python 面试题总结

最新推荐文章于 2024-07-26 19:52:25 发布

一博是我的

最新推荐文章于 2024-07-26 19:52:25 发布

阅读量858

点赞数

分类专栏： python编程基础文章标签： python面试题 python中yield与return区别 yield 正则match与search区别深拷贝与浅拷贝

本文链接：https://blog.csdn.net/weixin_43359547/article/details/83586585

版权

python编程基础专栏收录该内容

6 篇文章 0 订阅

订阅专栏

生成器函数

生成器有两种，分别是生成器函数和生成器表达式

生成器函数 - yield

定义：含有yield语句的函数为生成器，该函数被调用会返回一个生成器对象。
表达式： yield 表达式
用法：

yield表达式用于def函数中，目的是将此函数作为生成器使用。

def myinteger(n):
  i = 0
  while i < n:
      yield i
      i += 1


for x in myinteger(3):
  print(x) #结果为0，1，2

yield用于生成数据，供迭代器的next()函数使用。

与return的区别

yield与return相似，后边跟返回值。但是不同的是：会保留执行状态，下次调用next()方法继续执行，从yield的下一条语句开始执行。如下代码所示：

#代码1
# 此示例示意用生成器函数生成一定范围内的自然数
def myinteger(n):
   i = 0
   while i < n:
       yield i
       i += 1
f = myinteger(3)
print(next(f)) #0
print(next(f)) #1
print(next(f)) #2
print(next(f)) #StopIteration

return 返回一个值之后，会直接终止程序的执行，终止当前生成器，如果执行next()会报错(若return之后无参数则不能与yield同时出现在一个函数中，否则为非法编程)。如下代码所示：

def myinteger(n):
   i = 0
   while i < n:
       yield i #此时生成器生成自然数0
       i += 1
       return i #终止生成器生成自然数，终止程序

f = myinteger(3)
print(next(f)) #0 （因生成器中生成自然数0，故可调用）
print(next(f)) #StopIteration 1 （生成器已被Return终止，故会报错）

生成器表达式

语法

(表达式 for 变量 in 可迭代对象 [if 真值表达式 ])
其中if表达式可以省略

作用

用推导式的形式生成一个新的生成器

L = [1,2,3,4]
gen = (i**2 for i in L) #生成新的生成器
L2 = iter(gen) #生成可迭代对象
print(next(L2)) #1
print(next(L2)) #4

正则表达式之match与search区别

match匹配从第一个字符串开始匹配到的内容

import re
obj = re.match(r'foo','foo,food on the table')
print(obj)#<_sre.SRE_Match object; span=(0, 3), match='foo'>
print(obj.group())#foo

search匹配第一个满足表达式的字符串

obj = re.search(r'foo','fo,food on the table')
print(obj)#<_sre.SRE_Match object; span=(3, 6), match='foo'>
print(obj.group())#foo

注意：两者返回的都是match对象，需要通过goup()方法获取匹配到的内容

正则表达式re.search和re.findall的区别

re.findall(pattern,string)
作用：根据正则表达式匹配目标字符串的内容
返回值：满足正则表达式条件的所有内容组成的列表；如果正则表达式有子组，则返回子组列表
re.search(pattern,string)
返回值：匹配第一个满足表达式的match对象，需要通过goup()方法获取匹配到的字符串
代码如下：

import re
l = re.findall(r'\S','Hi I like you')
print(l)#['H', 'i', 'I', 'l', 'i', 'k', 'e', 'y', 'o', 'u']

l = re.search(r'\S','Hi I like you')
print(l.group()) #H

map函数

概念：map(func,*iterable) 用函数和可迭代对象中的每个元素作为参数生成新的可迭代对象
用法

def power1(x):
    return x**2
l = map(power1,range(1,10))
for i in l:
    print(i,end=" ") #1 4 9 16 25 36 49 64 81

lambda 函数

语法：lamdda[参数1，参数2 …]:表达式
作用：创建一个匿名函数对象
用法：

myadd = lambda x,y:x+y
print("20+30=",myadd(20,30)) #20+30= 50

filter函数。此时lambda函数用于指定过滤列表元素的条件。例如filter(lambda x: x % 3 == 0, [1, 2, 3])指定将列表[1,2,3]中能够被3整除的元素过滤出来，其结果是[3]。
sorted函数。此时lambda函数用于指定对列表中所有元素进行排序的准则。例如sorted([1, 2, 3, 4, 5, 6, 7, 8, 9], key=lambda x: abs(5-x))将列表[1, 2, 3, 4, 5, 6, 7, 8, 9]按照元素与5距离从小到大进行排序，其结果是[5, 4, 6, 3, 7, 2, 8, 1, 9]。
map函数。此时lambda函数用于指定对列表中每一个元素的共同操作。例如map(lambda x: x+1, [1, 2,3])将列表[1, 2, 3]中的元素分别加1，其结果[2, 3, 4]。
reduce函数。此时lambda函数用于指定列表中两两相邻元素的结合条件。例如reduce(lambda a, b: ‘{}, {}’.format(a, b), [1, 2, 3, 4, 5, 6, 7, 8, 9])将列表 [1, 2, 3, 4, 5, 6, 7, 8, 9]中的元素从左往右两两以逗号分隔的字符的形式依次结合起来，其结果是’1, 2, 3, 4, 5, 6, 7, 8, 9’。

原文：https://blog.csdn.net/zjuxsl/article/details/79437563

深拷贝与浅拷贝

浅拷贝

浅拷贝是指创建一个新的对象，其内容是对原对象的引用。（即只拷贝组合对象，不拷贝子对象）
从下方例子可以看出，a和b指向内存中不同的list对象，但他们的元素指向相同的int对象，即子对象。

>>> a = [1,2,3]
>>> b = list(a)
>>> b
[1, 2, 3]
>>> id(a)
139644786708168
>>> id(b)
139644786741704
>>> for x,y in zip(a,b):
...     print(id(x),id(y))
... 
10919424 10919424
10919456 10919456
10919488 10919488

浅拷贝的特点：两对象内存地址不同，内容相同。
浅拷贝的操作：切片操作，工厂函数，对象的copy()方法，copy模块中的copy()函数。

深拷贝

深拷贝是指拷贝一个新对象，递归拷贝原对象中的子对象
深拷贝只有一个方法：copy模块中的deepcopy()函数

当子对象为不可变类型时（int,str,float,tuple）

>>> a = [1,2,3]
>>> import copy
>>> b = copy.copy(a)
>>> c = copy.deepcopy(a)
>>> id(b)
139644786771144
>>> id(c)
139644786741704
>>> for x,y in zip(a,b):
...     print(id(x),id(y))
... 
10919424 10919424
10919456 10919456
10919488 10919488
>>> for x,y in zip(a,c):
...     print(id(x),id(y))
... 
10919424 10919424
10919456 10919456
10919488 10919488
>>> b[0] = 10
>>> b
[10, 2, 3]
>>> a
[1, 2, 3]
>>> c[0] = 11
>>> c
[11, 2, 3]
>>> a
[1, 2, 3]
>>> for x,y in zip(a,c):
...     print(id(x),id(y))
... 
10919424 10919744
10919456 10919456
10919488 10919488
>>> for x,y in zip(a,b):
...     print(id(x),id(y))
... 
10919424 10919712
10919456 10919456
10919488 10919488

当对b[0]进行赋值时，因为int为不可变对象，所以需要开辟另一块内存空间创建一个新对象并进行初始化，使b[0]指向该对象。

当子对象为可变对象时（list,dict）

>>> a = [[1,2],[2,3]]
>>> b = copy.copy(a)
>>> c = copy.deepcopy(a)
>>> for x,y in zip(a,b):
...     print(id(x),id(y))
... 
139644786771464 139644786771464
139644786771400 139644786771400
>>> for x,y in zip(a,c):
...     print(id(x),id(c))
... 
139644786771464 139644786771144
139644786771400 139644786771144
>>> id(c)
139644786771144