网站开发如何适应手机现实要求,discuz建网站,专业做网站建设制作服务,外贸网站建设评价Python面试笔记 PythonQ. Python中可变数据类型与不可变数据类型#xff0c;浅拷贝与深拷贝详解Q. 解释什么是lambda函数#xff1f;它有什么好处#xff1f;Q. 什么是装饰器#xff1f;Q. 什么是Python的垃圾回收机制#xff1f;Q. Python内置函数dir的用法#xff1f;Q… Python面试笔记 PythonQ. Python中可变数据类型与不可变数据类型浅拷贝与深拷贝详解Q. 解释什么是lambda函数它有什么好处Q. 什么是装饰器Q. 什么是Python的垃圾回收机制Q. Python内置函数dir的用法Q. Python中两边都有下划线的方法有什么含义Q. Python中单下划线和双下划线的区别Q. __new__和__init__区别Q. 什么是迭代器和⽣成器Q. 什么是异常处理Q. Python断言(assert)Q. Python中* 和 **用法 Python
Q. Python中可变数据类型与不可变数据类型浅拷贝与深拷贝详解
【Python基础】Python的深浅拷贝讲解
Q. 解释什么是lambda函数它有什么好处
Lambda函数是Python中的匿名函数。
Lambda函数在Python中被广泛使用主要是因为它们提供了一种快速定义单行最小函数的方式而无需使用常规的def关键字。这种函数通常用于需要一个简单操作的地方例如在列表推导式、map()、filter()等高阶函数中作为参数传递。Lambda函数的基本语法结构是lambda parameters_list: expression其中parameters_list是函数的参数列表而expression则是基于这些参数的表达式该表达式的结果将被返回。
Lambda函数的优点主要包括代码简洁、无需增加额外变量、即时定义与使用。具体内容如下
代码简洁由于lambda函数通常只包含一个表达式因此代码非常简洁可以提高代码的可读性。无需增加额外变量因为lambda函数是匿名的所以不需要为其分配一个名字这有助于减少程序中的变量数量避免命名冲突。即时定义与使用可以在需要时立刻定义并使用不必像常规函数那样先定义再调用。
# case 1
add lambda x, y: x y
result add(3, 5)
print(result) # 输出8
# case 2
students [(Alice, 25), (Bob, 20), (Charlie, 30)]
students.sort(keylambda student: student[1])
print(students) # 输出[(Bob, 20), (Alice, 25), (Charlie, 30)]
# case 3
numbers [1, 2, 3, 4, 5, 6]
even_numbers list(filter(lambda x: x % 2 0, numbers))
print(even_numbers) # 输出[2, 4, 6]Lambda表达式通常⽤于需要传递函数作为参数的函数例如 map 、 filter 、 sorted 等或 者在需要定义⾮常简单的匿名函数时。
总之尽管lambda函数有许多优点但它们也受到一些限制如只能包含一个表达式不能包含复杂的逻辑或语句且没有文档字符串和名称。因此在决定是否使用lambda函数时应当根据实际需求和上下文进行权衡。
Q. 什么是装饰器
装饰器本质上是一个Python函数它可以让其他函数在不需要做任何代码变动的前提下增加额外功能装饰器的返回值也是一个函数对象。它经常用于有切面需求的场景比如插入日志、性能测试、事务处理、缓存、权限校验等场景。装饰器是解决这类问题的绝佳设计有了装饰器我们就可以抽离出大量与函数功能本身无关的雷同代码并继续重用。
def my_decorator(func): def wrapper(): print(Something is happening before the function is called.) func() print(Something is happening after the function is called.) return wrapper my_decorator
def say_hello(): print(Hello!) # 当调用 say_hello 时实际上是调用了装饰器返回的 wrapper 函数
say_hello()输出
Something is happening before the function is called.
Hello!
Something is happening after the function is called.Q. 什么是Python的垃圾回收机制
Python的垃圾回收机制主要负责自动管理内存释放不再使用的对象所占用的内存空间。 Python的垃圾回收机制主要包括以下几种
引用计数(Reference Counting)。这是Python中最基本的垃圾回收方法。每个对象都有一个引用计数记录有多少个变量指向该对象。当引用计数为0时表示该对象不再被使用可以被回收。标记-清除(Mark and Sweep)。这种方法用于处理循环引用的情况。当内存空间即将被占满时Python会暂停程序从头到尾扫描所有对象并标记所有可达的对象。然后清除所有未被标记的对象回收它们占用的内存空间。分代回收(Generational Collection)。为了提高垃圾回收的效率Python引入了分代回收机制。对象被分为不同的代如第0代和第1代等。新创建的对象通常放在第0代而经过多次垃圾回收仍然存活的对象会被提升到更高的代。垃圾回收器会更多地检查低代中的对象而对高代中的对象进行较少的检查从而提高垃圾回收的效率。
需要注意的是Python的垃圾回收机制是自动进行的开发者不需要手动管理内存。垃圾回收器会根据需要定期启动并在合适的时机回收不再使用的对象。
Q. Python内置函数dir的用法
在 Python 中dir() 是一个内置函数用于查找对象的所有属性和方法。它返回一个字符串列表包含了对象的所有属性和方法的名称。
class MyClass:def __init__(self):self.name Johndef say_hello(self):print(Hello, world!)obj MyClass()print(对象 obj 的属性和方法, dir(obj))输出
对象 obj 的属性和方法 [__class__, __delattr__, __dict__, __dir__, __doc__, __eq__, __format__, __ge__, __getattribute__, __gt__, __hash__, __init__, __init_subclass__, __le__, __lt__, __module__, __ne__, __new__, __reduce__, __reduce_ex__, __repr__, __setattr__, __sizeof__, __str__, __subclasshook__, __weakref__, name, say_hello]Q. Python中两边都有下划线的方法有什么含义
在Python中两边都有双下划线的方法名被称为魔法方法magic methods。这些方法是Python语言的基础它们为Python提供了强大的内置功能。例如__init__ 方法是类的构造函数__str__ 方法定义了对象被转换为字符串时的行为。
以下是一个简单的类示例它定义了一个带有两边都有双下划线的方法
class MyClass:def __init__(self, value):self.value valuedef __str__(self):return fMyClass with value: {self.value}# 使用类
obj MyClass(10)
print(obj) # 输出: MyClass with value: 10Python中还有很多其他的魔法方法以下是一些常用的魔法方法
__init__构造函数当一个对象被创建时会自动调用。 __del__析构函数当一个对象被销毁时会自动调用。 __str__返回一个对象的字符串表示通常用于print函数。 __repr__返回一个对象的官方字符串表示通常用于调试。 __call__允许一个对象像函数那样被调用。 __getitem__、__setitem__、__delitem__用于自定义索引操作如obj[key]。 __len__返回对象的长度常用于len()函数。 __iter__返回一个迭代器用于遍历对象。 __enter__ 和 __exit__用于实现上下文管理协议如with语句。 __add__、__sub__、__mul__ 等用于自定义算术运算符的行为。
这些魔法方法允许你自定义Python对象的行为使其更符合你的需求。你可以根据需要实现这些方法来扩展Python类的功能。
Q. Python中单下划线和双下划线的区别
“单下划线” 开始的成员变量叫做保护变量意思是只有类对象和子类对象自己能访问到这些变量需通过类提供的接口进行访问不能用“from xxx import *”而导入“双下划线” 开始的是私有成员意思是只有类对象自己能访问连子类对象也不能访问到这个数据。仍然可以通过_{classname}__name来访问__name变量。但是强烈建议你不要这么干因为不同版本的Python解释器可能会把__name改成不同的变量名。
Q. __new__和__init__区别
__new__与__init__区别总共有四个方面:
功能上的区别: 前者生成类实例对象空间的后者是初始化对象空间并给对象赋值的;执行顺序: 先执行__new__方法生成类对象空间才能执行后者返回值: 前者有返回值后者没有返回值前者是静态方法, 后者是构造方法。
Q. 什么是迭代器和⽣成器
迭代器Iterator和⽣成器Generator都是Python中⽤于处理迭代的重要概念允许逐个访问数据项⽽⽆需将所有数据加载到内存中这在处理⼤型数据集合时⾮常有⽤。尽管有⼀些相似之处但在实现和⽤法上有⼀些关键的区别。
1.迭代器(Iterator)
迭代器是⼀个对象它可以通过调⽤ __next__() ⽅法逐个返回集合中的元素。迭代器通常⽤于遍 历集合如列表、元组、字典等以及⾃定义的可迭代对象。的核⼼特点是惰性计算即只在需要时才计算下⼀个元素。
Python的内置函数 iter() 可以⽤于将可迭代对象转换为迭代器⽽ next() 函数⽤于获取迭代 器的下⼀个元素。当没有更多元素可供迭代时迭代器会引发 StopIteration 异常。
numbers [1, 2, 3, 4, 5]
iter_numbers iter(numbers)
print(next(iter_numbers)) # 输出1
print(next(iter_numbers)) # 输出22.生成器(Generator)
生成器是⼀种特殊的迭代器它可以通过函数来创建。⽣成器函数使⽤ yield 关键字来产⽣值并且会保持函数的状态以便在下⼀次调⽤时继续执⾏。⽣成器允许按需⽣成数据⽽不必将所有数据存储在内存中。
⽣成器有两种创建⽅式
使⽤⽣成器函数定义⼀个函数其中包含 yield 语句来⽣成值。
def countdown(n):while n 0:yield nn - 1
gen countdown(5)
for num in gen:print(num)使⽤⽣成器表达式类似于列表推导式但是使⽤圆括号⽽不是⽅括号并且按需⽣成数据。
gen (x for x in range(5))
for num in gen:print(num)⽣成器通常⽤于处理⼤型数据集或需要逐个⽣成数据的情况因为不需要⼀次性加载所有数据到内存中从⽽节省了内存资源。
总之迭代器和⽣成器都是处理迭代的强⼤⼯具允许⾼效地处理⼤型数据集和按需⽣成数据。可以根据任务的需求选择使⽤哪种⽅式。
Q. 什么是异常处理
异常处理是⼀种编程技术⽤于在程序执⾏期间捕获、处理和处理可能发⽣的异常情况或错误。异常是指在程序执⾏过程中出现的不正常情况可能导致程序崩溃或产⽣不可预料的结果。异常处理的⽬标是使程序能够优雅地应对异常情况⽽不是因异常⽽终⽌或崩溃。
在Python中异常处理通常使⽤ try 和 except 语句来实现。基本的异常处理结构如下
try:# 可能引发异常的代码块
except ExceptionType:# 处理异常的代码块try 语句块包含可能引发异常的代码它会被监视以检查是否发⽣异常。如果在 try 块中的代码引发了指定类型的异常 ExceptionType 则程序将跳转到与该异常匹配的 except 块执⾏异常处理代码。如果在 try 块中没有引发异常则 except 块将被跳过程序将继续执⾏ try 块之后的代码。
try:num int(input(请输⼊⼀个整数))result 10 / num
except ZeroDivisionError:print(除以零错误)
except ValueError:print(输⼊不是有效的整数)
else:print(结果是, result)
finally:print(结束)else语句块中的代码会在try块没有抛出任何异常的情况下运行。finally语句块中的代码无论是否发生异常都会被执行。
Q. Python断言(assert)
Python assert断言用于判断一个表达式在表达式条件为 false 的时候触发异常。
断言可以在条件不满足程序运行的情况下直接返回错误而不必等待程序运行后出现崩溃的情况例如我们的代码只能在 Linux 系统下运行可以先判断当前系统是否符合条件。
语法格式如下
assert expression
#等价于
if not expression:raise AssertionError#assert后面也可以紧跟参数:assert expression [, arguments]
#等价于
if not expression:raise AssertionError(arguments)例子 assert True # 条件为 true 正常执行assert False # 条件为 false 触发异常
Traceback (most recent call last):File stdin, line 1, in module
AssertionErrorassert 11 # 条件为 true 正常执行assert 12 # 条件为 false 触发异常
Traceback (most recent call last):File stdin, line 1, in module
AssertionError assert 12, 1 不等于 2
Traceback (most recent call last):File stdin, line 1, in module
AssertionError: 1 不等于 2Q. Python中* 和 **用法
在 Python 中* 和 ** 具有语法多义性具体来说是有四类用法。
1.算数运算 2 * 5 #乘法
//102 ** 5 #乘方
//322.函数形参
*args 和 **kwargs 主要用于函数定义。
你可以将不定数量的参数传递给一个函数。不定的意思是预先并不知道, 函数使用者会传递多少个参数给你, 所以在这个场景下使用这两个关键字。其实并不是必须写成 *args 和 **kwargs。 *(星号) 才是必须的. 你也可以写成 *ar 和 **k 。而写成 *args 和**kwargs 只是一个通俗的命名约定。
python函数传递参数的方式有两种
位置参数positional argument关键词参数keyword argument
*args 与 **kwargs 的区别两者都是 python 中的可变参数
*args 表示任何多个无名参数它本质是一个 tuple**kwargs 表示关键字参数它本质上是一个 dict
如果同时使用 *args 和 **kwargs 时必须 *args 参数列要在 **kwargs 之前。 def fun(*args, **kwargs):
... print(args, args)
... print(kwargs, kwargs)
... fun(1, 2, 3, 4, Aa, Bb, Cc, Dd)
//args (1, 2, 3, 4)
//kwargs {A: a, B: b, C: c, D: d}使用*args def fun(name, *args):
... print(你好:, name)
... for i in args:
... print(你的宠物有:, i)
... fun(Geek, dog, cat)
//你好: Geek
//你的宠物有: dog
//你的宠物有: cat使用 **kwargs def fun(**kwargs):
... for key, value in kwargs.items():
... print({0} 喜欢 {1}.format(key, value))
... fun(Geekcat, catbox)
//Geek 喜欢 cat
//cat 喜欢 box3.函数实参(解引用) 如果函数的形参是定长参数也可以使用 *args 和 **kwargs 调用函数类似对元组和字典进行解引用 def fun(data1, data2, data3):
... print(data1: , data1)
... print(data2: , data2)
... print(data3: , data3)
... args (one, 2, 3)fun(*args)
data1: one
data2: 2
data3: 3kwargs {data3: one, data2: 2, data1: 3}fun(**kwargs)
data1: 3
data2: 2
data3: one4.序列解包 序列解包没有** a, b, *c 0, 1, 2, 3 a
0 b
1 c
[2, 3]
