投资公司排名前十,企业网站怎样做优化,网页app生成器原理,网络优化论文下面这些问题涉及了与Python相关的许多技能#xff0c;问题的关注点主要是语言本身#xff0c;不是某个特定的包或模块。每一个问题都可以扩充为一个教程#xff0c;如果可能的话。某些问题甚至会涉及多个领域。 我之前还没有出过和这些题目一样难的面试题#xff0c;如果你… 下面这些问题涉及了与Python相关的许多技能问题的关注点主要是语言本身不是某个特定的包或模块。每一个问题都可以扩充为一个教程如果可能的话。某些问题甚至会涉及多个领域。 我之前还没有出过和这些题目一样难的面试题如果你能轻松地回答出来的话赶紧去找份工作吧 问题1 到底什么是Python你可以在回答中与其他技术进行对比也鼓励这样做。 答案 下面是一些关键点
Python是一种解释型语言。这就是说与C语言和C的衍生语言不同Python代码在运行之前不需要编译。其他解释型语言还包括PHP和Ruby。Python是动态类型语言指的是你在声明变量时不需要说明变量的类型。你可以直接编写类似x111和xIm a string这样的代码程序不会报错。Python非常适合面向对象的编程OOP因为它支持通过组合composition与继承inheritance的方式定义类class。Python中没有访问说明符access specifier类似C中的public和private这么设计的依据是“大家都是成年人了”。在Python语言中函数是第一类对象first-class objects。这指的是它们可以被指定给变量函数既能返回函数类型也可以接受函数作为输入。类class也是第一类对象。Python代码编写快但是运行速度比编译语言通常要慢。好在Python允许加入基于C语言编写的扩展因此我们能够优化代码消除瓶颈这点通常是可以实现的。numpy就是一个很好地例子它的运行速度真的非常快因为很多算术运算其实并不是通过Python实现的。Python用途非常广泛——网络应用自动化科学建模大数据应用等等。它也常被用作“胶水语言”帮助其他语言和组件改善运行状况。Python让困难的事情变得容易因此程序员可以专注于算法和数据结构的设计而不用处理底层的细节。 为什么提这个问题 如果你应聘的是一个Python开发岗位你就应该知道这是门什么样的语言以及它为什么这么酷。以及它哪里不好。 问题2 补充缺失的代码 def print_directory_contents(sPath): 这个函数接受文件夹的名称作为输入参数 返回该文件夹中文件的路径 以及其包含文件夹中文件的路径。 # 补充代码 答案 def print_directory_contents(sPath):import os for sChild in os.listdir(sPath): sChildPath os.path.join(sPath,sChild) if os.path.isdir(sChildPath): print_directory_contents(sChildPath) else: print sChildPath 特别要注意以下几点
命名规范要统一。如果样本代码中能够看出命名规范遵循其已有的规范。递归函数需要递归并终止。确保你明白其中的原理否则你将面临无休无止的调用栈callstack。我们使用os模块与操作系统进行交互同时做到交互方式是可以跨平台的。你可以把代码写成sChildPath sPath / sChild但是这个在Windows系统上会出错。熟悉基础模块是非常有价值的但是别想破脑袋都背下来记住Google是你工作中的良师益友。如果你不明白代码的预期功能就大胆提问。坚持KISS原则保持简单不过脑子就能懂 为什么提这个问题
说明面试者对与操作系统交互的基础知识递归真是太好用啦 问题3 阅读下面的代码写出A0A1至An的最终值。 A0 dict(zip((a,b,c,d,e),(1,2,3,4,5))) A1 range(10) A2 [i for i in A1 if i in A0] A3 [A0[s] for s in A0] A4 [i for i in A1 if i in A3] A5 {i:i*i for i in A1} A6 [[i,i*i] for i in A1] 答案 A0 {a: 1, c: 3, b: 2, e: 5, d: 4} A1 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] A2 [] A3 [1, 3, 2, 5, 4] A4 [1, 2, 3, 4, 5] A5 {0: 0, 1: 1, 2: 4, 3: 9, 4: 16, 5: 25, 6: 36, 7: 49, 8: 64, 9: 81} A6 [[0, 0], [1, 1], [2, 4], [3, 9], [4, 16], [5, 25], [6, 36], [7, 49], [8, 64], [9, 81]] 为什么提这个问题
列表解析list comprehension十分节约时间对很多人来说也是一个大的学习障碍。如果你读懂了这些代码就很可能可以写下正确地值。其中部分代码故意写的怪怪的。因为你共事的人之中也会有怪人。 问题4 Python和多线程multi-threading。这是个好主意码列举一些让Python代码以并行方式运行的方法。 答案 Python并不支持真正意义上的多线程。Python中提供了多线程包但是如果你想通过多线程提高代码的速度使用多线程包并不是个好主意。Python中有一个被称为Global Interpreter LockGIL的东西它会确保任何时候你的多个线程中只有一个被执行。线程的执行速度非常之快会让你误以为线程是并行执行的但是实际上都是轮流执行。经过GIL这一道关卡处理会增加执行的开销。这意味着如果你想提高代码的运行速度使用threading包并不是一个很好的方法。 不过还是有很多理由促使我们使用threading包的。如果你想同时执行一些任务而且不考虑效率问题那么使用这个包是完全没问题的而且也很方便。但是大部分情况下并不是这么一回事你会希望把多线程的部分外包给操作系统完成通过开启多个进程或者是某些调用你的Python代码的外部程序例如Spark或Hadoop又或者是你的Python代码调用的其他代码例如你可以在Python中调用C函数用于处理开销较大的多线程工作。 为什么提这个问题 因为GIL就是个混账东西A-hole。很多人花费大量的时间试图寻找自己多线程代码中的瓶颈直到他们明白GIL的存在。 问题5 你如何管理不同版本的代码 答案 版本管理被问到这个问题的时候你应该要表现得很兴奋甚至告诉他们你是如何使用Git或是其他你最喜欢的工具追踪自己和奶奶的书信往来。我偏向于使用Git作为版本控制系统VCS但还有其他的选择比如subversionSVN。 为什么提这个问题 因为没有版本控制的代码就像没有杯子的咖啡。有时候我们需要写一些一次性的、可以随手扔掉的脚本这种情况下不作版本控制没关系。但是如果你面对的是大量的代码使用版本控制系统是有利的。版本控制能够帮你追踪谁对代码库做了什么操作发现新引入了什么bug管理你的软件的不同版本和发行版在团队成员中分享源代码部署及其他自动化处理。它能让你回滚到出现问题之前的版本单凭这点就特别棒了。还有其他的好功能。怎么一个棒字了得 问题6 下面代码会输出什么 def f(x,l[]): for i in range(x): l.append(i*i) print l f(2) f(3,[3,2,1]) f(3) 答案 [0, 1]
[3, 2, 1, 0, 1, 4] [0, 1, 0, 1, 4] 呃 第一个函数调用十分明显for循环先后将0和1添加至了空列表l中。l是变量的名字指向内存中存储的一个列表。第二个函数调用在一块新的内存中创建了新的列表。l这时指向了新生成的列表。之后再往新列表中添加0、1、2和4。很棒吧。第三个函数调用的结果就有些奇怪了。它使用了之前内存地址中存储的旧列表。这就是为什么它的前两个元素是0和1了。 不明白的话就试着运行下面的代码吧 l_mem []l l_mem # the first call for i in range(2): l.append(i*i) print l # [0, 1] l [3,2,1] # the second call for i in range(3): l.append(i*i) print l # [3, 2, 1, 0, 1, 4] l l_mem # the third call for i in range(3): l.append(i*i) print l # [0, 1, 0, 1, 4] 问题7 “猴子补丁”monkey patching指的是什么这种做法好吗 答案 “猴子补丁”就是指在函数或对象已经定义之后再去改变它们的行为。 举个例子 import datetime
datetime.datetime.now lambda: datetime.datetime(2012, 12, 12) 大部分情况下这是种很不好的做法 - 因为函数在代码库中的行为最好是都保持一致。打“猴子补丁”的原因可能是为了测试。mock包对实现这个目的很有帮助。 为什么提这个问题 答对这个问题说明你对单元测试的方法有一定了解。你如果提到要避免“猴子补丁”可以说明你不是那种喜欢花里胡哨代码的程序员公司里就有这种人跟他们共事真是糟糕透了而是更注重可维护性。还记得KISS原则码答对这个问题还说明你明白一些Python底层运作的方式函数实际是如何存储、调用等等。 另外如果你没读过mock模块的话真的值得花时间读一读。这个模块非常有用。 问题8 这两个参数是什么意思*args**kwargs我们为什么要使用它们 答案 如果我们不确定要往函数中传入多少个参数或者我们想往函数中以列表和元组的形式传参数时那就使要用*args如果我们不知道要往函数中传入多少个关键词参数或者想传入字典的值作为关键词参数时那就要使用**kwargs。args和kwargs这两个标识符是约定俗成的用法你当然还可以用*bob和**billy但是这样就并不太妥。 下面是具体的示例 def f(*args,**kwargs): print args, kwargs l [1,2,3] t (4,5,6) d {a:7,b:8,c:9} f() f(1,2,3) # (1, 2, 3) {} f(1,2,3,groovy) # (1, 2, 3, groovy) {} f(a1,b2,c3) # () {a: 1, c: 3, b: 2} f(a1,b2,c3,zzzhi) # () {a: 1, c: 3, b: 2, zzz: hi} f(1,2,3,a1,b2,c3) # (1, 2, 3) {a: 1, c: 3, b: 2} f(*l,**d) # (1, 2, 3) {a: 7, c: 9, b: 8} f(*t,**d) # (4, 5, 6) {a: 7, c: 9, b: 8} f(1,2,*t) # (1, 2, 4, 5, 6) {} f(qwinning,**d) # () {a: 7, q: winning, c: 9, b: 8} f(1,2,*t,qwinning,**d) # (1, 2, 4, 5, 6) {a: 7, q: winning, c: 9, b: 8} def f2(arg1,arg2,*args,**kwargs): print arg1,arg2, args, kwargs f2(1,2,3) # 1 2 (3,) {} f2(1,2,3,groovy) # 1 2 (3, groovy) {} f2(arg11,arg22,c3) # 1 2 () {c: 3} f2(arg11,arg22,c3,zzzhi) # 1 2 () {c: 3, zzz: hi} 为什么提这个问题 有时候我们需要往函数中传入未知个数的参数或关键词参数。有时候我们也希望把参数或关键词参数储存起来以备以后使用。有时候仅仅是为了节省时间。 问题9 下面这些是什么意思classmethod, staticmethod, property 回答背景知识 这些都是装饰器decorator。装饰器是一种特殊的函数要么接受函数作为输入参数并返回一个函数要么接受一个类作为输入参数并返回一个类。标记是语法糖syntactic sugar可以让你以简单易读得方式装饰目标对象。 my_decorator
def my_func(stuff): do_things Is equivalent to def my_func(stuff): do_things my_func my_decorator(my_func) 你可以在本网站上找到介绍装饰器工作原理的教材。 真正的答案 classmethod, staticmethod和property这三个装饰器的使用对象是在类中定义的函数。下面的例子展示了它们的用法和行为 class MyClass(object):def __init__(self): self._some_property properties are nice self._some_other_property VERY nice def normal_method(*args,**kwargs): print calling normal_method({0},{1}).format(args,kwargs) classmethod def class_method(*args,**kwargs): print calling class_method({0},{1}).format(args,kwargs) staticmethod def static_method(*args,**kwargs): print calling static_method({0},{1}).format(args,kwargs) property def some_property(self,*args,**kwargs): print calling some_property getter({0},{1},{2}).format(self,args,kwargs) return self._some_property some_property.setter def some_property(self,*args,**kwargs): print calling some_property setter({0},{1},{2}).format(self,args,kwargs) self._some_property args[0] property def some_other_property(self,*args,**kwargs): print calling some_other_property getter({0},{1},{2}).format(self,args,kwargs) return self._some_other_property o MyClass() # 未装饰的方法还是正常的行为方式需要当前的类实例self作为第一个参数。 o.normal_method # bound method MyClass.normal_method of __main__.MyClass instance at 0x7fdd2537ea28 o.normal_method() # normal_method((__main__.MyClass instance at 0x7fdd2537ea28,),{}) o.normal_method(1,2,x3,y4) # normal_method((__main__.MyClass instance at 0x7fdd2537ea28, 1, 2),{y: 4, x: 3}) # 类方法的第一个参数永远是该类 o.class_method # bound method classobj.class_method of class __main__.MyClass at 0x7fdd2536a390 o.class_method() # class_method((class __main__.MyClass at 0x7fdd2536a390,),{}) o.class_method(1,2,x3,y4) # class_method((class __main__.MyClass at 0x7fdd2536a390, 1, 2),{y: 4, x: 3}) # 静态方法static method中除了你调用时传入的参数以外没有其他的参数。 o.static_method # function static_method at 0x7fdd25375848 o.static_method() # static_method((),{}) o.static_method(1,2,x3,y4) # static_method((1, 2),{y: 4, x: 3}) # property是实现getter和setter方法的一种方式。直接调用它们是错误的。 # “只读”属性可以通过只定义getter方法不定义setter方法实现。 o.some_property # 调用some_property的getter(__main__.MyClass instance at 0x7fb2b70877e8,(),{}) # properties are nice 问题10 阅读下面的代码它的输出结果是什么 class A(object):def go(self): print go A go! def stop(self): print stop A stop! def pause(self): raise Exception(Not Implemented) class B(A): def go(self): super(B, self).go() print go B go! class C(A): def go(self): super(C, self).go() print go C go! def stop(self): super(C, self).stop() print stop C stop! class D(B,C): def go(self): super(D, self).go() print go D go! def stop(self): super(D, self).stop() print stop D stop! def pause(self): print wait D wait! class E(B,C): pass a A() b B() c C() d D() e E() # 说明下列代码的输出结果 a.go() b.go() c.go() d.go() e.go() a.stop() b.stop() c.stop() d.stop() e.stop() a.pause() b.pause() c.pause() d.pause() e.pause() 答案 输出结果以注释的形式表示 a.go()
# go A go!b.go() # go A go! # go B go! c.go() # go A go! # go C go! d.go() # go A go! # go C go! # go B go! # go D go! e.go() # go A go! # go C go! # go B go! a.stop() # stop A stop! b.stop() # stop A stop! c.stop() # stop A stop! # stop C stop! d.stop() # stop A stop! # stop C stop! # stop D stop! e.stop() # stop A stop! a.pause() # ... Exception: Not Implemented b.pause() # ... Exception: Not Implemented c.pause() # ... Exception: Not Implemented d.pause() # wait D wait! e.pause() # ...Exception: Not Implemented 为什么提这个问题 因为面向对象的编程真的真的很重要。不骗你。答对这道问题说明你理解了继承和Python中super函数的用法。 问题11 阅读下面的代码它的输出结果是什么 class Node(object):def __init__(self,sName): self._lChildren [] self.sName sName def __repr__(self): return Node {}.format(self.sName) def append(self,*args,**kwargs): self._lChildren.append(*args,**kwargs) def print_all_1(self): print self for oChild in self._lChildren: oChild.print_all_1() def print_all_2(self): def gen(o): lAll [o,] while lAll: oNext lAll.pop(0) lAll.extend(oNext._lChildren) yield oNext for oNode in gen(self): print oNode oRoot Node(root) oChild1 Node(child1) oChild2 Node(child2) oChild3 Node(child3) oChild4 Node(child4) oChild5 Node(child5) oChild6 Node(child6) oChild7 Node(child7) oChild8 Node(child8) oChild9 Node(child9) oChild10 Node(child10) oRoot.append(oChild1) oRoot.append(oChild2) oRoot.append(oChild3) oChild1.append(oChild4) oChild1.append(oChild5) oChild2.append(oChild6) oChild4.append(oChild7) oChild3.append(oChild8) oChild3.append(oChild9) oChild6.append(oChild10) # 说明下面代码的输出结果 oRoot.print_all_1() 答案 oRoot.print_all_1()会打印下面的结果 Node root
Node child1 Node child4 Node child7 Node child5 Node child2 Node child6 Node child10 Node child3 Node child8 Node child9 oRoot.print_all_1()会打印下面的结果 Node root
Node child1 Node child2 Node child3 Node child4 Node child5 Node child6 Node child8 Node child9 Node child7 Node child10 为什么提这个问题 因为对象的精髓就在于组合composition与对象构造object construction。对象需要有组合成分构成而且得以某种方式初始化。这里也涉及到递归和生成器generator的使用。 生成器是很棒的数据类型。你可以只通过构造一个很长的列表然后打印列表的内容就可以取得与print_all_2类似的功能。生成器还有一个好处就是不用占据很多内存。 有一点还值得指出就是print_all_1会以深度优先depth-first的方式遍历树(tree),而print_all_2则是宽度优先width-first。有时候一种遍历方式比另一种更合适。但这要看你的应用的具体情况。 问题12 简要描述Python的垃圾回收机制garbage collection。 答案 这里能说的很多。你应该提到下面几个主要的点
Python在内存中存储了每个对象的引用计数reference count。如果计数值变成0那么相应的对象就会小时分配给该对象的内存就会释放出来用作他用。偶尔也会出现引用循环reference cycle。垃圾回收器会定时寻找这个循环并将其回收。举个例子假设有两个对象o1和o2而且符合o1.x o2和o2.x o1这两个条件。如果o1和o2没有其他代码引用那么它们就不应该继续存在。但它们的引用计数都是1。Python中使用了某些启发式算法heuristics来加速垃圾回收。例如越晚创建的对象更有可能被回收。对象被创建之后垃圾回收器会分配它们所属的代generation。每个对象都会被分配一个代而被分配更年轻代的对象是优先被处理的。 问题13 将下面的函数按照执行效率高低排序。它们都接受由0至1之间的数字构成的列表作为输入。这个列表可以很长。一个输入列表的示例如下[random.random() for i in range(100000)]。你如何证明自己的答案是正确的。 def f1(lIn):l1 sorted(lIn) l2 [i for i in l1 if i0.5] return [i*i for i in l2] def f2(lIn): l1 [i for i in lIn if i0.5] l2 sorted(l1) return [i*i for i in l2] def f3(lIn): l1 [i*i for i in lIn] l2 sorted(l1) return [i for i in l1 if i(0.5*0.5)] 答案 按执行效率从高到低排列f2、f1和f3。要证明这个答案是对的你应该知道如何分析自己代码的性能。Python中有一个很好的程序分析包可以满足这个需求。 import cProfile
lIn [random.random() for i in range(100000)] cProfile.run(f1(lIn)) cProfile.run(f2(lIn)) cProfile.run(f3(lIn)) 为了向大家进行完整地说明下面我们给出上述分析代码的输出结果 cProfile.run(f1(lIn)) 4 function calls in 0.045 seconds Ordered by: standard name ncalls tottime percall cumtime percall filename:lineno(function) 1 0.009 0.009 0.044 0.044 stdin:1(f1) 1 0.001 0.001 0.045 0.045 string:1(module) 1 0.000 0.000 0.000 0.000 {method disable of _lsprof.Profiler objects} 1 0.035 0.035 0.035 0.035 {sorted} cProfile.run(f2(lIn)) 4 function calls in 0.024 seconds Ordered by: standard name ncalls tottime percall cumtime percall filename:lineno(function) 1 0.008 0.008 0.023 0.023 stdin:1(f2) 1 0.001 0.001 0.024 0.024 string:1(module) 1 0.000 0.000 0.000 0.000 {method disable of _lsprof.Profiler objects} 1 0.016 0.016 0.016 0.016 {sorted} cProfile.run(f3(lIn)) 4 function calls in 0.055 seconds Ordered by: standard name ncalls tottime percall cumtime percall filename:lineno(function) 1 0.016 0.016 0.054 0.054 stdin:1(f3) 1 0.001 0.001 0.055 0.055 string:1(module) 1 0.000 0.000 0.000 0.000 {method disable of _lsprof.Profiler objects} 1 0.038 0.038 0.038 0.038 {sorted} 为什么提这个问题 定位并避免代码瓶颈是非常有价值的技能。想要编写许多高效的代码最终都要回答常识上来——在上面的例子中如果列表较小的话很明显是先进行排序更快因此如果你可以在排序前先进行筛选那通常都是比较好的做法。其他不显而易见的问题仍然可以通过恰当的工具来定位。因此了解这些工具是有好处的。 问题14 你有过失败的经历吗 错误的答案 我从来没有失败过 为什么提这个问题 恰当地回答这个问题说明你用于承认错误为自己的错误负责并且能够从错误中学习。如果你想变得对别人有帮助的话所有这些都是特别重要的。如果你真的是个完人那就太糟了回答这个问题的时候你可能都有点创意了。 问题15 你有实施过个人项目吗 真的 如果做过个人项目这说明从更新自己的技能水平方面来看你愿意比最低要求付出更多的努力。如果你有维护的个人项目工作之外也坚持编码那么你的雇主就更可能把你视作为会增值的资产。即使他们不问这个问题我也认为谈谈这个话题很有帮助。 结语 我给出的这些问题时有意涉及了多个领域。而且答案也是特意写的较为啰嗦。在编程面试中你需要展示你对语言的理解如果你能简要地说清楚那请务必那样做。我尽量在答案中提供了足够的信息即使是你之前从来没有了解过这些领域你也可以从答案中学到些东西。我希望本文能够帮助你找到满意的工作。
