python面试题思考

最近面试的时候在一家某券商企业遇到了一些关于python的问题，作为一名数据挖掘人员，虽然经常使用python，但是对于一些所以然的问题发现思考还是不深，或者以前在学习的时候有研究过，但是在工作中因为很少使用，所以就淡忘了。欢迎各位在评论区提供优质答案。

1. 已知一个无序数字列表，里面只有一个元素是频数为1，找出这个元素。

看到这个问题以后，笔者的第一反应是首先word count，然后找出频率值为1的元素；第二反应是利用hash code思想快速把相同的元素映射到同一个分区中；第三反应是首先对列表排序，然后遍历列表，如果某个元素和前后邻居元素都不同，则该元素就是所要查找的值，下面分别解释这三种方法：

（1）word count

直接统计的思想最为简单直接，可以直接统计，也可以转换为numpy、pandas类型使用group by计算，当然后者显然不是面试官想要的答案，不过可以提一下凸显自己的知识面，尤其是collections工具包：

from collections import Counter

## 利用collections
def f1(data):
    for key, value in Counter(data).items():
        if value == 1:
            return key
    return None

## 利用列表直接统计
def f2(data):
    for i in set(data):
        if data.count(i) == 1:
            return i
    return None

## 利用字典统计
def f3(data):
    tmp = {}
    for value in data:
        tmp[value] = tmp.get(value, 0) + 1
    for key, value in tmp.items():
        if value == 1:
            return key
    return None

（2）列表排序

上面的方法，虽然可以实现功能，但是或多或少都是借用了python内置的功能，未必能给面试官留下更深的印象。下面先排序、再比较的处理方法也可以实现功能，虽然时间复杂度看起来要高些，但是可以凸显自己的发散思维：

def f4(data):
    tmp = data.copy()
    tmp.sort()

    for i in range(len(tmp)-1):
        if i==0 and tmp[0] != tmp[1]:
            return tmp[0]
        if i==len(tmp)-2 and tmp[-1] != tmp[-2]:
            return tmp[-1]
        if tmp[i] != tmp[i-1] and tmp[i] != tmp[i+1]:
            return tmp[i]
    return None

这里需要注意尽量不要改变原始数据，当然上面也没有考虑短数组的越界问题。

（3）参考hash code思想

在很多工具组件里面做数据分区的时候，利用的都是hash code思想，但是本人苦于虽然知道这种思想，但是从没在程序方面做过操作，不知道相关的API和函数，不过我们可以借用set来操作。为什么用set呢？因为set的in操作时间复杂度远远低于list：

def f5(data):
    t1 = set()
    t2 = set()
    
    for value in data:
        if value in t2:
            pass
        elif value in t1:
            t2.add(value)
            t1.remove(value)
        else:
            t1.add(value)

    return t1

※ 面试的时候如果能够从不同角度进行发散，即使答案不是最优的，也是一种加分项。对于很多人来说，因为各种因素，在面试的时候只能发挥出七层左右的实力，有些问题（尤其是逻辑性问题），如果不是曾经接触过，确实难以在较短的时间内想出最优答案。

2. python装饰器

装饰器算是python里面为数不多的有python特色，面试官又喜欢问的问题了吧，网上资料很多，就不多做介绍了。

3. python多线程调度

都知道python多线程是伪多线程，GIL锁使得python同一个时刻只有一个线程在一个cpu上执行字节码，并且无法将多个线程映射到多个cpu上，即不能发挥多个cpu的优势。假如有十个任务，每个任务需要执行10s，十个就是100s，如果使用10个线程，是不是还是100s呢？什么情况下可能会出现远低于100s的情况呢？