2024年华为Python面试真题解析，用它做Python并行数据分析，隔壁程序猿都馋哭了_dd，hashmap底层原理面试题

收集整理了一份《2024年最新Python全套学习资料》免费送给大家，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上Python知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）

正文

• 算术运算（乘以或添加到Series）
• 常见聚合（平均值，最小值，最大值，求和等）
• 调用 apply（只要它在索引中，也就是说，不是在 groupby（‘y’）之后’y’不是索引）
• 调用 value_counts（），drop_duplicates（）或corr（）
• 使用 loc，isin 和行式选择进行过滤

如何使用 Dask Dataframes

Dask Dataframes 与 Pandas Dataframes 具有相同的 API，只是聚合和 apply 函数延迟执行，并且需要通过调用 compute 方法来计算。要想生成 Dask Dataframe，可以像在 Pandas 中一样调用 read_csv 方法，或者，如果给出 Pandas Dataframe df，只需调用

dd = ddf.from_pandas(df, npartitions=N)

其中 ddf 是你导入 Dask Dataframes 的名称，而 npartitions 是一个参数，告诉 Dataframe 如何对其进行分区。

根据 StackOverflow 上的说法，建议将 Dataframe 划分为与计算机核数数量相同的分区，或者是该数量的几倍，因为每个分区将在不同的线程上运行。如果分区过多，它们之间的通信代价会高很多。

动手吧：做点基准测试

我写了一个 Jupyter notebook 试用这个框架，在 GitHub 上能看到，可以自己运行一下：github.com/StrikingLoo/

我运行的基准测试可以在 Github 上的 Jupyter notebook 中找到，主要有以下要点：

这里df3是一个常规的 Pandas Dataframe，拥有 2500 万行，使用这段脚本生成，其中列是名称，姓氏和薪水，从列表中随机抽样。我用了一个有 50 行的数据集并连接了 500000 次，因为我对分析本身并不太感兴趣，但运行它时才会。

dfn 就是基于 df3 的 Dask Dataframe。

第一批结果：不太乐观

我首先尝试使用 3 个分区进行测试，因为我的电脑只有 4 个内核，不想过度使用它。这次使用 Dask 的结果非常差，而且还要等很久才能得到结果，不过我怀疑这可能是分区过少的原因：

可以看到在我使用 Dask 时大多数操作变慢了很多。这给了我一些启示，可能必须使用更多分区才行。产生延迟计算所花的成本也可以忽略不计（在某些情况下不到半秒），所以如果重复使用它，成本不会随着时间推移而摊销。

我还用 apply 方法尝试了这个测试：

并有非常相似的结果：

因此，一般来说，大多数操作的速度都是初始操作的两倍，尽管过滤器的速度要快得多。我觉得或许应该在上面调用 compute，所以对这个结果持保留态度。

更多分区：加速惊人

得到前面这些不尽人意的结果之后，我决定我可能只是没有使用足够的分区。毕竟，整件事情的重点是并行运行，所以或许我只需进一步并行化？所以我尝试了 8 个分区的相同测试，得到了如下结果（省略了非并行数据帧的结果，因为它们基本相同）：

最后

Python崛起并且风靡，因为优点多、应用领域广、被大牛们认可。学习 Python 门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。Python可以做网络应用，可以做科学计算，数据分析，可以做网络爬虫，可以做机器学习、自然语言处理、可以写游戏、可以做桌面应用…Python可以做的很多，你需要学好基础，再选择明确的方向。这里给大家分享一份全套的 Python 学习资料，给那些想学习 Python 的小伙伴们一点帮助！

👉Python所有方向的学习路线👈

Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

👉Python必备开发工具👈

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

👉Python全套学习视频👈

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

👉实战案例👈

学python就与学数学一样，是不能只看书不做题的，直接看步骤和答案会让人误以为自己全都掌握了，但是碰到生题的时候还是会一筹莫展。

因此在学习python的过程中一定要记得多动手写代码，教程只需要看一两遍即可。

👉大厂面试真题👈

我们学习Python必然是为了找到高薪的工作，下面这些面试题是来自阿里、腾讯、字节等一线互联网大厂最新的面试资料，并且有阿里大佬给出了权威的解答，刷完这一套面试资料相信大家都能找到满意的工作。

如果你需要这些资料，可以添加V无偿获取：hxbc188 （备注666）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
无偿获取：hxbc188 （备注666）**
[外链图片转存中…(img-trEfd3WG-1713793868773)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！