python相关问题点

python中迭代器和生成器的区别
1、共同点
生成器是一种特殊的迭代器。
2、不同点
a、语法上：
生成器是通过函数的形式中调用yield 或（）的形式创建的。
迭代器可以通过 iter（） 内置函数创建。
b、用法上：
生成器在调用next（）函数或for循环中，所有过程被执行，且返回值。
迭代器在调用next（）函数或for循环中，所有值被返回，没有其他过程或动作。

1）可迭代对象包含迭代器。
2）如果一个对象拥有**iter方法，其是可迭代对象**；
如果一个对象拥有next方法，其是迭代器。
3）定义可迭代对象，必须实现__iter__方法；
定义迭代器，必须实现__iter__和next方法。

迭代器
对于list、string、tuple、dict等这些容器对象,使用for循环遍历是很方便的。在后台for语句对容器对象调用iter()函数。iter()是python内置函数。iter()函数会返回一个定义了next()方法的迭代器对象，它在容器中逐个访问容器内的元素。next()也是python内置函数。在没有后续元素时，next()会抛出一个StopIteration异常，通知for语句循环结束。
》》》》》》》》》》》》》》》》》》》
1，迭代器协议：对象需要提供next()方法，它要么返回迭代中的下一项，要么就引起一个StopIteration异常，以终止迭代。
2，可迭代对象：实现了迭代器协议对象。
list、tuple、dict都是Iterable（可迭代对象），
但不是Iterator（迭代器对象）。
但可以使用内建函数iter()，把这些都变成Iterable（可迭代器对象）。
3，for item in Iterable
循环的本质就是先通过iter()函数获取可迭代对象Iterable的迭代器，然后对获取到的迭代器不断调用next()方法来获取下一个值并将其赋值给item，当遇到StopIteration的异常后循环结束

》》》》》》》》》》》》》
随便定义一个list
listArray=[1,2,3]
使用iter()函数
iterName=iter(listArray)
print(iterName)
结果如下：是一个列表list的迭代器
<list_iterator object at 0x0000017B0D984278>
print(next(iterName))
print(next(iterName))
print(next(iterName))
print(next(iterName))#没有迭代到下一个元素，直接抛出异常

生成器一边循环一边计算的机制，称为生成器
生成器是一个特殊的程序，可以被用作控制循环的迭代行为
python中生成器是迭代器的一种，使用yield返回值函数，每次调用yield会暂停，而可以使用next()函数和send()函数恢复生成器。
生成器类似于返回值为数组的一个函数，这个函数可以接受参数，可以被调用，但是，不同于一般的函数会一次性返回包括了所有数值的数组，生成器一次只能产生一个值，这样消耗的内存数量将大大减小，而且允许调用函数可以很快的处理前几个返回值，因此生成器看起来像是一个函数，但是表现得却像是迭代器

作用：延迟操作。也就是在需要的时候才产生结果，不是立即产生结果。

1注意事项：
生成器是只能遍历一次的。
生成器是一类特殊的迭代器。

为什么要使用生成器？因为效率。
使用生成器表达式取代列表推导式可以同时节省 cpu 和 内存(RAM)。
如果你构造一个列表(list)的目的仅仅是传递给别的函数,
比如 传递给tuple()或者set(), 那就用生成器表达式替代吧!

分类：

第一类：生成器函数：还是使用 def
定义函数，但是，使用yield而不是return语句返回结果。yield语句一次返回一个结果，在每个结果中间，挂起函数的状态，以便下次从它离开的地方继续执行。
如下案例加以说明：菲波那切数列

    n, a, b = 0, 0, 1
    while n < max:
        yield b
        a, b = b, a + b
        n = n + 1
    return '亲！没有数据了...'
#调用方法，生成出10个数来 f=Fib(10)
# 使用一个循环捕获最后return 返回的值，保存在异常StopIteration的value中 while  True:
    try:
        x=next(f)
        print("f:",x)
    except StopIteration as e:
        print("生成器最后的返回值是：",e.value)
        break ```

第二类：生成器表达式：类似于列表推导，只不过是把一对大括号[]变换为一对小括号()。但是，生成器表达式是按需产生一个生成器结果对象，要想拿到每一个元素，就需要循环遍历。
如下案例加以说明：

# 一个列表 xiaoke=[2,3,4,5]
# 生成器generator，类似于list，但是是把[]改为() 
gen=(a for a  in xiaoke) for  i  in gen:
    print(i)
# 本案例是直接把列表转化为元组
kk=tuple(a for a in xiaoke) 
print(kk)
#结果是： (2, 3, 4, 5)

# python内置的一些函数，可以识别这是生成器表达式，外面有一对小括号，就是生成器 
result1=sum(a for a in range(3)) print(result1)
# 列表推导式 
result2=sum([a for a in range(3)]) print(result2)

generator_ex = (x*x for x in range(10))
print(generator_ex)
#<generator object at 0x000002A4CBF9EBA0>
print(next(generator_ex))
for i in generator_ex:
print(i)
generator保存的是算法，每次调用next(generaotr_ex)就计算出他的下一个元素的值，直到计算出最后一个元素，没有更多的元素时，抛StopIteration的错误，而且上面这样不断调用是一个不好的习惯，正确的方法是使用for循环，因为generator也是可迭代对象：

列表生成式
for index,i in enumerate(info)
a = map(lambda x:x+1,info)
a = [i+1 for i in range(10)]
通过列表生成式，我们可以直接创建一个列表，但是，受到内存限制，列表容量肯定是有限的，而且创建一个包含100万个元素的列表，不仅占用很大的存储空间，如果我们仅仅需要访问前面几个元素，那后面绝大多数元素占用的空间都白白浪费了

谈下python的GIL
GIL是python的全局解释器锁，同一进程中假如有多个线程运行，一个线程在运行python程序的时候会霸占python解释器（加了一把锁即GIL），使该进程内的其他线程无法运行，等该线程运行完后其他线程才能运行。如果线程运行过程中遇到耗时操作，则解释器锁解开，使其他线程运行。所以在多线程中，线程的运行仍是有先后顺序的，并不是同时进行。

多进程中因为每个进程都能被系统分配资源，相当于每个进程有了一个python解释器，所以多进程可以实现多个进程的同时运行，缺点是进程系统资源开销大

**fun(args,**kwargs)中的args,kwargs什么意思？

python2和python3的range（100）的区别
python2返回列表，python3返回迭代器，节约内存

一句话解释什么样的语言能够用装饰器?
函数可以作为参数传递的语言，可以使用装饰器

python内建数据类型有哪些
整型–int
布尔型–bool
字符串–str
列表–list
元组–tuple
字典–dict

简述面向对象中__new__和__init__区别
__init__是初始化方法，创建对象后，就立刻被默认调用了，可接收参数，
1、__new__至少要有一个参数cls，代表当前类，此参数在实例化时由Python解释器自动识别
2、__new__必须要有返回值，返回实例化出来的实例，这点在自己实现__new__时要特别注意，可以return父类（通过super(当前类名, cls)）__new__出来的实例，或者直接是object的__new__出来的实例

3、__init__有一个参数self，就是这个__new__返回的实例，__init__在__new__的基础上可以完成一些其它初始化的动作，__init__不需要返回值

4、如果__new__创建的是当前类的实例，会自动调用__init__函数，通过return语句里面调用的__new__函数的第一个参数是cls来保证是当前类实例，如果是其他类的类名，；那么实际创建返回的就是其他类的实例，其实就不会调用当前类的__init__函数，也不会调用其他类的__init__函数。

简述with方法打开处理文件帮我我们做了什么？
打开文件在进行读写的时候可能会出现一些异常状况，如果按照常规的f.open写法，我们需要try,except,finally，做异常判断，并且文件最终不管遇到什么情况，都要执行finally f.close()关闭文件，with方法帮我们实现了finally中f.close （当然还有其他自定义功能，有兴趣可以研究with方法源码）

避免转义给字符串加哪个字母表示原始字符串？
r , 表示需要原始字符串，不转义特殊字符

assert()
断言成功，程序继续执行。失败，则程序报错

简述any()和all()方法
any():只要迭代器中有一个元素为真就为真
all():迭代器中所有的判断项返回都是真，结果才为真

python中什么元素为假？
（0，空字符串，空列表、空字典、空元组、None, False）

copy和deepcopy区别
1、复制不可变数据类型，不管copy还是deepcopy,都是同一个地址当浅复制的值是不可变对象（数值，字符串，元组）时和=“赋值”的情况一样，对象的id值与浅复制原来的值相同。
2、复制的值是可变对象（列表和字典） 浅拷贝copy有两种情况：
第一种情况：复制的 对象中无 复杂子对象，原来值的改变并不会影响浅复制的值，同时浅复制的值改变也并不会影响原来的值。原来值的id值与浅复制原来的值不同。
第二种情况：复制的对象中有 复杂 子对象 （例如列表中的一个子元素是一个列表）， 改变原来的值 中的复杂子对象的值 ，会影响浅复制的值。
深拷贝deepcopy：完全复制独立，包括内层列表和字典

列出几种魔法方法并简要介绍用途
init:对象初始化方法
new:创建对象时候执行的方法，单列模式会用到
str:当使用print输出对象的时候，只要自己定义了__str__(self)方法，那么就会打印从在这个方法中return的数据
del:删除对象执行的方法

python2和python3区别？列举5个
1、Python3 使用 print 必须要以小括号包裹打印内容，比如 print(‘hi’)
Python2 既可以使用带小括号的方式，也可以使用一个空格来分隔打印内容，比如 print ‘hi’
2、python2 range(1,10)返回列表，python3中返回迭代器，节约内存
3、python2中使用ascii编码，python中使用utf-8编码
4、python2中unicode表示字符串序列，str表示字节序列
python3中str表示字符串序列，byte表示字节序列
5、python2中为正常显示中文，引入coding声明，python3中不需要
6、python2中是raw_input()函数，python3中是input()函数

列出python中可变数据类型和不可变数据类型，并简述原理
不可变数据类型：数值型、字符串型string和元组tuple
不允许变量的值发生变化，如果改变了变量的值，相当于是新建了一个对象，而对于相同的值的对象，在内存中则只有一个对象（一个地址），如下图用id()方法可以打印对象的id
可变数据类型：列表list和字典dict；
允许变量的值发生变化，即如果对变量进行append、+=等这种操作后，只是改变了变量的值，而不会新建一个对象，变量引用的对象的地址也不会变化，不过对于相同的值的不同对象，在内存中则会存在不同的对象，即每个对象都有自己的地址，相当于内存中对于同值的对象保存了多份，这里不存在引用计数，是实实在在的对象。

用python删除文件和用linux命令删除文件方法
python：os.remove(文件名)
linux: rm 文件名

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

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、多进程、多线程、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，这样可以减少程序判断的次数，提高效率

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alert或console.log
2、如果涉及一些第三方框架，会去查官方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，我也都会收藏做一些笔记记录。
4、导包问题、城市定位多音字造成的显示错误问题

PEP8代码规范 https://www.cnblogs.com/jiangchunsheng/p/10846052.html

python垃圾回收机制
python垃圾回收主要以引用计数为主，标记-清除和分代清除为辅的机制，其中标记-清除和分代回收主要是为了处理循环引用的难题。 引用计数算法
当有1个变量保存了对象的引用时，此对象的引用计数就会加1
当使用del删除变量指向的对象时，如果对象的引用计数不为1，比如3，那么此时只会让这个引用计数减1，即变为2，当再次调用del时，变为1，如果再调用1次del，此时会真的把对象进行删除