头条Python面试题3.docx

头条Python面试题3.docx

《头条Python面试题3.docx》由会员分享，可在线阅读，更多相关《头条Python面试题3.docx（14页珍藏版）》请在冰豆网上搜索。

头条Python面试题3

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x=111和x="I'mastring"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（accessspecifier，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-classobjects）。

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

defprint_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

defprint_directory_contents（sPath）:

importos

forsChildinos.listdir（sPath）:

sChildPath=os.path.join（sPath,sChild）

ifos.path.isdir（sChildPath）:

print_directory_contents（sChildPath）

else:

printsChildPath

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A0，A1至An的最终值。

A0=dict（zip（（'a','b','c','d','e'）,（1,2,3,4,5）））A1=range（10）A2=[iforiinA1ifiinA0]A3=[A0[s]forsinA0]A4=[iforiinA1ifiinA3]A5={i:

i*iforiinA1}A6=[[i,i*i]foriinA1]

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（listcomprehension）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GlobalInterpreterLock（GIL）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subversion（SVN）。

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：

deff（x,l=[]）:

foriinrange（x）:

l.append（i*i）

printl

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#thefirstcallforiinrange

（2）:

l.append（i*i）

printl#[0,1]

l=[3,2,1]#thesecondcallforiinrange（3）:

l.append（i*i）

printl#[3,2,1,0,1,4]

l=l_mem#thethirdcallforiinrange（3）:

l.append（i*i）

printl#[0,1,0,1,4]

问题7

“猴子补丁”（monkeypatching）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：

importdatetimedatetime.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：

deff（*args,**kwargs）:

printargs,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（a=1,b=2,c=3）#（）{'a':

1,'c':

3,'b':

2}f（a=1,b=2,c=3,zzz="hi"）#（）{'a':

1,'c':

3,'b':

2,'zzz':

'hi'}f（1,2,3,a=1,b=2,c=3）#（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（q="winning",**d）#（）{'a':

7,'q':

'winning','c':

9,'b':

8}f（1,2,*t,q="winning",**d）#（1,2,4,5,6）{'a':

7,'q':

'winning','c':

9,'b':

8}

deff2（arg1,arg2,*args,**kwargs）:

printarg1,arg2,args,kwargs

f2（1,2,3）#12（3,）{}f2（1,2,3,"groovy"）#12（3,'groovy'）{}f2（arg1=1,arg2=2,c=3）#12（）{'c':

3}f2（arg1=1,arg2=2,c=3,zzz="hi"）#12（）{'c':

3,'zzz':

'hi'}f2（1,2,3,a=1,b=2,c=3）#12（3,）{'a':

1,'c':

3,'b':

2}

f2（*l,**d）#12（3,）{'a':

7,'c':

9,'b':

8}f2（*t,**d）#45（6,）{'a':

7,'c':

9,'b':

8}f2（1,2,*t）#12（4,5,6）{}f2（1,1,q="winning",**d）#11（）{'a':

7,'q':

'winning','c':

9,'b':

8}f2（1,2,*t,q="winning",**d）#12（4,5,6）{'a':

7,'q':

'winning','c':

9,'b':

8}

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（syntacticsugar），可以让你以简单易读得方式装饰目标对象。

@my_decoratordefmy_func（stuff）:

do_thingsIsequivalentto

defmy_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：

classMyClass（object）:

def__init__（self）:

self._some_property="propertiesarenice"

self._some_other_property="VERYnice"

defnormal_method（*args,**kwargs）:

print"callingnormal_method（{0},{1}）".format（args,kwargs）

@classmethod

defclass_method（*args,**kwargs）:

print"callingclass_method（{0},{1}）".format（args,kwargs）

@staticmethod

defstatic_method（*args,**kwargs）:

print"callingstatic_method（{0},{1}）".format（args,kwargs）

@property

defsome_property（self,*args,**kwargs）:

print"callingsome_propertygetter（{0},{1},{2}）".format（self,args,kwargs）

returnself._some_property

@some_property.setter

defsome_property（self,*args,**kwargs）:

print"callingsome_propertysetter（{0},{1},{2}）".format（self,args,kwargs）

self._some_property=args[0]

@property

defsome_other_property（self,*args,**kwargs）:

print"callingsome_other_propertygetter（{0},{1},{2}）".format（self,args,kwargs）

returnself._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#>

o.normal_method（）#normal_method（（<__main__.MyClassinstanceat0x7fdd2537ea28>,）,{}）

o.normal_method（1,2,x=3,y=4）#normal_method（（<__main__.MyClassinstanceat0x7fdd2537ea28>,1,2）,{'y':

4,'x':

3}）

#类方法的第一个参数永远是该类

o.class_method#>

o.class_method（）#class_method（（,）,{}）

o.class_method（1,2,x=3,y=4）#class_method（（,1,2）,{'y':

4,'x':

3}）

#静态方法（staticmethod）中除了你调用时传入的参数以外，没有其他的参数。

o.static_method#

o.static_method（）#static_method（（）,{}）

o.static_method（1,2,x=3,y=4）#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__.MyClassinstanceat0x7fb2b70877e8>,（）,{}）#'propertiesarenice'#“属性”是很好的功能

o.some_property（）#callingsome_propertygetter（<__main__.MyClassinstanceat0x7fb2b70877e8>,（）,{}）#Traceback（mostrecentcalllast）:

#File"",line1,in#TypeError:

'str'objectisnotcallable

o.some_other_property#callingsome_other_propertygetter（<__main__.MyClassinstanceat0x7fb2b70877e8>,（）,{}）#'VERYnice'

#o.some_other_property（）#callingsome_other_propertygetter（<__main__.MyClassinstanceat0x7fb2b70877e8>,（）,{}）#Traceback（mostrecentcalllast）:

#File"",line1,in#TypeError:

'str'objectisnotcallable

o.some_property="groovy"#callingsome_propertysetter（<__main__.MyClassobjectat0x7fb2b7077890>,（'groovy',）,{}）

o.some_property#callingsome_propertygetter（<__main__.MyClassobjectat0x7fb2b7077890>,（）,{}）#'groovy'

o.some_other_property="verygroovy"#Traceback（mostrecentcalllast）:

#File"",line1,in#AttributeError:

can'tsetattribute

o.some_other_property#callingsome_other_propertygetter（<__main__.MyClassobjectat0x7fb2b7077890>,（）,{}）

问题10

阅读下面的代码，它的输出结果是什么？

classA（object）:

defgo（self）:

print"goAgo!

"

defstop（self）:

print"stopAstop!

"

defpause（self）:

raiseException（"NotImplemented"）

classB（A）:

defgo（self）:

super（B,self）.go（）

print"goBgo!

"

classC（A）:

defgo（self）:

super（C,self）.go（）

print"goCgo!

"

defstop（self）:

super（C,self）.stop（）

print"stopCstop!

"

classD（B,C）:

defgo（self）:

super（D,self）.go（）

print"goDgo!

"

defstop（self）:

super（D,self）.stop（）

print"stopDstop!

"

defpause（self）:

print"waitDwait!

"

classE（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.g