python面试指南_Python面试指南

1、Python基本语法

1、@staticmethod 和 @classmethod

Python中有三种方法，实例方法、类方法(@classmethod)、静态方法(@staticmethod)。

类方法的第一个参数是cls，表示该类的一个实例，静态方法基本上和一个全局函数相同

class A(object):

def foo(self, x):

print("executing foo(%s,%s)" % (self, x))

print('self:', self)

@classmethod

def class_foo(cls, x):

print("executing class_foo(%s,%s)" % (cls, x))

print('cls:', cls)

@staticmethod

def static_foo(x):

print("executing static_foo(%s)" % x)

a = A()

print(a.foo(1))

print(a.class_foo(1))

print(a.static_foo(1))

2、迭代器和生成器

迭代器：是访问集合元素的一种方式，从集合的第一个元素开始访问，直到所有元素被访问结束。其优点是不需要事先准备好整个迭代过程中的所有元素，仅在迭代到某个元素时才开始计算该元素。适合遍历比较巨大的集合。iter()：方法返回迭代器本身， next()：方法用于返回容器中下一个元素或数据。

生成器：带有yield的函数不再是一个普通函数，而是一个生成器。当函数被调用时，返回一个生成器对象。不像一般函数在生成值后退出，生成器函数在生成值后会自动挂起并暂停他们的执行状态。

'''迭代器'''

print('for x in iter([1, 2, 3, 4, 5])😂

for x in iter([1, 2, 3, 4, 5]):

print(x)

'''生成器'''

def myyield(n):

while n>0:

print("开始生成...😊

yield n

print("完成一次...😊

n -= 1

for i in myyield(4):

print("遍历得到的值:",i)

3、闭包

闭包可以实现先将一个参数传递给一个函数，而并不立即执行，以达到延迟求值的目的。满足以下三个条件：必须有一个内嵌函数；内嵌函数必须引用外部函数中变量；外部函数返回值必须是内嵌函数。

def delay_fun(x, y):

def caculator():

return x+y

return caculator

print('返回一个求和的函数，并不求和')

msum = delay_fun(3,4)

print('调用并求和:')

print(msum())

4、*args 和 **kwargs

这两个是Python中的可变参数，用于接受参数的传递。args表示任何多个无名参数，它是一个元组，**kwargs表示关键字参数，它是一个字典。同时使用args和kwargs时，必须*args在kwargs之前。

5、鸭子类型：

在鸭子类型中，关注的不是对象的类型本身，而是他是如何使用的。例如，在不使用鸭子类型的语言中，我们可以编写一个函数，它接受一个类型为鸭的对象，并调用它的走和叫方法。在使用鸭子类型的语言中，这样的一个函数可以接受一个任意类型的对象，并调用它的走和叫方法。

class duck():

def walk(self):

print('I am duck,I can walk...')

def swim(self):

print('I am duck,I can swim...')

def call(self):

print('I am duck,I can call...')

duck1=duck()

duck1.walk()

# I am duck,I can walk...

duck1.call() # I am duck,I can call...

6、@property 和 @setter

@property负责把一个方法变成属性调用。在对实例操作时，不暴露接口，而是通过getter和setter方法实现。

class Student(object):

@property

def score(self):

return self._score

@score.setter

def score(self, value):

if not isinstance(value, int):

raise ValueError('score must be an intager')

if value<0 or value>100:

raise ValueError('score must between 0~100!')

self._score = value

s = Student()

s.score = 60

print(s.score)

s.score = 999

print(s.score)

7、多进程和多线程

进程：是资源分配的最小单位，创建和销毁开销较大；

线程：是CPU调度的最小单位，开销小，切换速度快；

操作系统将CPU时间片分配给多个线程，每个线程在指定放到时间片内完成。操作系统不断从一个线程切换到另一个线程执行，宏观上看就好像是多个线程一起执行。

Python中由于全局锁 (GIL) 的存在导致，同一时间只有一个获得GIL的线程在跑，其他线程则处于等待状态，这导致了多线程只是在做分时切换，并不能利用多核。

多线程与多进程的区别：(1)多进程中同一个变量各自有一份拷贝在每个进程中，互不影响；(2)多线程中，所有变量都由所有线程共享，任何一个变量都可被任何一个线程修改。线程之间共享数据的最大危险在于多个线程同时更改一个变量，把内容改乱。

from multiprocessing import Pool #多进程

from multiprocessing.dummpy import Pool #多线程

8、类变量和实例变量

普通的变量(非类的变量)，在被赋值后即变量存在。类的变量在class里def外，通过变量名能被赋值，在def里通过类对象可被赋值

class Apple(object):

name = 'apple'

p1 = Apple()

p2 = Apple()

p1.name = 'orange'

print(p1.name)

print(p2.name)

9、装饰器

装饰器是一个工厂函数，接受一个函数作为参数，然后返回一个新函数，其闭包中包含被装饰的函数。有了装饰器，可以提取大量函数中与本身功能无关的类似代码 ( 这块在Flask中用于定义路由的@app.route，就是一个很好的例子)，达到代码重用的目的。可应用于插入日志、性能测试、事务处理等方面。

def deco(func):

def warpper(args, **kwargs):

print('start')

func(args, **kwargs)

print('end')

return warpper

@deco

def myfunc(parameter):

print("run with %s" % parameter)

myfunc("something")