删除对象执行的方法
lambda函数也叫匿名函数,该函数可以包含任意数量的参数,但只能有一个执行操作的语句。
sum=lambda a,b:a*b print(sum(2,3))
self是类的实例或对象。在Python中,self包含在第一个参数中。但是,Java中的情况并非如此,它是可选的。它有助于区分具有局部变量的类的方法和属性。init方法中的self变量引用新创建的对象,而在其他方法中,它引用其方法被调用的对象。
全局变量:在函数外或全局空间中声明的变量称为全局变量。这些变量可以由程序中的任何函数访问。
局部变量:在函数内声明的任何变量都称为局部变量。此变量存在于局部空间中,而不是全局空间中。
函数内部global声明 修改全局变量
*args,**kwargs主要用于函数定义,可以将不定量的参数传递给一个函数,这里的不定意思是预先并不知道函数使用者会传递几个参数,*args是用来发送一个非键值对的可变数量的参数列表给一个函数。**kwargs允许你将不定长的键值对,作为参数传递给一个函数,如果你想在一个函数里处理带名字的参数,应该使用**kwargs。
Help()和dir()这两个函数都可以从Python解释器直接访问,并用于查看内置函数的合并转储。
help()函数:help()函数用于显示文档字符串,还可以查看与模块,关键字,属性等相关的使用信息。
dir()函数:dir()函数用于显示定义的符号
Break 跳出并结束当前整个循环 执行循环后的语句
Continue 结束档次循环 继续执行后续次数循环
Break continue 可以与 for 和 while 搭配使用
pass:该语句什么也不做 是为了保持程序结构的完整性。常用在语法上需要一条语句但是不需要任何操作的情况。
try..except..else没有捕获到异常,执行else语句。
try..except..finally不管是否捕获到异常,都执行finally语句。
IOError:输入输出异常
AttributeError:试图访问一个对象没有的属性
ImportError:无法引入模块或包,基本是路径问题
IndentationError:语法错误,代码没有正确的对齐
IndexError:下标索引超出序列边界
KeyError:试图访问你字典里不存在的键
SyntaxError:Python代码逻辑语法出错,不能执行
NameError:使用一个还未赋予对象的变量
assert()方法,断言成功,则程序继续执行,断言失败,则程序报错。
类是对象的蓝图和模板,而对象是类的实例。类是抽象的概念,而对象是具体的东西。在面向对象编程的世界中,一切皆为对象,对象都有属性和行为,每个对象都是独一无二的,而且对象一定属于某个类(型)。当我们把一大堆拥有共同特征的对象的静态特征(属性)和动态特征(行为)都抽取出来后,就可以定义出一个叫做“类”的东西。面向对象有三大支柱:封装、继承和多态。
迭代器是可以遍历或迭代的对象
返回可迭代项集的函数称为生成器。
装饰器是一个函数,接收一个函数返回另一个函数。
函数可以作为参数传递的语言,可以使用装饰器。
在创建新实例类型时使用浅拷贝,并保留在新实例中复制的值。浅拷贝用于复制引用指针,就像复制值一样。这些引用指向原始对象,并且在类的任何成员中所做的更改也将影响它的原始副本。浅拷贝允许更快地执行程序,它取决于所使用的数据的大小。
深拷贝用于存储已复制的值。深拷贝不会将引用指针复制到对象。它引用一个对象,并存储一些其他对象指向的新对象。原始副本中所做的更改不会影响使用该对象的任何其他副本。由于为每个被调用的对象创建了某些副本,因此深拷贝会使程序的执行速度变慢。
浅拷贝没有拷贝子对象,所以原对象发生改变,其子对象也发生了改变,而深拷贝拷贝了子对象,原对象发生改变,其本身也不会改变。
多线程可以共享进程的内存空间,因此要实现多个线程之间的通信相对简单,比如设置一个全局变量,多个线程共享这个全局变量。但是当多个线程共享一个资源的时候,可能导致程序失效甚至崩溃,如果一个资源被多个线程竞争使用,那么对临界资源的访问需要加上保护,否则会处于“混乱”状态,比如银行存100块钱,最终很可能存不到一百块多个线程得到的余额状态都是0,所有操作都是在0上面加1,从而导致错误结果。这种情况下,锁就可以得到用处了。多线程并不能发挥cpu多核特性,因为python解释器有一个gil锁,任何线程执行前必须获得GIL锁,然后每执行100条字节码,解释器就会自动释放GIL锁让别的线程有机会执行。
Python有一个多线程库,但是用多线程来加速代码的效果并不是那么的好,
Python有一个名为Global Interpreter Lock(GIL)的结构。GIL确保每次只能执行一个“线程”。一个线程获取GIL执行相关操作,然后将GIL传递到下一个线程。
虽然看起来程序被多线程并行执行,但它们实际上只是轮流使用相同的CPU核心。
所有这些GIL传递都增加了执行的开销。这意味着多线程并不能让程序运行的更快。
python内部使用引用计数,来保持追踪内存中的对象,Python内部记录了对象有多少个引用,即引用计数,当对象被创建时就创建了一个引用计数,当对象不再需要时,这个对象的引用计数为0时,它被垃圾回收。所有这些都是自动完成,不需要像C一样,人工干预,从而提高了程序员的效率和程序的健壮性。
它是导入模块时使用的环境变量。每当导入模块时,也会查找PYTHONPATH以检查各个目录中是否存在导入的模块。解释器使用它来确定要加载的模块。
在大多数情况下,xrange和range在功能方面完全相同。它们都提供了一种生成整数列表的方法,唯一的区别是range返回一个Python列表对象,x range返回一个xrange对象。这就表示xrange实际上在运行时并不是生成静态列表。它使用称为yielding的特殊技术根据需要创建值。该技术与一种称为生成器的对象一起使用。因此如果你有一个非常巨大的列表,那么就要考虑xrange。
① 使用生成器,因为可以节约大量内存
② 循环代码优化,避免过多重复代码的执行
③ 核心模块用Cython PyPy等,提高效率
④ 多进程、多线程、协程
⑤ 多个if elif条件判断,可以把最有可能先发生的条件放到前面写,这样可以减少程序判断的次数,提高效率
# 方法1,实现__new__方法 # 并在将一个类的实例绑定到类变量_instance上, # 如果cls._instance为None说明该类还没有实例化过,实例化该类,并返回 # 如果cls._instance不为None,直接返回cls._instance class Singleton(object): def __new__(cls, *args, **kw): if not hasattr(cls, '_instance'): orig = super(Singleton, cls) cls._instance = orig.__new__(cls, *args, **kw) return cls._instance class MyClass(Singleton): a = 1 one = MyClass() two = MyClass() two.a = 3 print(one.a) # 3 # one和two完全相同,可以用id(), ==, is检测 print(id(one)) # 29097904 print(id(two)) # 29097904 print(one == two) # True print(one is two) # True print('--------------------------------------') # 方法2,共享属性;所谓单例就是所有引用(实例、对象)拥有相同的状态(属性)和行为(方法) # 同一个类的所有实例天然拥有相同的行为(方法), # 只需要保证同一个类的所有实例具有相同的状态(属性)即可 # 所有实例共享属性的最简单最直接的方法就是__dict__属性指向(引用)同一个字典(dict) # 可参看:http://code.activestate.COM/recipes/66531/ class Borg(object): _state = {} def __new__(cls, *args, **kw): ob = super(Borg, cls).__new__(cls, *args, **kw) ob.__dict__ = cls._state return ob class MyClass2(Borg): a = 1 one = MyClass2() two = MyClass2() # one和two是两个不同的对象,id, ==, is对比结果可看出 two.a = 3 print(one.a) # 3 print(id(one)) # 28873680 print(id(two)) # 28873712 print(one == two) # False print(one is two) # False # 但是one和two具有相同的(同一个__dict__属性),见: print(id(one.__dict__)) # 30104000 print(id(two.__dict__)) # 30104000 print('--------------------------------------') # 方法3:也是方法1的升级(高级)版本, # 使用装饰器(decorator), # 这是一种更pythonic,更elegant的方法, # 单例类本身根本不知道自己是单例的,因为他本身(自己的代码)并不是单例的 def singleton(cls, *args, **kw): instances = {} def _singleton(): if cls not in instances: instances[cls] = cls(*args, **kw) return instances[cls] return _singleton @singleton class MyClass4(object): a = 1 def __init__(self, x=0): self.x = x one = MyClass4() two = MyClass4() two.a = 3 print(one.a) # 3 print(id(one)) # 29660784 print(id(two)) # 29660784 print(one == two) # True print(one is two) # True one.x = 1 print(one.x) # 1 print(two.x) # 1
def get_suffix(filename, has_dot=False): """ 获取文件名的后缀名 :param filename: 文件名 :param has_dot: 返回的后缀名是否需要带点 :return: 文件的后缀名 """ pos = filename.rfind('.') if 0 < pos < len(filename) - 1: index = pos if has_dot else pos + 1 return filename[index:] else: return ''
def fn(): try: for i in range(5): if i > 2: raise Exception("数字大于2") except Exception as ret: print(ret) fn()
① 进程:
② 线程:
③ 应用:
Python模块是包含Python代码的.py文件。此代码可以是函数类或变量。一些常用的内置模块包括:sys、math、random、data time、JSON。
Python包是包含多个模块的命名空间
search和match都在re模块中,match只匹配字符串的开始,如果字符串开始不符合正则表达式,则匹配失败,函数返回None。search匹配整个字符串,直到找到一个匹配。
(.*)是贪婪匹配,会把满足正则的尽可能多的往后匹配
(.*?)是非贪婪匹配,会把满足正则的尽可能少匹配
re.match("1d{9}[0-3,5-6,8-9]", tel)
re.compile(r'[u4e00-u9fa5]+')
filter就像map,reduce,apply,zip等都是内置函数,用C语言实现,具有速度快,功能强大等 优点。
用于过滤与函数func()不匹配的值, 类似于SQL中select value != ‘a’
相当于一个迭代器,调用一个布尔函数func来迭代seq中的每个元素,返回一个是bool_seq返 回为True的序列
第一个参数: function or None, 函数或None
第二个参数: sequence,序列
json.dumps()字典转json字符串,json.loads()json转字典
os:提供了不少与操作系统相关联的函数
sys:通常用于命令行参数
re:正则匹配
math:数学运算
datetime:处理日期时间
with方法帮我们实现了finally中f.close
import datetime a = str(datetime.datetime.now().strftime('%y-%m-%d %H:%M:%S')) + ' 星期' + str(datetime.datetime.now().isoweekday()) print(a)
要在Python中删除文件,您需要导入OS模块。之后,您需要使用Os.remove()函数。
random模块是用于生成随机数的标准模块
randrange(a,b):它选择一个整数并定义[a,b]之间的范围。它通过从指定范围中随机选择元素来返回元素。它不构建范围对象。
uniform(a,b):它选择一个在[a,b)范围内定义的浮点数
normalVARiate(mean,sdev):它用于正态分布,其中mean是平均值,sdev是用于标准偏差的sigma。
使用和实例化的Random类创建一个独立的多个随机数生成器。
python垃圾回收主要以引用计数为主,标记-清除和分代清除为辅的机制,其中标记-清除和分代回收主要是为了处理循环引用的难题。
引用计数算法
当有1个变量保存了对象的引用时,此对象的引用计数就会加1;
当使用del删除变量指向的对象时,如果对象的引用计数不为1,比如3,那么此时只会让这个引用计数减1,即变为2,当再次调用del时,变为1,如果再调用1次del,此时会真的把对象进行删除。
以上是脚本宝典为你收集整理的Python 面试题整理全部内容,希望文章能够帮你解决Python 面试题整理所遇到的问题。
本图文内容来源于网友网络收集整理提供,作为学习参考使用,版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ:384754419,请注明来意。