【Python环境】Python面试题汇总(一)开发者社区

【Python环境】Python面试题汇总(一)

>>> import this  
The Zen of Python, by Tim Peters  
Beautiful is better than ugly.  
Explicit is better than implicit.  
Simple is better than complex.  
Complex is better than complicated.  
Flat is better than nested.  
Sparse is better than dense.  
Readability counts.  
Special cases aren't special enough to break the rules.  
Although practicality beats purity.  
Errors should never pass silently.  
Unless explicitly silenced.  
In the face of ambiguity, refuse the temptation to guess.  
There should be one-- and preferably only one --obvious way to do it.  
Although that way may not be obvious at first unless you're Dutch.  
Now is better than never.  
Although never is often better than *right* now.  
If the implementation is hard to explain, it's a bad idea.  
If the implementation is easy to explain, it may be a good idea.  
Namespaces are one honking great idea -- let's do more of those!

#交换两个变量值  
a,b = b,a  
#去掉list中的重复元素  
old_list = [1,1,1,3,4]  
new_list = list(set(old_list))  
#翻转一个字符串  
s = 'abcde'  
ss = s[::-1]  
#用两个元素之间有对应关系的list构造一个dict  
names = ['jianpx', 'yue']  
ages = [23, 40]  
m = dict(zip(names,ages))  
#将数量较多的字符串相连，如何效率较高，为什么  
fruits = ['apple', 'banana']  
result = ''.join(fruits)  
#python字符串效率问题之一就是在连接字符串的时候使用‘+’号，例如 s = ‘s1’ + ‘s2’ + ‘s3’ + ...+’sN’，总共将N个字符串连接起来， 但是使用+号的话，python需要申请N-1次内存空间， 然后进行字符串拷贝。原因是字符串对象PyStringObject在python当中是不可变 对象，所以每当需要合并两个字符串的时候，就要重新申请一个新的内存空间 （大小为两个字符串长度之和）来给这个合并之后的新字符串，然后进行拷贝。 所以用+号效率非常低。建议在连接字符串的时候使用字符串本身的方法 join（list），这个方法能提高效率，原因是它只是申请了一次内存空间， 因为它可以遍历list中的元素计算出总共需要申请的内存空间的大小，一次申请完。

具体IDE都有调试，比如:IDLE, Eclipse+Pydev都可以设置断点调试。 
pdb模块也可以做调试。
还有PyChecker和Pylint
PyChecker是一个python代码的静态分析工具，它可以帮助查找python代码的bug, 会对代码的复杂度和格式提出警告  
Pylint   是另外一个工具可以进行coding standard检查。

http://rogerdudler.github.io/git-guide/index.zh.html    #关于git简明指南  
http://www.zhihu.com/question/20070065                  #关于git的BBS  
http://www.techug.com/githug-for-designer               #关于github的

什么是GIL(Global Interpreter Lock)全局解释器锁? 简单地说就是:
每一个interpreter进程,只能同时仅有一个线程来执行, 获得相关的锁, 存取相关的资源.
那么很容易就会发现,如果一个interpreter进程只能有一个线程来执行, 
多线程的并发则成为不可能, 即使这几个线程之间不存在资源的竞争.
从理论上讲,我们要尽可能地使程序更加并行, 能够充分利用多核的功能.

元类就是用来创建类的“东西”
详情操作: http://blog.jobbole.com/21351/

>>> D = {'a':1,'b':2,'c':3,'d':4}  
>>> D.items()                       #一次性取出所有  
[('a', 1), ('c', 3), ('b', 2), ('d', 4)]  
>>> D.iteritems()                   #迭代对象，每次取出一个。用for循环遍历出来；  
<dictionary-itemiterator object at 0x00000000026243B8>  
>>> for i in D.iteritems():  
...   print i,  
('a', 1) ('c', 3) ('b', 2) ('d', 4)  
>>> for k,v in D.iteritems():  
...   print k,  
a c b d  
1. 一般iteritems()迭代的办法比items()要快，特别是数据库比较大时。
2. 在Python3中一般取消前者函数

这是代码结构设计的问题，模块依赖和类依赖
如果老是觉得碰到循环引用，很可能是模块的分界线划错地方了。可能是把应该在一起的东西硬拆开了，可能是某些职责放错地方了，可能是应该抽象的东西没抽象
总之微观代码规范可能并不能帮到太多，重要的是更宏观的划分模块的经验技巧，推荐uml，脑图，白板等等图形化的工具先梳理清楚整个系统的总体结构和职责分工
采取办法，从设计模式上来规避这个问题，比如:
1. 使用 “__all__” 白名单开放接口
2. 尽量避免 import

>>> with open('text.txt') as myfile:  
...   while True:  
...     line = myfile.readline()  
...     if not line:  
...       break  
...     print line,  
# with语句使用所谓的上下文管理器对代码块进行包装，允许上下文管理器实现一些设置和清理操作。  
# 例如：文件可以作为上下文管理器使用，它们可以关闭自身作为清理的一部分。  
# NOTE：在PYTHON2.5中，需要使用from __future__ import with_statement进行with语句的导入

def fibs(x):
    result = [0, 1]
    for index in range(x-2):
        result.append(result[-2]+result[-1])
    return result
if __name__=='__main__':
    num = input('Enter one number: ')
    print fibs(num)

>>> import random
>>> random.random()
0.29495314937268713
>>> random.randint(1,11)
>>> random.choice(range(11))
3

如果是一个list, 最快的解决方案是：
list.reverse()
    for x in list:
        “do something with x”
finally:
    list.reverse()
如果不是list, 最通用但是稍慢的解决方案是：
for i in range(len(sequence)-1, -1, -1):
x = sequence[i]

def func(arg, *args, **kwagrs):   #普通函数
    func_body
    return 
lambda x: x **2                   #匿名函数

import re
s = ‘<html><head><title>Title</title>’
print(re.match(‘<.*>’, s).group())
会返回一个匹配<html><head><title>Title</title>而不是<html>
import re
s = ‘<html><head><title>Title</title>’
print(re.match(‘<.*?>’, s).group())
则会返回<html>
<.*>这种匹配称作贪心匹配 <.*?>称作非贪心匹配

>>> import re
>>> re.match(r'python','Programing Python, should be pythonic')
>>> obj1 = re.match(r'python','Programing Python, should be pythonic')  #返回None
>>> obj2 = re.search(r'python','Programing Python, should be pythonic') #找到pythonic
>>> obj2.group()
'python'
#re.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；
#re.search匹配整个字符串，直到找到一个匹配。

在Python3中，对中文进行了全面的支持，但在Python2.x中需要进行相关的设置才能使用中文。否则会出现乱码。
Python默认采取的ASCII编码，字母、标点和其他字符只使用一个字节来表示，但对于中文字符来说，一个字节满足不了需求。
为了能在计算机中表示所有的中文字符，中文编码采用两个字节表示。如果中文编码和ASCII混合使用的话，就会导致解码错误，从而才生乱码。
解决办法:
交互式命令中：一般不会出现乱码，无需做处理 
py脚本文件中：跨字符集必须做设置，否则乱码
1. 首先在开头一句添加:
# coding = utf-8  
# coding = UTF-8  
# -*- coding: utf-8 -*- 
2. 其次需将文件保存为UTF-8的格式！
3. 最后: s.decode('utf-8').encode('gbk')

函数使用:
1. 代码块重复，这时候必须考虑到函数，降低程序的冗余度
2. 代码块复杂，这时候必须考虑到函数，降低程序的复杂度
Python有两种函数,一种是def定义，一种是lambda函数()
当程序代码很短，且该函数只使用一次，为了程序的简洁，及节省变量内存占用空间，引入了匿名函数这个概念
>>> nums = range(2,20)
>>> for i in nums:
        nums = filter(lambda x:x==i or x % i,nums)
[2, 3, 5, 7, 11, 13, 17, 19]

#From list to Tuple                 
tuple(a_list)   
#From Tuple to List
def to_list(t): 
	return [i if not isinstance(i,tuple) else to_list(i) for i in t]

>>> L1 = [4,1,3,2,3,5,1]
>>> L2 = []
>>> [L2.append(i) for i in L1 if i not in L2]
>>> print L2
[4, 1, 3, 2, 5]

>>> int('1234')                   # 将数字型字符串转为整形
>>> float(12)                     # 将整形或数字字符转为浮点型
>>> str(98)                       # 将其他类型转为字符串型
>>> list('abcd')                  # 将其他类型转为列表类型
['a', 'b', 'c', 'd']
>>> dict.fromkeys(['name','age']) # 将其他类型转为字典类型
{'age': None, 'name': None}
>>> tuple([1, 2, 3, 4])           # 将其他类型转为元祖类型
(1, 2, 3, 4)

>>> type([]);type('');type(0);type({});type(0.0);type((1,))
<type 'list'>
<type 'str'>
<type 'int'>
<type 'dict'>
<type 'float'>
<type 'tuple'>

切片S[:]  # 注不能应用于字典
深浅宝贝  # 能应用于所有序列和字典
1. 浅拷贝D.copy()方法
2. 深拷贝deepcopy(D)方法

pass语句什么也不做,一般作为占位符或者创建占位程序

f = open(filename)  
while True:  
    line = f.readline()  
    if not line: break  
    print(line)  
f.close()

import os
os.remove(filename)

>>> list1 = [1, 3, 4, 6]
>>> list2 = [1, 2, 3, 4]
>>> [i for i in list1 if i not in list2]
>>> [i for i in list1 if i in list2]
[1, 3, 4]

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。

>>> range(10)
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> range(1, 10)
[1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> range(0, 9, 2)
[0, 2, 4, 6, 8]
>>> range(99,0,-10)
[99, 89, 79, 69, 59, 49, 39, 29, 19, 9]
相区别的是xrange(),每次只取出一个迭代对象，如果是数据量比较大时，效率较高
在Python3中，没有xrange()函数，其功能放在了range()函数上

程序中出现异常情况时就需要异常处理。比如当你打开一个不存在的文件时。当你的程序中有
一些无效的语句时，Python会提示你有错误存在。下面是一个拼写错误的例子，print写成了Print
下面是异常最常见的几种角色
1. 错误处理
>>>可以在程序代码中捕捉和相应错误，或者忽略已发生的异常。
>>>如果忽略错误，PYTHON默认的异常处理行为将启动:停止程序，打印错误信息。
>>>如果不想启动这种默认行为，就用try语句来捕捉异常并从异常中恢复。
2. 事件通知
>>>异常也可用于发出有效状态的信号，而不需在程序间传递结果标志位。或者刻意对其进行测试
3. 特殊情况处理
>>>有时，发生了某种很罕见的情况，很难调整代码区处理。通常会在异常处理中处理，从而省去应对特殊情况的代码
4. 终止行为
>>>try/finally语句可确保一定会进行需要的结束运算，无论程序是否有异常
5. 非常规控制流程

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