Python 面试题：
- 求和 sum(range(0,101))
- 如何在一个函数内部修改全局变量 ：gbobal
- Python的标准库：os：提供与操作系统相关的函数 sys：用于命令行参数 re：正则匹配 math：数学运算 datetime：处理时间日期
- 字典如何删键和合并两个字典：删除键：del dic[键] 合并两个字典：update：合并两个字典
- Python的GIL 全局解释锁
- Python实现列表去重：转集合 再转列表
- Python2和python3 对range(100)的区别：前者返回列表 后者返回迭代器 节约内存
- 什么样的语言可以做装器：函数可以作为参数传递的语言，可以使用装饰器
- Python内建的数据类型：(整型 浮点型 布尔型)数值 字符串 列表 集合 元组 字典
- 简述面向对象中__init__和__new__的区别:
- __new__至少有一个参数cls，代表当前类 必须要有返回值
- __init__有一个参数self 就是__new__的实例 不需要有返回值
- 如果__new__创建的是当前类的实例，会自动调用__init__函数
- 简述with方法打开处理文件帮我们做了什么：
如果打开的文件有异常出现，需要用try，except，finally 执行关闭文件的操作，with方法帮我们实现了f.close( )
- 内置函数的比如map（1，2）1：是函数的名字（参数）2：一个迭代器
- 列表推导式：[i for i in range(10) if 条件]
- Python中生成随机整数：random.randint(a,b):生成a-b区间内的整数
- Python中生成随机小数：np.random.randn(5):生成五个随机小数
- Python中随机生成-0-1之间的小数：random.random( ) 导入一个包 import numpy as np
- 避免转义可以给字符串前面加 “r”，需要原始字符串，不转义字符
- Python中断言（assert）
- Python2和Python3的区别：
- python3中print必须要以小括号包裹打印的内容 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的内容 print ‘hello’
- 对于range（x）：前者返回列表 后者返回迭代器 节约内存
- 编码格式：前者使用ascii编码 后者使用utf-8编码
- 字节和字符串：前者用Unicode表示字符串序列，用str表示字节序列，后者用str表示字符串序列，用byte表示字节序列
- 中文显示:前者得引入coding声明，后者直接可以直接显示中文
- 输出：前者是raw_input( )函数 后者是input( )函数
20.可变数据类型和不可变数据类型：
1）不可变数据类型：字符串 数值 元组tuple：如果改变了变量的值，相当于是新建了一个对象，对于相同的值的对象，则内存中只有一个地址
2）可变数据类型：列表 字典 增加append( ) 只是改变了变量的值，而不会新建一个对象，变量的引用地址也不会发生变化，对于相同值的不同对象，内存中会存在不同的对象，每个对象都有对应的地址，相当于内存中对于相同值的对象保存了多份，不存在引用，都是实实在在的对象
21.去重 使用set集合 sort 排序
22.a = lambda 参数1，参数 2：条件 a( 参数1，参数2 )
23.字典根据键从小到大排序
24.统计出现次数：collections库中的Counter方法
25.re.cpmplie：将正则表达式编译成一个对象，加快速度，并重复使用
26.Python删除文件：os.remove(文件名) linux： rm 文件名
27.正则表达式：
(.*):贪婪匹配，会把满足正则的尽可能多的往后匹配
(.*?):非贪婪匹配，回吧满足正则的尽可能少的匹配
- numpy as np :矩阵 随机生成在一组在一个范围内的数字 random.randint(a,b，（设置矩阵模式）)
- 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
- zip( )函数的使用：会以一个或多个序列（可迭代对象）作为参数，返回一个元组的列表，当参数长度不一致时，zip自动以最短序列长度为准进行截取，获取元组
a = [2,3]
b = [1,4]
c = [i for i in zip(a,b)]
Print(c) 生成结果[ ( 2 , 1 ) , ( 3 , 4 ) ]
- 正则表达式中re.sub:表示替换的意思 （匹配规则，要被替换的str，被处理的字符串）
- 转化成bytes类型，需要使用encode
- 两个列表项加等价于extend：列表末尾一次性追加另一个序列中的多个值
- 冒泡排序法：i和 j 互换一下位置即可
- Session和cookie区别：
Cookie的安全性比session差
Session存在于服务器端 cookie存在于客户端
Session的运行依赖于session_id，而session_id存在于cookie中，如果cookie被禁用了，session也将会失效
- 浅拷贝和深拷贝：
浅拷贝：只复制指向某个对象的指针，不复制对象本身，内存地址不会变，共享
深拷贝：会创建一个我一模一样的对象，新对象和旧对象不共享内存，修改其不会改变
如果拷贝的对象中没有引用，深浅都一样
如果拷贝的对象中有引用，浅拷贝拷贝的是对象的引用，如果对新对象中的引用值进行修改，旧对象还是会跟着改变，深拷贝则会完全拷贝一份，修改其中的值不会对其源对象产生影响，相当于是新建了一个列表，里面放的实心列表的引用
- 不使用sort sorted方法，将列表排序
- 冒泡排序法
- 直接使用求列表中的最小值取出来加入到一个新列表
- 函数中参数传递：
- 值传递：用于不可变对象的的的传递（数值，字符串，元组）
- 引用传递：用于可变对象的传递（列表，字典）
- 区别：当形参的值发生变化后，值传递不影响实际参数的值，引用传递，实参的值也会一起变化。
- 对于不可变对象，调用了对象本身的任意方法，也不会改变对象本身的内容。相反，这些方法会创建新的对象并返回一个，这样就保证了不可变对象本身是永远不可变的。
- 如何判断一个对象是可迭代对象？
通过collections模块中的iterable类型判断
41.IsDigit和IsNumber的区别？
- 第一个判断是不是整数
- 第二个判断是不是数字
42.列表中sort和sorted的区别：
Sort是list的方法，返回值为none Revrese 默认升序False 不返回新列表
Sorted是python的内置函数，返回值是一个新列表，不影响原来的顺序
- 切片法生成一个新列表
- Pyton是如何进行内存管理的？从三个方面来说,
- 对象的引用计数机制
- 垃圾回收机制
- 内存池机制
- 数字、字符串、元组是不可变的，列表、字典是可变的。
- 乘法口诀表：
print("\n".join('\t'.join(["{}*{}={}".format(y,x,x*y) for y in range(1,x+1)]) for x in range(1,10)))
- 字典的五种创建方式：
- 通过另一个字典
- 通过关键字参数创建（name = ‘jjj’，age = ‘jjjj’）
- 通过键值对的序列创建 dic = dict( [ ( 1 , abc ),( 2 , def ) , ( 3 , ghi ) ])
- 通过dict和zip的结合 简单来说就是将两个列表组合起来，一个列表包含键一个包含值
- 使用花括号{ }创建
- fromkeys创建字典： dic = dict.fromkeys ( [ ‘ a ’ , ’ b ’ ] , 3) 将a和b的值都设置为3
-
- 如何以就地操作方式打乱一个列表的元素？
为了达到这个目的，我们从random模块中导入shuffle()函数。
-
-
- 把一个字符串中出现次数多的那个只能输出一次
- 多线程访问时，如何避免重读？
创建一个数据列表，把访问过的数据放进去，并且加上互斥锁，访问的时候，判断是否在数据列表中出现过。
- 带参数的装饰器
- @property:实现了一个getter的功能 将属性名和方法名一定要分开，必须在setter之前
广泛用于类的定义中，把方法变成属性，保证对参数进行必要的检查，降低错误
只有@property：可读 加setter 就可以可读可修改
- 生成器和生成式的区别：
- 从内存上分析：后者手内存限制，列表的容量是有限， 后者不是立即把结果写入内存，而是保存的一种计算方式
- 语法来看：（） [ ]
- 返回值：前者逐个调用输出 后者生成列表
- 数据库设计的三范式：
- 保持数据的原子性 字段不可分割
- 消除部分依赖（确保表中每列都和和主键有关系） 非主键必须依赖主键
- 表中的字段不存在对之间的传递依赖（确保每列和主键是直接关系 不是间接关系）
非主键字段之间不能相互依赖
- 二叉树的四种遍历算法： 满二叉树 完全二叉树
- 先序遍历
根节点》左子树》右子树 0-1-3-4-2-5-6
-
- 中序遍历
左子树》根节点》右子树3-1-4-0-5-2-6
-
- 后序遍历
左子树》右子树》根节点 3-4-1--5-6-2-0
-
- 层序遍历 队列的数据结构
从上往下一次从左至右 0-1-2-3-4-5-6
- 类方法和静态方法：
- 修饰符 classmethod staticmethod
- 参数：cls 前者类和实例化对象都可以调用 后者无参数 都可调用
- 类方法传递类的属性和方法 不能传递实例的
-
- 单引号 双引号 三引号的区别：
单引号和多引号没什么太大区别，表示字符串的时候，单引号里面可以用双引号，而不用转义。如果用单引号括住单引号，得加转义字符 \ 三引号一般用于直接书写多行，大篇幅的字符串
- python的垃圾回收机制：
主要以引用计数为主，标记清除和分代回收为辅助机制，后者主要用于处理循环引用的难题
引用计数： 有一个变量 引用计数+1，使用del一次会减少引用计数的数值一次，当引用计数为1，调用del就会把对象直接删除
- 提取excel中的数据
注意：df[里面的字段可以用list(df)] 因为输出df的时候 输出的是表格中的标题 也就是字段名
Mysql:
- 数据库的四大特性：
①原子性
事务包含的所有操作，要么全部执行，要么全部失败回滚
②一致性
事务开始前后，数据的完整性约束没有被破坏
③隔离性
多个并发事务之间不相互干扰。
④持久性
事务一旦被提交，对数据库中数据的改变就是永久的
- 事务的隔离级别：通过事务隔离属性来确定
事务的并发导致的问题：
脏读：事务a读取了事务b提交修改的数据，b事务回滚，a读取的数据时脏数据
不可重复度：a事务多次读取同一数据，事务b在事务a读取数据时修改了数据，导致a事务两次读取的数据不一致
幻读：事务a对一个数据表中的数据从1修改为2，同一时间事务b又对数据进行修改为1，导致a督导的结果还是1.就好像出现了幻读
3事务的隔离级别需要得到数据库底层引擎的支持
Oracle支持的两种事务隔离界别：读提交 可串行化
隔离界别越高，越能保证数据的完整性和一致性，但是对并发性能的影响也越大
一般设置为读提交级别，虽然会出现不可重复度和幻读，此时可以采用乐观锁和悲观锁控制
4接下来就该谈到悲观锁和乐观锁：
悲观锁的特点：先获取锁，然后再进行业务操作，需要数据库本身支持，使用select updata即可获得悲观锁
乐观锁：先进行业务操作，不到万不得已不获取锁，加锁方式：给表加一个版本号
5Mysql常见的三大引擎：myisam innodb memory
如果是查询操作，采用myisam会性能高，
因为在innodb中存在事务，可以让一些增删改操作可以回滚，
Innodb支持行锁，在某些情况下还是表锁：
例如 updat 。。。From 。。 where 字段 like ‘%xx%’；
Where是主键操作才会使用到行锁
在myisam中有三张表： 一个是存数据 一个是保存表的结构 一个是保存索引
Memory是把数据存储在内存中的，如果内存出现问题，会造成数据流失。 梳理数据能力高
6临时表：只在当前连接可见，关闭连接后，mysql会自动删除释放内存，
7Hash索引：索引检索效率高，
B+tree:需要重根节点到子节点再到叶子节点，
8为什么用hash索引少：
因为hash索引只能精确查询，对于一些范围查询，hash每次的运算结果都不能保证一致
9 两者区别：
如果是等值查询，则会采用hash索引，（通过键值查找，前提是键值唯一）
一般范围查询，分组，排序 采用B+TREE
10 聚集索引和非聚集索引的区别：表记录的排列顺序和索引的排序是否一致
慢查询：
Reduce函数的工作原理：
Reduce函数接受一个函数和一个序列，然后对序列进行迭代，每次迭代，当前元素和前一个元素的输出都传递给函数，最后返回一个值。
From functools import reduce
Def add_three(x,y):
returnx+y
li=[1,2,3,5]
reduce(add_three,li)
==>:11
Map的工作原理：
返回一个列表，该列表由序列中的每个元素对函数应用时返回的一个值。
Filter的工作原理：
序列中的每个值都对函数作用，如果函数返回True，则把相应的元素加入到返回的列表序列
解释python是按值调用还是按引用调用：：
对于不可变类型，在函数内部对其进行修改，不会影响其在函数外部的值，也就是说在函数内外的不可变类型被修改时不会互相影响
对于可变数据类型，在函数内部改变他的值，在函数外部他的值也会跟着变。
对于__xx:的属性或者方法 对外是不能会直接访问的，要想访问：_类名__xx来访问
单例模式：
Cookie的原理：
首先弄清楚传输数据的两个方向 浏览器端和服务端
- 浏览器给服务端第一次发送请求request
- 服务端创建cookie，在这个cookie中包含用户的信息，然后将该cookie返回给浏览器
- 浏览器再次访问服务端的时候会携带之前的cookie
- 服务端通过携带的数据的不同来区分用户
将数据保存在客户端，不安全
只要不关闭浏览器，cookie值永远不会失效
数据量：3K
Session原理：
- 浏览器第一次想服务端发送请求，服务端会自动创建一个session，同时也会创建一个特殊的cookie 会携带一个session的唯一标识，session_key, 然后将该cookie对象发送到浏览器
- 浏览器多次请求服务端，会一直携带这个session_key
- 服务端根据session_key中的value（session_id）值去区分不同的用户
将数据保存在服务端，数据相对安全。
Session还在一定时间上保存在服务器上，比较占用服务器性能
应用场景： 用户登录后退出的权限管理
一些登录的信息可以存放在session中 不重要的信息保存在cookie中
session_key = request.COOKIES.get('sessionid')
技术栈：
前端 ：PC端 ：javascript
后端 ： python
中间件：数据库mysql https
运维：git 版本控制 maven
工具：开发工具 pycharm navicate 测试自动化 selenium 抓包
Python多线程 多进程 使用场景：
多进程： cpu密集型 （计算密集型）操作
当cpu进行上万亿的加减乘除计算时，使用多核cpu来提高计算性能
From multiplyprocessing import Process
多线程：IO密集型操作
From Threading import Thread
输出 输出的操作 文件的读取 网络请求
因为这些操作一般会遇到程序阻塞的问题，使用多核cpu对性能的提升不会很大
ORM:Object Relational Mapping对象关系映射,
它的作用是在关系型数据库和对象之间作一个映射，这样，我们在具体的操作数据库的时候，就不需要再去和复杂的SQL语句打交道，只要像平时操作对象一样操作它就可以了 。
优势：ORM提供了对数据库的映射，不用直接编写SQL代码，只需像操作对象一样从数据库操作数据。提高了开发效率。
劣势：ORM的缺点是会在一定程度上牺牲程序的执行效率。
生成订单号的格式：
格式化时间 ： %Y年%m月%d日%H时%M分%S秒%f毫秒
格式化输入九位数字左边缺少的补0： %09d
timezone.localtime()：django自带的时间 时区随settings.py文件内设置的而定
order_id = timezone.localtime().strftime('%Y%m%d%H%M%S%f') + ('%09d' % user.id)
生成订单编号：
订单表关联用户和收货地址 一个用户可以有多个订单 一对多
订单商品表关联订单表和商品表 一个订单可以有多个商品 一对多
悲观锁的应用场景：
悲观锁相对于进程锁来说：针对于同一块公共资源来说，如果想获取公共资源，就必须要先获得锁，才可以对该资源进行操作，在锁释放了之后，其他进程那上锁才能对其进行操作
比如：对于想修改商品的库存时，为了防止其他进程对该操作的影响，操作室需要先获取一个锁，（修改首先需要查询到，然后就把该进程加一个悲观锁，进行锁定，没有锁的话只能进行等待）
如何获取悲观锁：
select * from df_goods_sku where id=17 for update;
乐观锁：
针对于查询和更新操作：查询不加锁，更新需要加锁，因为在查询的时候不认为其他用户会抢夺资源，不加锁，更新的时候需要判断库存量。判断和查询的时候是否一致。
八大数据结构：
- 数组
数组是连续的内存结构，
优点： 查询时候根据索引快
缺点：一旦固定就不能扩容
只能存储一种数据结构
删除，添加慢因为需要动其他元素 相当于给其他的元素重新分配内存
- 链表
每个元素包含两个子节点：一个是储存元素的数据结构，另一个是指针指向下一个节点的内存地址
缺点：含有大量指针，占用内存，查找耗时，需要遍历链表
优点：容量大 修改快
- 堆
完全二叉树：叶子节点只会出现在最后两层，最后一层的叶子节点都向左靠齐
- 栈
先进后出，一般用于递归 场景： 斐波那契数列
- 散列表
可以根据键值映射到集合中的一个位置，快速查找
- 队列
先进先出 线性表 场景：多线程阻塞队列管理
- 图
有向图 和无向图 垃圾处理机制里面的查找引用
- 树
比较折中方案
满二叉树： 节点要么为0 要么为2 所有的叶子节点都出现在最后一层
文件缓存：
设置缓存settings.py
Caches{
}
需要加一个装饰器 from django.view
数据库缓存：db.Databasecache
首先生成表格：
Python manage.py createcachetable djcache
- 下载安装包
- memcached.exe -d install
1206
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
