Python知识点整理（1） —— 语言基础

最新推荐文章于 2023-05-27 15:37:09 发布

ConyQiQi

最新推荐文章于 2023-05-27 15:37:09 发布

阅读量318

点赞数

分类专栏：学习文章标签： python 面试

本文链接：https://blog.csdn.net/qq_35574010/article/details/88597590

版权

学习专栏收录该内容

8 篇文章 0 订阅

订阅专栏

Python语言基础

Note: This blog is created to Prepare For Intern Interviews

python语言特性

静态or动态？强类型or弱类型？

动态强类型语言
动态or静态：编译期还是运行期确定类型
- 动态：没有类型申明
强类型：不会发生隐式类型转换
- JS, PHP就是弱类型（eg. 数字和字符串可以相加）

Python作为后端语言优缺点

轮子多，胶水语言，应用广泛
语言灵活
性能问题、代码维护问题、python2/3兼容问题

鸭子类型

关注点在对象的行为，而不是类型（duck typing）
file/stringio/socket对象都支持read/write方法
定义了__iter__魔术方法的对象可以用for迭代
更关注接口（方法）而不是类型

monkey patch

运行时的属性替换
e.g. gavent库修改内置的socket（堵塞变成非阻塞）

自省（introspection）

运行时判断一个对象类型的能力
一切皆对象，用type，id，isinstance来获取对象类型信息
inspect模块提供了更度获取对象信息的函数

列表&字典推导

list comprehension
- 快速生成list/dict/set的方式。用来替代map/filter等
- （ i for i in range(10) if i % 2 == 0）返回生成器可以大大节省内存
可以简化操作：

a = ['a', 'b', 'c']
b = [1, 2, 3]
d = {k: v for k, v in zip(a,b)}

python之禅

import this
动态语言编写大型项目的时候维护性差，重构很难

python2/3差异

python2/3差异

pyenv支持本地装多个python版本
python3改进
- 类型注解(type hint)，帮助IDE实现类型检查。e.g. def f(name:str) -> str:
- 优化的super()方便直接调用父类函数 e.g. python2: super(<子类名>, self).f(), python3: super().f()
- 高级解包操作。a, b, *c = range(10)–> a = 0, b = 1, c = [2,3, ..., 9]
- 编码问题。python2默认总结，python3不再有unicode对象，默认str就是unicode。做传输的时候，需要把unicode encode成字节串，当拿到字节串的时候要decode成unicode。
- 除法变化：‘/’结果是浮点数，要用‘//’ 才能做一个截断
- from future import print_function
- print成为函数：print (?) print ('a', 'b', sep = '|'). >>> a|b
- 限定关键字参数：def f(a, b, *, c)(*后面的必须要传递名字)
- 一切返回迭代器 range，zip，map，dict.values, etc. （e.g. range()返回可迭代对象，不会立马生成列表）
- chained exceptions：有利于排错。原来：从一个异常里面再raise一个异常，原来的异常就会丢失。
- 生成的pyc文件统一放到一个文件中
- 内置库的修改 urllib, selector等
- 性能优化

python3新增

yield from 链接子生成器
asyncio内置库，async/await 原生协程支持异步编程
新的内置库 enum, mock, asyncio, ipaddress, concurrent.futures 等

python2/3工具

six模块
2to3等工具
__future__

python函数常考

python传递参数

共享传参（call by sharing）
形参和实参都是指向对象
不可变（拷贝）/可变（引用）对象
- 不可变对象：bool/int/float/tuple/str/frozenset
- 可变对象list/set/dict

【例题】输出结果是什么？

def f(l):
    l = []
    print ('l:', l)
    print (id(l))
ll = [1,2]
f(ll)
print ('ll:',ll)
print (id(ll))

l: []
4491653000
ll: [1, 2]
4491652936

【例题】python可变参数作为默认参数，结果是什么？

def f(l=[1]):
    l.append(1)
    print (l)
f()
f()

[1, 1]
[1, 1, 1]

原因：默认参数只计算一次（参考文档：https://www.cnblogs.com/zwgblog/p/7194950.html）

*args, **kwargs

用来处理可变参数（参数个数不确定）
*arg（可变的参数）被打包成tuple
**kwargs(可变的关键字参数) 被打包成dict
传参方式
- 直接传递
- 用一个*打包，传list
- 使用两个*打包，传dict

Python异常机制

python使用异常处理错误

BaseException（所有都继承这个异常）
SystemExit
KeyboardInterrupt
GeneratorExit
exception
- 自定义的时候都是继承这个类

异常常见的场景

网络请求（超时、连接错误）
资源访问（权限、资源不存在）
代码逻辑（越界访问、keyerror）

try:
	# func								# 可能会抛出异常的代码
except (Exception1, Exception2) as e 	# 可以捕获多个异常处理
	# 异常处理代码
else:
	# pass								# 异常没有发生的时候代码逻辑
finally:
	# pass								# 无论异常有没有发生都会执行的代码，一般处理资源的关闭和释放

自定义异常

继承exception实现自定义异常（为什么不是BaseException？ control-c就不能终止了）
给异常加上一些附加信息
自定义：raise(myexception)

python性能分析与优化（GIL）

GIL（global interpreter lock）

cpython解释器的内存管理并不是线程安全的
保护多线程情况下对python对象的访问
cpython使用锁机制避免多线程同时执行字节码

gil影响：限制了程序的多核执行

同一时间只能有一个线程执行字节码
cpu密集程序难以利用多核优势
io期间会释放GIL， 对IO密集程序影响不大

规避gil影响：区分cpu还是io密集

cpu密集：大量时间花在计算上，多进程+进程池
io密集：大量时间花在传输上，使用多线程/协程
cython扩展（python转成c++）

为什么有了gil还要关注线程安全

一个操作如果是一个字节码指令可以完成的就是原子的
原子的是可以保证线程安全的
使用dis操作来分析字节码
编码：lock = thread.lock()和with lock

如何剖析程序性能：使用profile工具

二八定律，大部分时间耗时在少量代码
内置的profele工具
使用pyflame的火焰图工具

服务端性能优化措施
web应用一般语言不会成为瓶颈

数据结构&算法
数据库层：索引优化、慢查询、nosql、批量操作减少io
网络io：批量操作、pipeline操作、减少io
缓存：使用内存数据库 redis/memcached
异步：asyncio，celery。异步编程就是把耗时的操作放进一个单独的线程中进行处理（该线程需要将执行进度反映到界面上）。由于耗时操作是在另外一个线程中被执行的，所以它不会堵塞主线程。主线程开启这些单独的线程后，还可以继续执行其他操作（例如窗体绘制等）；异步编程可以提高用户体验，避免在进行耗时操作时让用户看到程序“卡死”的现象）
并发：gevent/多线程

python生成器与协程

生成器 generator

可以生成值的函数
当函数里有yield关键字
可以挂起执行，并产出数据

基于生成器的协程

pep342 增强生成器功能
生成器可以通过yield暂停执行和产出数据
同时支持send()向生成器发送数据和throw()向生成器抛出异常

协程

需要send或者next来预激才能启动（可以使用协程装饰器避免每次都要用send预激他）
在yield处协程会暂停执行
python3.5引入async/await支持原生协程（native coroutine）

python单元测试(unit testing)

动态语言需要python的单元测试来保证代码质量
针对程序模块进行正确性
一个函数，一个类进行验证
自底而上

防止三无代码（文档、注释、单测）

保证代码逻辑正确性（甚至测试驱动开发tdd）
易测的代码往往是高内聚低耦合的
回归测试防止改一处导致整个服务不可用

单元测试的库

nose/pytest
mock模块来模拟替换网络请求等
coverage统计测试覆盖

设计测试用例

正常值
边界值
异常值（非法、none、空值等）

python深拷贝&浅拷贝

深拷贝：a = b；两者的值不受影响
浅拷贝：a = b；b的值变了，a也变了
初始化二维数组：
- 给数组的内容赋值，而不是一个数组a = 数组b这样的赋值方法
- deep_copy

详细介绍： https://www.cnblogs.com/xueli/p/4952063.html

ConyQiQi

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Python知识点整理（1） —— 语言基础

语言基础python语言特性静态or动态？强类型or弱类型？动态强类型语言动态or静态：编译期还是运行期确定类型动态：没有类型申明强类型：不会发生隐式类型转换JS, PHP就是弱类型（eg. 数字和字符串可以相加）Python作为后端语言优缺点轮子多，胶水语言，应用广泛语言灵活性能问题、代码维护问题、python2/3兼容问题鸭子类型关注点在对象的行...
复制链接

扫一扫