先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7
深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！
因此收集整理了一份《2024年最新Python全套学习资料》，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，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新
如果你需要这些资料，可以添加V获取：vip1024c （备注Python）
正文
25、用 lambda 函数实现两个数相乘？
mul=lambda x,y:x*y
print(mul(2,5)) #10
26、字典根据键从小到大排序？
info = {‘name’: ‘Gage’, ‘location’:‘nj’, ‘sex’: ‘man’}
res_key=sorted(info.items(),key=lambda x:x[0]) #根据键排序
print(res_key) #[(‘location’, ‘nj’), (‘name’, ‘Gage’), (‘sex’, ‘man’)]
res_value=sorted(info.items(),key=lambda x:x[1]) #根据值排序
print(res_value) #[(‘name’, ‘Gage’), (‘sex’, ‘man’), (‘location’, ‘nj’)]
#若对列表中的字典进行排序
l=[{‘name’:‘psy’,‘age’:18},{‘name’:‘xk’,‘age’:24},{‘name’:‘pyg’,‘age’:55}]
#按年龄进行排序
l.sort(key=lambda item:item[‘age’])
print(l) #[{‘name’: ‘psy’, ‘age’: 18}, {‘name’: ‘xk’, ‘age’: 24}, {‘name’: ‘pyg’, ‘age’: 55}]
salaries={‘psy’:200,‘xk’:180,‘gyp’:300,‘pyg’:250}
#将salaries按照薪资的高低进行排序
res=sorted(salaries,key=lambda item:salaries[item],reverse=True)
print(res) #[‘gyp’, ‘pyg’, ‘psy’, ‘xk’]
27、Python 获取当前日期？
import time
import datetime
print(datetime.datetime.now()) #2019-04-03 17:06:16.347417
print(time.strftime(‘%Y-%m-%d %H:%M:%S’)) #2019-04-03 17:06:51
28、简述5条：Python的pep8-代码规范
不要在行尾加分号, 也不要用分号将两条命令放在同一行
不要使用反斜杠连接行
不要在返回语句或条件语句中使用括号
顶级定义之间空2行, 方法定义之间空1行，顶级定义之间空两行
如果一个类不继承自其它类, 就显式的从object继承
29、Fibonacci 数列
def func(n):
a,b=0,1
while n:
yield b
a,b=b,a+b
n-=1
print(list(func(10))) #[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]
30、Python 三目运算
#res=a-b if a>b else b-a
#解释：如果a>b成立，返回a-b，否则返回b-a
31、单例模式 【后面会有文章重点介绍单例模式】
class Single():
__isstance=None
__first_init=False
def __new__(cls, *args, **kwargs):
if not cls.__isstance:
cls.__isstance=object.new(cls)
def __init__(self,name):
if not self.__first_init:
self.name=name
Single.__first_init=True
32、递归
def digui(n):
if n==1:
return 1
else:
return (n*digui(n-1))
print(digui(4)) #24
33、统计字符串每个单词出现的次数
from collections import Counter
s3=‘kjalfj;ldsjafl;hdsllfdhg;lahfbl;hl;ahlf;h’
print(Counter(s3)) #Counter({‘l’: 9, ‘;’: 6, ‘h’: 6, ‘f’: 5, ‘a’: 4, ‘j’: 3, ‘d’: 3, ‘s’: 2, ‘k’: 1, ‘b’: 1, ‘g’: 1})
34、正则 re.complie 作用
#re.complie是将正则表达式编程成一个对象，加快速度，并且可以重复使用
content = ‘Hello, I am Jerry, from Chongqing, a montain city, nice to meet you……’
regex=re.compile(‘\w*o\w*’)
res=regex.findall(content)
print(res) #[‘Hello’, ‘from’, ‘Chongqing’, ‘montain’, ‘to’, ‘you’]
35、filter 方法求出列表所有奇数并构造新列表，a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
a=[1,2,3,4,5,6,7,8,9,10]
res=list(filter(lambda x:x%2,a))
print(res) #[1, 3, 5, 7, 9]
36、列表推导式求列表所有奇数并构造新列表，a = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
a=[1,2,3,4,5,6,7,8,9,10]
res=[x for x in a if x%2==1]
print(res) #[1, 3, 5, 7, 9]
37、a=（1，）b=(1)，c=(“1”) 分别是什么类型的数据？
a=(1,)
print(type(a)) #<class ‘tuple’>
b=(1)
print(type(b)) #<class ‘int’>
c=(“1”)
print(type©) #<class ‘str’>
37、两个列表[1,5,7,9]和[2,2,6,8]合并为[1,2,2,3,6,7,8,9] 【归并排序】
l1=[1,5,7,9]
l2=[2,2,6,8]
def merge_sort(l1,l2):
left_p,right_p=0,0
result=[]
while left_p<len(l1) and right_p<len(l2):
if l1[left_p]<l2[right_p]:
result.append(l1[left_p])
left_p+=1
else:
result.append(l2[right_p])
right_p+=1
result+=l1[left_p:]
result+=l2[right_p:]
return result
print(merge_sort(l1,l2))
38、用 python 删除文件和用 linux 命令删除文件方法
“”"
python删除文件： os.remove(文件名)
linux命令删除文件： rm 文件名
“”"
39、logging 模块的使用？
#logging是日志模块，爬虫时可能用到
import logging
logging.basicConfig(level=logging.INFO,format=‘%(asctime)s-%(name)s-%(levelname)s-%(message)s’)
logger=logging.getLogger(‘psy’) #psy我设置的文件名
logger.info(‘Start log’)
logger.debug(‘Do something’)
logger.warning(‘Something maybe fail’)
logger.error(‘Somthing exists error’)
logger.critical(‘Break down’)
40、写一段自定义异常代码
def func():
try:
for i in range(5):
if i>2:
raise Exception(‘数字大于2’)
except Exception as e:
print(e)
func() #数字大于2
41、正则表达式匹配中，（.）和（.?）匹配区别？
#（.*）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
s = “哈哈呵呵”
import re
res1 = re.findall(“(.*)”, s)
print(“贪婪匹配”, res1) #贪婪匹配 [‘哈哈呵呵’]
res2 = re.findall(“(.*?)”, s)
print(“非贪婪匹配”, res2) #非贪婪匹配 [‘哈哈’, ‘呵呵’]
42、[[1,2],[3,4],[5,6]]一行代码展开该列表，得出[1,2,3,4,5,6]
a=[[1,2],[3,4],[5,6]]
new_a=[]
for item in a:
new_a.extend(item)
print(new_a) #[1, 2, 3, 4, 5, 6]
res=[j for i in a for j in i]
print(res) #[1, 2, 3, 4, 5, 6]
43、x=“abc”,y=“def”,z=[“d”,“e”,“f”]，分别求出 x.join(y) 和 x.join(z) 返回的结果
#join()括号里面的是可迭代对象，x插入可迭代对象中间，形成字符串，结果一致
x=“abc”
y=“def”
z=[“d”,“e”,“f”]
print(x.join(y)) #dabceabcf
print(x.join(z)) #dabceabcf
44、举例说明异常模块中 try except else finally 的相关意义
“”"
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
“”"
#45、python中两个值交换
a,b=1,2
a,b=b,a
print(a,b) #2 1
46、举例说明 zip() 函数用法 zip()函数实质就是整合
l1=[1,2,3,4]
l2=[4,5,6]
res=list(zip(l1,l2))
print(res) #[(1, 4), (2, 5), (3, 6)]
47、a=“张明 98分”，用 re.sub，将 98 替换为 100
import re
a=“张明 98分”
res=re.sub(r’\d+',‘100’,a)
print(res) #张明 100分
48、a="hello"和b="你好"编码成 bytes 类型
a=b"hello"
b=“你好”.encode()
print(type(a)) #<class ‘bytes’>
print(type(b)) #<class ‘bytes’>
49、[1,2,3]+[4,5,6]的结果是多少
print([1,2,3]+[4,5,6]) #[1, 2, 3, 4, 5, 6]
50、提高 python 运行效率的方法
（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）多线程、多进程、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，这样可以减少程序的判断次数，提高效率
51、遇到 bug 如何处理
（1）细节上的错误，通过print()打印，能执行到print()说明一般上面的代码没有问题，分段检测程序是否有问题，如果是js的话可以alter活console.log
（2）如果涉及一些第三方的框架，会去查找光放文档或者一些技术博客
（3）对于bug的管理与归类总结，一般测试将测试出的bug用teambin等bug管理工具进行记录，然后我们会一条一条进行修改，修改的过程也是理解业务逻辑和提高自己编程逻辑缜密性的方法，然后自己再做一些笔记记录。
（4）导包问题、城市定位多音字造成的显示错误问题
52、list=[2,3,5,4,9,6]，从小到大排序，不许用 sort，输出[2,3,4,5,6,9]
#若使用sort
l=[2,3,5,4,9,6]
print(sorted(l)) #[2, 3, 4, 5, 6, 9]
#不使用sorted，自己定义函数
def quicksort(old_list):
if len(old_list)<2:
return old_list
else:
temp=old_list[0]
lowbeforetemp=[i for i in old_list[1:] if i<=temp]
bigbeforetemp=[i for i in old_list[1:] if i>temp]
final_list=quicksort(lowbeforetemp)+[temp]+quicksort(bigbeforetemp)
return final_list
print(quicksort([2,3,5,4,9,6])) #[2, 3, 4, 5, 6, 9]
53、两个数相除，保留两位小数
print(round(10/3,2)) #3.33
54、正则匹配，匹配日期 2018-03-20
s=‘Date：2018/03/20’
import re
res1=re.findall(‘(\d+)’,s) #[‘2018’, ‘03’, ‘20’]
res=‘-’.join(res1)
print(res) #2018-03-20
55、使用 pop 和 del 分别删除字典中的"name"和"age"字段，dic={“name”:“zs”,“age”:18,“sex”:“girl”}
dic={“name”:“zs”,“age”:18,“sex”:“girl”}
dic.pop(“name”)
print(dic) #{‘sex’: ‘girl’, ‘age’: 18}
del dic[“age”]
print(dic) #{‘sex’: ‘girl’}
56、简述多线程、多进程
进程是资源（CPU、内存等）分配的基本单位，它是程序执行时的一个实例。
线程是程序执行时的最小单位，它是进程的一个执行流。
进程有自己的独立地址空间，每启动一个进程，系统就会为它分配地址空间，建立数据表来维护代码段、堆栈段和数据段，这种操作非诚昂贵。
【所以各个进程有自己的地址空间，彼此互相不打扰】
线程是共享进程中的数据的，使用相同的地址空间，因此CPU切换一个线程的花费比进程要小很多，同时创建一个线程的开销也比进程要小很多。
57、简述 any() 和 all() 方法
#连个返回的都是bool值 all如果存在0 None False返回False,否则返回
True;any与之相反
print(all([0,1,2,3])) #False
print(all([1,2,3])) #True
print(any([0,1,2,3])) #True
print(any([0,False,None])) #False
58、异常分类
“”"
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，基本都是路径的问题
IndentationError 语法错误，代码没有正确的对齐
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
“”"
59、Python 中 copy 和 deepcopy 区别 【深拷贝和浅拷贝】
import copy
#copy的使用
l1=[1,2,[3,4]]
l2=copy.copy(l1)
print(id(l1)==id(l2)) #False 两者id不相同
l1.append(5)
l1[2].append(5)
print(l1) #[1, 2, [3, 4, 5], 5]
print(l2) #[1, 2, [3, 4, 5]]
#deepcopy的使用
l1=[1,2,[3,4]]
l2=copy.deepcopy(l1)
print(id(l1)==id(l2)) #False 两者id不相同
l1.append(5)
l1[2].append(5)
print(l1) #[1, 2, [3, 4, 5], 5]
print(l2) #[1, 2, [3, 4]]
“”"
copy()和deepcopy()是Python语言copy模块中的两个method，copy()其实是与deep copy相对的shallow copy。
对于简单的object,用shallow copy和deep copy没区别。
复杂的Object,如list中套着list的情况,shallow copy中的子list并未从原object真的独立出来，因此如果你改变原object的子list中的一个元素，你的copy就会跟着一起改变。
deep copy则更加符合我们对复制的直觉定义：一旦复制出来了，就应该是独立的了。
“”"
60、在python数据处理中的复制方法（下面介绍3种，需要导入numpy库）
import numpy as np
方法一：b=a 【此时：b和a实际指向同一个东西，改变a或b，两者一起发生变化】
a=np.arange(12)
b=a
b.shape=(3,4)
print(a.shape) #(3, 4)
print(id(a)==id(b)) #True
方法二：c=a.view() 【此时：c和a不是指向同一个东西，但是共用一堆值】
a=np.arange(12)
c=a.view()
c.shape=(3,4)
print(a.shape) #(12,)
print(id(a)==id©) #False
方法三：d=a.copy() 【此时：d和a各自为各自的值，没有一点关系】
a=np.arange(12)
d=a.copy()
d[0]=5
print(a) #[ 0 1 2 3 4 5 6 7 8 9 10 11]
print(d) #[ 5 1 2 3 4 5 6 7 8 9 10 11]
print(id(a)==id(d)) #False
61、列出几种魔法方法并简要介绍用途
“”"
__init__ 对象初始化方法
__new__ 创建对象时执行的方法，单例模式会用到
__str__ 当时用print输出对象时，只要自己定义了__str__(self)方法，则就打印在这个方法中return的数据 【必须要有return】
__del__ 删除对象执行的方法
“”"
62、上下文管理器 with…as 的实现
上下文管理器(context manager)用于规定某个对象的使用范围。一旦进入或者离开该使用范围，会有特殊操作被调用 比如为对象分配或者释放内存)。
它的语法形式是with…as…
常用的上下文管理器： with open(‘test.txt’,‘w’)as f:f.write(‘Hello World!’)
open函数既能够当做一个简单的函数使用，又能够作为上下文管理器。这是因为open函数返回了一个文件类型变量。
要实现上下文管理器，必须实现两个方法：一个负责进入语句块的准备操作（enter 方法），另一个负责离开语句块的善后操作（exit 方法）。
当一个对象被用作上下文管理器时：
enter 方法将在进入代码块前被调用。
exit 方法则在离开代码块之后被调用(即使在代码块中遇到了异常)。
自己实现的上下文管理方法，
class PypixOpen:
def __init__(self, filename, mode):
self.filename = filename
self.mode = mode
def __enter__(self):
self.openedFile = open(self.filename, self.mode)
return self.openedFile
def __exit__(self, *unused):
self.openedFile.close()
with PypixOpen(filename, mode) as writer:
writer.write(“Hello World from our new Context Manager!”)
注意：
（1）我们完全忽视了语句块内部可能出现的问题。
（2）如果语句块内部发生了异常，__exit__方法将被调用，而异常将会被重新抛出(re-raised)。
当处理文件写入操作时，大部分时间你肯定不希望隐藏这些异常，所以这是可以的。
而对于不希望重新抛出的异常，我们可以让__exit__方法简单的返回True来忽略语句块中发生的所有异常(大部分情况下这都不是明智之举)。
（3）上面代码*unused 指向exc_type, exc_value, traceback三个参数，当程序块中出现异常(exception)，这三个参数用于描述异常。
我们可以根据这三个参数进行相应的处理。如果正常运行结束，这三个参数都是None。
给出的答案
class Close():
def __init__(self,obj):
self.obj=obj
def __enter__(self):
return self.obj #返回作为as目标
def __exit__(self, exc_type, exc_val, exc_tb):
try:
self.obj.close()
except AttributeError:
print(exc_type)
63、python arg.py 1 2 命令行启动程序并传参，print(sys.argv) 会输出什么数据？
#[arg.py 1 2]
64、请将[i for i in range(3)]改成生成器
class iter():
def __init__(self,data):
self.data=data
self.loop=-1
def __iter__(self):
return self
def __next__(self):
if self.loop>=self.data:
raise StopIteration
self.loop+=1
return self.loop
Iter=iter(range(3))
print(Iter) #<__main__.iter object at 0x000001BA9D92F898>
print(Iter.iter()) #<__main__.iter object at 0x0000016888BDF898>
print(Iter.data) #range(0, 3)
print(Iter.next) #<bound method iter.__next__ of <__main__.iter object at 0x0000016888BDF898>>
“”"
#列表解析生成列表 [x*x for x in range(3)] 结果：[0,1,4]
#生成器表达式 (x*x for x in range(3)) 结果：(0,1,4)
#两者之间的转换 list(x*x for x in range(3)) 结果[0,1,4]
“”"
65、字符串转化大小写？
s=‘MyDay’
print(s.upper()) #MYDAY
print(s.lower()) #myday
66、请说明 sort 和 sorted 对列表排序的区别
l=[2,4,1,3,8,6,5]
l.sort()
print(l) #[1, 2, 3, 4, 5, 6, 8]
l=[2,4,1,3,8,6,5]
print(sorted(l)) #[1, 2, 3, 4, 5, 6, 8]
“”"
（1）sort()与sorted()的不同在于：sort()是在原位重新排列列表，而sorted()是产生一个新的列表
sorted(L)返回一个排序后的L，不改变原始的L；L.sort()是对原始的L进行操作，调用后原始的L会改变，没有返回值
所以a=a.sort()是错的，a=sorted(a)才对！
（2）sorted()适用于任何可迭代容器，list.sort()仅支持list
（3）基于以上两点，sorted的使用频率比list.sort()更高些
67、对 foo = [-5,8,0,4,9,-4,-20,-2,8,2,-4] 进行排序，使用 lambda 函数从小到大排序
#方法一：直接使用list.sort()
foo = [-5,8,0,4,9,-4,-20,-2,8,2,-4]
foo.sort()
print(foo) #[-20, -5, -4, -4, -2, 0, 2, 4, 8, 8, 9]
#方法二：使用lambda函数
foo = [-5,8,0,4,9,-4,-20,-2,8,2,-4]
res=sorted(foo,key=lambda x:x)
print(res) #[-20, -5, -4, -4, -2, 0, 2, 4, 8, 8, 9]
68、对 foo = [-5,8,0,4,9,-4,-20,-2,8,2,-4] 进行排序，将正数从小到大，负数从大到小
foo = [-5, 8, 0, 4, 9, -4, -20, -2, 8, 2, -4]
res=sorted(foo,key=lambda x:(x<0,abs(x)))
print(res) #[0, 2, 4, 8, 8, 9, -2, -4, -4, -5, -20]
#69、Python 传参数是传值还是传址？
“”"
Python 中函数参数是引用传递（注意不是值传递）。
对于不可变类型（数值型、字符串、元组），因变量不能修改，所以运算不会影响到变量自身；
而对于可变类型（列表字典）来说，函数体运算可能会更改传入的参数变量。
“”"
70、w、w+、r、r+、rb、rb+ 文件打开模式区别
r 以只读方式打开文件。文件的指针会被放在文件的开头。这是默认模式。
w 打开一个文件只用于写入。如果该文件已存在则将其覆盖，如果该文件不存在，创建新文件。
a 打开一个文件用于追加。如果该文件存在，文件指针将会放在文件的结尾。也就是说：新的内容会被写入到已有内容之后。
如果该文件不存在，创建新文件进行写入。
rb 以二进制格式打开一个文件用于只读。文件指针会放在文件的开头。这是默认模式。
wb 以二进制格式打开一个文件只用于写入。如果该文件已存在则将其覆盖。如果该文件不存在，创建新文件。
ab 以二进制格式打开一个文件用于追加。如果该文件已存在，文件指针将会放在文件的结尾。也就是：新的内容会被写入到已有内容之后。
如果该文件不存在，创建新文件进行写入。
r+ 打开一个文件用于读写。文件指针将会放在文件的开头。
w+ 打开一个文件用于读写。如果该文件已存在则将其覆盖。如果该文件不存在，创建新文件。
a+ 打开一个文件用于读写。如果该文件已存在，文件指针将会放在文件的结尾。文件打开时会时追加模式。
如果该文件不存在，创建新文件进行写入。
rb+ 以二进制格式打开一个文件用于读写。文件指针会放在文件的开头。
wb+ 以二进制格式打开一个文件用于读写。如果该文件已存在则将其覆盖。如果该文件不存在，创建新文件。
ab+ 以二进制格式打开一个文件用于读写。如果该文件已存在，文件指针将会放在文件的结尾。
如果该文件不存在，创建新文件进行写入。
71、int(“1.4”)、int(1.4)的输出结果？
print(int(“1.4”)) #报错ValueError: invalid literal for int() with base 10: ‘1.4’
print(int(1.4)) #1
72、Python 垃圾回收机制？
“”"
（1）引用计数
import sys
str1=‘hello world’
print(sys.getrefcount(str1)) #在python解释器下运行，为2 创建一次，调用一次
（2）分代计数
Python默认定义了三代对象集合，索引数越大，对象存活时间越长
Python中使用了某些启发式算法（heuristics）来加速垃圾回收。
【例如，越晚创建的对象更有可能被回收。对象被创建之后，垃圾回收器会分配它们所属的代（generation）。每个对象都会被分配一个代，而被分配更年轻代的对象是优先被处理的。】
（3）引用循环
垃圾回收器会定时寻找这个循环，并将其回收。
举个例子，假设有两个对象o1和o2，而且符合o1.x == o2和o2.x == o1这两个条件。如果o1和o2没有其他代码引用，那么它们就不应该继续存在。但它们的引用计数都是1。
“”"
73、Python 字典和 json 字符串相互转化方法 【序列化和反序列化】
import json
dic={“name”:“psy”,“age”:18}
#序列化 把python的对象编码转换为json格式的字符串
res1=json.dumps(dic)
print(res1,type(res1)) #{“age”: 18, “name”: “psy”} <class ‘str’> 【json中一般使用""】
#反序列化 把json格式字符串解码为python数据对象。
res2=json.loads(res1)
print(res2,type(res2)) #{‘name’: ‘psy’, ‘age’: 18} <class ‘dict’>
74、Python 正则中 search 和 match 的区别
“”"
match() 从第一个字符开始找, 如果第一个字符就不匹配就返回 None, 不继续匹配. 用于判断字符串开头或整个字符串是否匹配,速度快。
search() 会整个字符串查找,直到找到一个匹配。
“”"
import re
str1=‘superman’
str2=‘hello superman’
print(re.match(‘super’,str1)) #<_sre.SRE_Match object; span=(0, 5), match=‘super’>
print(re.match(‘super’,str1).span()) #(0, 5)
print(re.match(‘super’,str2)) #None
print(re.search(‘super’,str1)) #<_sre.SRE_Match object; span=(0, 5), match=‘super’>
print(re.search(‘super’,str1).span()) #(0, 5)
print(re.search(‘super’,str2)) #<_sre.SRE_Match object; span=(6, 11), match=‘super’>
print(re.search(‘super’,str2).span()) #(6, 11)
75、Python 中读取 Csv、Excel 文件的方法？
import pandas as pd
#read_csv=pd.read_csv(‘test1.csv’)
#read_excel=pd.read_excel(‘test2.xlsx’)
76、输入日期， 判断这一天是这一年的第几天？
import datetime
def DayOfYear():
year=input(‘请输入年份：’).strip()
mon=input(‘请输入月份：’).strip()
day=input(‘请输入日：’).strip()
data1=datetime.date(year=int(year),month=int(mon),day=int(day))
data2=datetime.date(year=int(year),month=1,day=1)
return (data1-data2).days+1
print(DayOfYear())
“”“运行结果：
请输入年份：2019
请输入月份：4
请输入日：18
108
“””
77、什么是 lambda 函数？有什么好处？
lambda 函数是一个可以接收任意多个参数（包括可选参数）并且返回单个表达式值的匿名函数
好处：
（1）lambda 函数比较轻便，即用即删除，很适合需要完成一项功能，但是此功能只在此一处使用，连名字都很随意；
（2）匿名函数，一般用来给filter，map这样的函数式编程服务；
（3）作为回调函数，传递给某些应用，比如消息处理
78、求两个列表的交集、差集、并集
set()集合中有关于交集、差集、并集的方法 交集intersection() 差集difference 并集union
a=[1,2,3,4]
b=[4,3,5,6]
jj1=[i for i in a if i in b]
jj2=list(set(a).intersection(set(b)))
print(‘交集：’,jj1,jj2) #交集： [3, 4] [3, 4]
cj1=list(set(a).difference(set(b)))
cj2=list(set(b).difference(set(a)))
print(‘差集：’,cj1,cj2) #差集： [1, 2] [5, 6]
bj=list(set(a).union(set(b)))
print(‘并集’,bj) #并集 [1, 2, 3, 4, 5, 6]
**79、什么是负索引？**
#与正索引不同，负索引是从右边开始检索
80、正则匹配不是以4和7结尾的手机号？
import re
tels=[“13100001234”,“18912344321”,“10086”,“18800007777”]
#方法1：
for item in tels:
if len(item)!=11 or item.endswith(‘4’) or item.endswith(‘7’):
print(‘{}不是想要的手机号’.format(item))
else:
print(‘{}是想要的手机号’.format(item))
#方法二：
for item in tels:
res=re.match(“1\d{9}[0-3,5-6,8-9]”,item)
if res:
print(‘{}是想要的手机号’.format(res.group()))
else:
print(‘{}不是想要的手机号’.format(item))
81、用两种方法去空格？
str=“hello world ha ha”
res1=str.replace(’ ‘,’‘)
print(res1) #helloworldhaha
res2_l=str.split(’ ‘)
res2=’'.join(res2_l)
print(res2) #helloworldhaha
82、统计字符串中某字符出现次数？
str=“张三 哈哈 张三 呵呵 张三”
from collections import Counter
l=str.split(’ ')
res=Counter(l)
print(res) #Counter({‘张三’: 3, ‘哈哈’: 1, ‘呵呵’: 1})
print(Counter(l)[‘张三’]) #3
print(str.count(‘张三’)) #3
83、正则表达式匹配 URL
str = ‘Its after 12 noon, do you know where your rooftops are?
import re
pattern=re.compile(r’http[s]?😕/(?:[a-zA-Z]|[0-9]|[$-_@.&+]|[!*(),]|(?:%[0-9a-fA-F][0-9a-fA-F]))+’)
url=re.findall(pattern,str)
print(url)
84、正则匹配以 163.com 结尾的邮箱？
email_list= [“sdgaozhe@163.com”,“xiaoWang@163.comheihei”, “.com.602556194g@qq.com” ]
import re
for item in email_list:
res=re.match(‘[\w]{4,20}@163.com$’,item)
if res:
print(‘{}符合规定的邮件地址，匹配的结果是：{}’.format(item,res.group()))
else:
print(‘{}不符合规定的邮件地址’.format(item))
85、s=“info:xiaoZhang 33 shandong”,用正则切分字符串输出[‘info’, ‘xiaoZhang’, ‘33’, ‘shandong’]
s=“info:xiaoZhang 33 shandong”
import re
res=re.split(r"😐 ",s) #|表示或，根据:或 切分
print(res) #[‘info’, ‘xiaoZhang’, ‘33’, ‘shandong’]
86、两个有序列表，l1,l2，对这两个列表进行合并不可使用 extend 【很前面的一题很像…】
l1=[1,4,7]
l2=[2,5,6]
l1.extend(l2)
print(l1) #[1, 4, 7, 2, 5, 6] 【无序】
l1=[1,4,7]
l2=[2,5,6]
def merge_sort(l1,l2):
left_p,right_p=0,0
result=[]
while left_p<len(l1) and right_p<len(l2):
if l1[left_p]<l2[right_p]:
result.append(l1[left_p])
left_p+=1
else:
result.append(l2[right_p])
right_p+=1
result+=l1[left_p:]
result+=l2[right_p:]
return result
print(merge_sort(l1,l2)) #[1, 2, 4, 5, 6, 7]
87、代码描述列表推导式、字典推导式、生成器？
import random
tds_list=[i for i in range(10)]
print(‘列表推导式’,tds_list,type(tds_list)) #列表推导式 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] <class ‘list’>
tds_dict={k:random.randint(4,9) for k in [“a”,“b”,“c”,“d”]}
print(‘字典推导式’,tds_dict,type(tds_dict)) #字典推导式 {‘d’: 9, ‘c’: 6, ‘a’: 9, ‘b’: 7} <class ‘dict’>
generate=(i for i in range(10))
print(‘生成器’,generate,type(generate)) #生成器 <generator object at 0x0000021C8A507410> <class ‘generator’>
88、根据键对字典排序，不可使用zip？
dic = {“name”:“zs”,“sex”:“man” ,“city”:“bj”}
#对字典按键key进行排序
res1=sorted(dic.items(),key=lambda x:x[0])
print(res1) #[(‘city’, ‘bj’), (‘name’, ‘zs’), (‘sex’, ‘man’)]
#对字典的值value进行排序
res2=sorted(dic.items(),key=lambda x:x[1])
print(res2) #[(‘city’, ‘bj’), (‘sex’, ‘man’), (‘name’, ‘zs’)]
89、阅读一下代码他们的输出结果是什么？
def multi():
return [lambda x : i*x for i in range(4)]
print([m(2) for m in multi()]) #[6, 6, 6, 6]
“”"
**分析：这是一个闭包,下面是闭包定义：
1、闭包是一个嵌套函数
2、闭包必须返回嵌套函数
3、嵌套函数必须引用一个外部的非全局的局部自由变量**
def multi():
func_list=[]
for i in range(4):
def lam(x):
return i*x
func_list.append(lam)
return func_list
在python里，相对而言的局部变量绑定的是值，非局部变量绑定的是空间， 而不是值本身。
所以，for循环生成的i，相对于函数lam来说，是全局变量，所以绑定的是i所在的内存地址，但i最后变成了3，lam绑定的是3。
所以导致了,生成的四个函数所得值时相同的.
那实现结果为[0,2,4,6]呢? 按照刚才的思路,我们只需将lam函数中的i变成局部变量,则函数lam绑定的就是值,而不是内存地址：
def mul():
func_list=[]
for i in range(4):
def lam(x,n=i): #这时候因为n是局部变量，所以绑定的是n的值
return x*n
func_list.append(lam)
return func_list
print([m(2) for m in mul()]) #[0, 2, 4, 6]
“”"
90、代码实现 Python 的线程同步，在屏幕上依次打印10次“ABC”
from threading import Thread,Lock
mutex=Lock()
def print1(lock):
lock.acquire()
print(‘A’)
lock.release()
def print2(lock):
lock.acquire()
print(‘B’)
lock.release()
def print3(lock):
lock.acquire()
print(‘C’)
lock.release()
for i in range(10):
t1=Thread(target=print1,args=(mutex,))
t1.start()
t1.join()
t2 = Thread(target=print2, args=(mutex,))
t2.start()
t2.join()
t3 = Thread(target=print3, args=(mutex,))
t3.start()
t3.join()
91、简述 read、readline、readlines 的区别？
read 读取整个文件
readline 读取下一行，使用生成器方法
readlines 读取整个文件到一个迭代器以供我们遍历
92、a=" hehheh "去除首尾空格
a=" hehheh "
print(a.strip()) #hehheh
93、yield方法
yield就是保存当前程序执行状态。
你用for循环的时候，每次取一个元素的时候就会计算一次。用yield的函数叫generator,和iterator一样。
它的好处是不用一次计算所有元素，而是用一次算一次，可以节省很多空间，generator 每次计算需要上一次计算结果，所以用yield,否则一旦return，上次计算结果就没了。
94、字符串 “123” 转换成 123，不使用内置 API，例如 int()
def change(s):
num=0
for item in s:
n=eval(item) #此时n为int类型
num=num*10+n
return num
res=change(‘123’)
print(res,type(res)) #123 <class ‘int’>
95、is 和 == 的区别
**is 比较的是内存地址 == 比较内容和数据类型**
a=[1,2,3]
b=a
print(id(a),id(b)) #1753026079880 1753026079880
print(a is b) #True
print(a == b) #True
import copy
c=copy.deepcopy(a)
print(id(a),id©) #1753026079880 1753026098120
print(a is c) #False
print(a==c) #True
96、有没有一个工具可以帮助查找 python 的 bug 和进行静态的代码分析？
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codingstandard检查
97、文件递归
import os
def print_directory_contents(s_path):
“”"
这个函数接收文件夹的名称作为输入参数
返回该文件夹中文件的路径
以及其包含文件夹中文件的路径
“”"
for s_child in os.listdir(s_path):
s_child_path = os.path.join(s_path, s_child)
if os.path.isdir(s_child_path):
print_directory_contents(s_child_path)
else:
print(s_child_path)
print_directory_contents(‘D:\QQ’) #D:\QQ\QQ_Setup.exe
98、Python 如何copy一个文件？
#shutil 模块有一个 copyfile 函数可以实现文件拷贝 copyfile(source_file, destination_file)**
from shutil import copyfile
copyfile(‘test.py’,‘test_new.py’) #把该目录下的test.py复制到相同目录下的test_new.py
99、打乱一个排好序的 list 对象 alist？
import random
alist = [1, 2, 3, 4, 5]
random.shuffle(alist)
print(alist) #[4, 1, 2, 3, 5]
**100、对 s="hello"进行反转**
s=“hello”
print(s[::-1]) #olleh
101、Python 中单下划线和双下划线使用
foo:一种约定,Python内部的名字,用来区别其他用户自定义的命名,以防冲突，就是例如__init__(),del(),call()这些特殊方法
_foo:一种约定,用来指定变量私有.程序员用来指定私有变量的一种方式.不能用from module import * 导入，其他方面和公有一样访问；
__foo:这个有真正的意义:解析器用_classname__foo来代替这个名字,以区别和其他类相同的命名,它无法直接像公有成员一样随便访问,通过对象名._类名__xxx这样的方式可以访问.
102、反转一个整数
class Solution(object):
def reverse(self, x):
if -10 < x < 10:
return x
str_x = str(x)
if str_x[0] != “-”:
str_x = str_x[::-1]
x = int(str_x)
else:
str_x = str_x[1:][::-1]
x = int(str_x)
x = -x
return x if -2147483648 < x < 2147483647 else 0
s=Solution()
res=s.reverse(-120)
print(res) #-21
103、代码描述静态方法 (staticmethod)，类方法(classmethod) 和实例方法
class Method():
def foo(self,x):
print(‘running foo {}-{}’.format(self,x))
@classmethod
def class_foo(cls,x):
print(‘running class_foo {}-{}’.format(cls,x))
@staticmethod
def static_foo(x):
print(‘running static_foo {}’.format(x))
m=Method()
m.foo(‘psy’) #running foo <__main__.Method object at 0x000002498DF18B00>-psy
m.class_foo(‘psy’) #running class_foo <class ‘__main__.Method’>-psy
如果你也是看准了Python，想自学Python，在这里为大家准备了丰厚的免费学习大礼包，带大家一起学习，给大家剖析Python兼职、就业行情前景的这些事儿。
一、Python所有方向的学习路线
Python所有方向路线就是把Python常用的技术点做整理，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。
二、学习软件
工欲善其必先利其器。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。
三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
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。
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、面试资料
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。
成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
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！
1008edf79.png)
二、学习软件
工欲善其必先利其器。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。
三、全套PDF电子书
书籍的好处就在于权威和体系健全，刚开始学习的时候你可以只看视频或者听某个人讲课，但等你学完之后，你觉得你掌握了，这时候建议还是得去看一下书籍，看权威技术书籍也是每个程序员必经之路。
四、入门学习视频
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。
四、实战案例
光学理论是没用的，要学会跟着一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
五、面试资料
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。
成为一个Python程序员专家或许需要花费数年时间，但是打下坚实的基础只要几周就可以，如果你按照我提供的学习路线以及资料有意识地去实践，你就有很大可能成功！
最后祝你好运！！！
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
需要这份系统化的资料的朋友，可以添加V获取：vip1024c （备注python）
[外链图片转存中…(img-wcxo5QZA-1713618720516)]
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！
12万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
