附答案|2024最新Python面试题之Python基础(5)-CSDN博客

本文链接：https://blog.csdn.net/jtaiykt/article/details/142522452

写在之前

Python 面试的时候会涉及到很多的八股文，我准备连载一个新的系列【最新Python面试题】

这些面试题是我结合自身经验，以及搜集整理的企业面试真题，主要有以下几个方面：

Python基础
Python机制
Python面向对象
Python笔试题
Python算法
Django框架
Flask框架
其他开源框架
Scrapy数据爬虫
Python正则式
Python数据分析
Pandas框架
Python拓展知识（数据结构，常见算法，数据库原理及调优，中间件…)

虽然这些是面试“八股文”，但是只会背答案与流畅的并能结合自身思考的回答，对于面试官来说还是有很大区别的。

所以除了在每道面试题后会提供仔细整理和验证后的答案以外，在每篇文章中会挑选一道难度高且重点的题目做详细的讲解。

希望大家不但能知其然也可以知其所以然，在面试的时候让面试官眼前一亮，这样白花花的offer不就到手了嘛

每天会更新10道题左右，无论是准备面试还是自己学习，这份面试题绝对值得你去看

大家可以关注我，再关注我，使劲关注我，不要错过每天的更新~

1.Python如何定义函数?

在 Python 中，定义函数使用 def 关键字，后跟函数名和括号内的参数列表。函数体则跟在冒号后面，并且必须缩进。

以下是定义函数的基本语法：

def function_name(parameters):
    """函数的文档字符串（可选）"""
    # 函数体
    return expression  # 返回值（可选）

function_name：这是函数的名称，它应该遵循 Python 的命名规则（通常使用小写字母和下划线）。
parameters：这是函数的参数列表，参数之间用逗号分隔。参数可以有默认值。
"""函数的文档字符串（可选）"""：这是一个可选的文档字符串，用于描述函数的作用。它应该紧跟在函数定义之后，并且用三引号括起来。
return expression：这是函数的返回值，它表示函数执行完成后返回给调用者的值。return 语句是可选的，如果没有 return 语句，函数默认返回 None。

2.Python 如何进行字符串插值？

百分号格式化（% 操作符）：
这是较早的字符串格式化方法，通过在字符串中使用 % 操作符和格式化占位符来实现。
```
name = "Alice"
greeting = "Hello, %s!" % name
print(greeting)  # 输出: Hello, Alice!
```
str.format() 方法：
这种方法在 Python 2.6 及以后的版本中引入，提供了更多的灵活性和强大的格式化选项。
```
name = "Alice"
greeting = "Hello, {}!".format(name)
print(greeting)  # 输出: Hello, Alice!
```
format() 方法还可以进行更复杂的格式化，如设置宽度、填充字符、对齐方式等。
f-字符串（格式化字符串字面量）：
在 Python 3.6 及以后的版本中引入，是当前推荐的字符串插值方法。f-字符串通过在字符串前加上字母 f 或 F，并在大括号 {} 中直接嵌入变量或表达式。
```
name = "Alice"
greeting = f"Hello, {name}!"
print(greeting)  # 输出: Hello, Alice!
```
f-字符串不仅简洁，而且执行效率高，因为它在运行时会直接将变量的值插入字符串中。

模板字符串：
string.Template 类提供了另一种字符串插值的方法，它使用 $ 符号来引用变量。

from string import Template
template = Template('Hello, $name!')
greeting = template.substitute(name="Alice")
print(greeting)  # 输出: Hello, Alice!

3." is"和" =="有什么区别？

is：
- is 操作符用于比较两个对象的身份，即它们是否为同一个对象（即是否位于内存中的同一个位置）。
- 它检查两个变量是否引用同一个对象。
- is 对于确定两个变量是否指向同一个可变对象非常有用，例如列表、字典、类实例等。
==：
- == 操作符用于比较两个对象的值是否相等。
- 它检查两个对象的内容是否相同。
- == 通常用于比较两个不可变对象，如整数、浮点数、字符串和元组等。

4." func"和" func（）"有什么区别？

func：这表示对函数的引用，而不是函数的调用。它指向函数对象本身，而不是函数的执行结果。在这种情况下，func 变量存储了函数的内存地址，你可以使用它来访问函数的属性或者将其作为参数传递给其他函数。
func()：这表示调用函数 func。当你在函数名后面加上括号时，Python 解释器会执行这个函数，并返回函数体内部 return 语句的结果（如果函数中有 return 语句）。如果没有 return 语句或者 return 语句没有返回值，那么函数默认返回 None。

5.简述 Map功能的工作方式？

map() 函数是 Python 的内置函数之一。
用于对可迭代对象的每个元素应用一个函数，并将结果收集到一个新的迭代器中。
map() 函数通常用于将一个函数应用于一个序列的每个元素，或者将多个序列的对应元素应用到一个函数上。

6.Python是按引用调用还是按值调用？

Python 中的函数调用可以被认为是按引用调用，但这里的“引用”指的是对象的引用，而不是内存地址。
对于可变对象，函数内部的修改会影响原始对象。
对于不可变对象，函数内部的修改不会影响原始对象，除非显式地将参数重新赋值为一个新的对象。

7.解释 Python filter功能如何工作？

filter() 函数是 Python 的内置函数之一，用于过滤序列，从中提取符合特定条件的元素。
filter() 函数接受两个参数：一个函数和一个可迭代对象。
传入的函数用于判断可迭代对象中的每个元素是否符合条件，返回布尔值（True 或 False）。filter() 会返回一个迭代器，包含所有使函数返回 True 的元素。

8.字符串乘法如何工作？

'cat' * 3
#=> 'catcatcat'
#该字符串将自身连接3次

d9.列表乘法如何工作？

[1,2,3] * 2
#=> [1, 2, 3, 1, 2, 3]
#输出包含重复两次的[1,2,3]内容的列表。

重点题详解

.解释reduce函数的工作原理？

reduce() 函数是 Python 的 functools 模块中的一个函数，它用于将一个函数应用于可迭代对象的元素，从而将其缩减（reduce）为单一的值。reduce() 函数通常用于更复杂的数据处理，比如累加、累乘或者更复杂的数据聚合操作。

工作原理

reduce() 函数的基本语法如下：

reduce(function, iterable[, initializer])

function 是一个接受两个参数的函数，它将被应用到 iterable 的元素上。
iterable 是一个可迭代对象，比如列表、元组等。
initializer 是可选的，如果提供，它将作为 reduce() 函数的初始值。

工作步骤

初始化：如果提供了 initializer，则将其作为第一个累积值。如果没有提供 initializer，则从 iterable 中取出第一个元素作为累积值。
迭代：reduce() 函数将 function 应用到累积值和 iterable 的下一个元素上。每次应用后，function 的返回值成为下一次迭代的累积值。
继续应用：这个过程一直持续到 iterable 中的所有元素都被处理完毕。
返回结果：最终的累积值就是 reduce() 函数的返回值。

示例

假设我们有一个列表 [1, 2, 3, 4]，我们想要计算所有元素的累加和。

from functools import reduce

numbers = [1, 2, 3, 4]
sum = reduce(lambda x, y: x + y, numbers)
print(sum)  # 输出: 10

在这个例子中：

function 是一个匿名函数 lambda x, y: x + y，它接受两个参数 x 和 y，并返回它们的和。
iterable 是列表 [1, 2, 3, 4]。
没有提供 initializer，所以 reduce() 会从列表中取出第一个元素（1）作为初始累积值。

工作流程如下：

第一次迭代：function(1, 2) 返回 3，累积值为 3。
第二次迭代：function(3, 3) 返回 6，累积值为 6。
第三次迭代：function(6, 4) 返回 10，累积值为 10。

最终，reduce() 返回 10。

注意事项

如果 iterable 为空，并且没有提供 initializer，reduce() 会引发 TypeError。
reduce() 函数通常用于更复杂的数据处理，而不是简单的累加或累乘，因为这些操作可以直接使用内置的 sum() 或 map() 函数。

实现逻辑详解

reduce() 函数的实现逻辑可以通过迭代地应用一个二元函数（即接受两个参数的函数）来实现。下面是一个简化的 reduce() 函数的实现，展示了其基本逻辑：

from functools import reduce

def my_reduce(function, iterable, initializer=None):
    # 如果提供了 initializer，则将其作为累积值
    if initializer is not None:
        accumulator = initializer
        iter_iterable = iter(iterable)
    else:
        # 没有提供 initializer，从 iterable 中取出第一个元素作为累积值
        accumulator = next(iter(iterable))
        iter_iterable = iter(iterable)

    # 迭代地应用 function 到累积值和 iterable 的下一个元素
    for element in iter_iterable:
        accumulator = function(accumulator, element)

    return accumulator

# 示例使用
numbers = [1, 2, 3, 4]
print(my_reduce(lambda x, y: x + y, numbers))  # 输出: 10

初始化累积值：
- 如果提供了 initializer 参数，那么直接使用它作为累积值（accumulator）。
- 如果没有提供 initializer，那么使用 iter() 函数将 iterable 转换为迭代器，并使用 next() 函数从迭代器中取出第一个元素作为累积值。
迭代应用函数：
- 使用 iter() 函数将 iterable 转换为迭代器（如果已经取出了第一个元素，那么直接使用剩余的迭代器）。
- 使用 for 循环遍历迭代器中的每个元素。
- 在每次迭代中，将 function 应用到累积值和当前的元素上，并将结果更新为新的累积值。
返回结果：
- 循环结束后，返回最终的累积值。