基本知识点的梳理

一. python 的基本功

1. 简述python的特点和优点；
   python 是一门开源的解释性语言，相比于Java C++， python具有动态的特性，非常的灵活。
2. python有那些数据类型：
   python有六种内置的数据类型，其中不可变得数据类型有：int整数，str字符串，tupel元组，可变的数据类型；dict字典，list列表，set集合。
3. 列表和元组得区别：
   列表和元组都是可迭代对象，能够对其进行循环，切片等，但是元组tuple是不可变得，元组不可变的特性使得他可以成为字典中得键。
4. python是如何运行得：
   Cpython：
   python程序运行得时候会先进行编译，将.py中代码编译成字节码，编译之后的结果存储再pycodeobject中，然后由python虚拟机解释运行，当程序运行结束之后，python解释器会将pycodeobject保存在pyc文件中，每一次运行的时候python都会寻找与文件同名的pyc文件，如果pyc存在则比对修改记录，根据修改记录决定直接运行或者再次编译后运行，最后生成pyc文件
5. python运行速度慢的原因：
   a. python不是强类型的语言，所以解释器 运行遇到遇到变量以及数据类型的转换，比较操作引用变量的时候都要检查其数据类型。
   b. python 的编译器启动速度比java快，但是几乎每次都要启动编译
   c. python的对象模型会导致访问内存的效率变低。Numpy的指针指向缓存区数据的值，而python的指针指向缓存的对象，再通过缓存对象指向数据。
6. 面对python慢的问题又什么解决办法？
   a。 可以使用其他的解释器，比如pypy和jython等。
   b。 如果对性能要求较高且静态类型变量较多的应用程序。可以使用Cpython。
   c。 对于IO操作多的程序，python提供asyncio模块提高异步能力。
7. 描述下全局解释器锁GIL:
   每个线程执行的时候都需要先获取GIL解释器锁GIL，保证同一时刻只有一个线程可以执行代码，即同一时刻只有一个线程在使用CPU也就是说多线程并不是真真意义上的同时执行，但是在IO操作的时候，是可以释放锁的，（这也是python能够异步的原因），而且如果想要利用多核CPU，那么可以使用多进程。
8. 深拷贝和浅拷贝：
   深拷贝是将对象本身复制给另外一个对象，浅拷贝则是将对象的引用复制给另一个对象。所以当复制后的对象改变的时候，深拷贝的原对象值不会改变，而浅拷贝的原对象值会改变。
9. is 和 == 的区别
   is表示的是对象的标签，用id值来判断。而 = = 表示的是相等，用值来判断。
   is的作用就是来检查对象的标签是否一致，也就是比较两个对象在内存中的地址id是否一样，而 = = 是用来检查两个对象是否相等，但是为了提高系统的性能，对于较小的字符串python会保留其值的一个副本，当创建新的字符串的时候直接指向该副本即可：

a=8
b=8
a is b

1. 文件的读写：
   简述文件读取时 read， readline，readlines的区别和作用：
   他们的区别除了除了读取的类容的范围不同以外，返回的类容类型也不同：
   read()会读取整个文件，将读取到底的文件类容放到一个字符串变量，返回str类型。
   readline()读取一行类容，放到一个字符串变量，返回str’类型；
   readlines()读取文件的所有类容按行为单位放到一个列表中，返回list类型

11、请用一行代码实现
请分别使用匿名函数和推导式这两种方式将 [0, 1, 2, 3, 4, 5] 中的元素求乘积，并打印输出元组。
print(tuple(map(lambda x: x * x, [0, 1, 2, 3, 4, 5])))

print(tuple(i*i for i in [0, 1, 2, 3, 4, 5]))

12、请用一行代码实现
用 reduce 计算 n 的阶乘（n!=1×2×3×…×n）
print(reduce(lambda x, y: xy, range(1, n)))
13、请用一行代码实现
筛选并打印输出 100 以内能被 3 整除的数的集合
print(set(filter(lambda n: n % 3 == 0, range(1, 100))))
14、请用一行代码实现
text = ‘Obj{“Name”: “pic”, “data”: [{“name”: “async”, “number”: 9, “price”: “$3500”}, {“name”: “Wade”, “number”: 3, “price”: “$5500”}], “Team”: “Hot”’
打印文本中的球员身价元组，如 ($3500, $5500)
print(tuple(i.get(“price”) for i in json.loads(re.search(r’[(.)]’, text).group(0))))
15、请写出递归的基本骨架
def recursions(n):
if n == 1:
# 退出条件
return 1
# 继续递归
return n * recursions(n - 1)
16、切片
请写出下方输出结果
tpl = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]

print(tpl[3:])
print(tpl[:3])
print(tpl[::5])
print(tpl[-3])
print(tpl[3])
print(tpl[::-5])
print(tpl[:])
del tpl[3:]
print(tpl)
print(tpl.pop())
tpl.insert(3, 3)
print(tpl)

[15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
[0, 5, 10]
[0, 25, 50, 75]
85
15
[95, 70, 45, 20]
[0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 50, 55, 60, 65, 70, 75, 80, 85, 90, 95]
[0, 5, 10]
10
[0, 5, 3]
17、文件路径
打印输出当前文件所在目录路径
import os
print(os.path.dirname(os.path.abspath(file)))
打印输出当前文件路径
import os
print(os.path.abspath(file))
打印输出当前文件上两层文件目录路径
import os
print(os.path.dirname(os.path.dirname(os.path.abspath(file))))
18、请写出运行结果，并回答问题
tpl = (1, 2, 3, 4, 5)
apl = (6, 7, 8, 9)
print(tpl.add(apl))
问题：tpl 的值发生变化了吗？

运行结果如下：
(1, 2, 3, 4, 5, 6, 7, 8, 9)
答：元组是不可变的，它是生成新的对象

19、请写出运行结果，并回答问题
name = (‘James’, ‘Wade’, ‘Kobe’)
team = [‘A’, ‘B’, ‘C’]

tpl = {name: team}
print(tpl)
apl = {team: name}
print(apl)
问题：这段代码能运行完毕吗？为什么？它的运行结果是？

答：这段代码不能完整运行，它会在 apl 处抛出异常，因为字典的键只能是不可变对象，而 list 是可变的，所以不能作为字典的键。运行结果是：
{(‘James’, ‘Wade’, ‘Kobe’): [‘A’, ‘B’, ‘C’]}
TypeError
20、装饰器
请写出装饰器代码骨架
def log(func):
def wrapper(*args, **kw):
print(‘call %s():’ % func.name)
return func(*args, **kw)
return wrapper
简述装饰器在 Python 中的作用：

在不改动原函数代码的情况下，为其增加新的功能。

21、多进程 多线程
多进程更稳定还是多线程更稳定？为什么？

多进程更稳定，它们是独立运行的，不会因为一个崩溃而影响其他进程。

多线程的致命缺点是什么？

因为所有线程共享进程的内存，所以任何一个线程挂掉都可能直接造成整个进程崩溃。

进程间通信有哪些方式？

共享变量、队列、管道。

二、Python 细节问题

1、 连接字符串用join还是+

当用操作符+连接字符串的时候，每执行一次+都会申请一块新的内存，然后复制上一个+操作的结果和本次操作的右操作符到这块内存空间，因此用+连接字符串的时候会涉及好几次内存申请和复制。而join在连接字符串的时候，会先计算需要多大的内存存放结果，然后一次性申请所需内存并将字符串复制过去，这是为什么join的性能优于+的原因。所以在连接字符串数组的时候，应考虑优先使用join。

2、Python 垃圾回收机制
参考 https://blog.csdn.net/xiongchengluo1129/article/details/80462651

Python中的垃圾回收是以引用计数为主，分代收集为辅。引用计数的缺陷是循环引用的问题。

在Python中，如果一个对象的引用数为0，Python虚拟机就会回收这个对象的内存。

引用计数法的原理是每个对象维护一个ob_refcnt，用来记录当前对象被引用的次数，也就是来追踪到底有多少引用指向了这个对象，当对象被创建、对象被引用、对象被传入函数、被存储在容器中等四种情况时，该对象的引用计数器 +1

对象被创建 a=14
对象被引用 b=a
对象被作为参数,传到函数中 func(a)
对象作为一个元素，存储在容器中 List={a,”a”,”b”,2}
与上述情况相对应，当发生对象别名被 del 销毁时、对象的引用被赋予新对象时、汉书执行完毕后、从容器中删除时等四种情况，该对象的引用计数器-1

当该对象的别名被显式销毁时 del a
当该对象的引别名被赋予新的对象， a=26
一个对象离开它的作用域，例如 func函数执行完毕时，函数里面的局部变量的引用计数器就会 -1（但是全局变量不会）。
将该元素从容器中删除时，或者容器被销毁时。
当指向该对象的内存的引用计数器为0的时候，该内存将会被Python虚拟机释放.

sys.getrefcount(a)可以查看 a 对象的引用计数，但是比正常计数大1，因为调用函数的时候传入a，这会让 a 的引用计数+1

引用计数的优点:

1、高效
2、运行期没有停顿：一旦没有引用，内存就直接释放了。不用像其他机制等到特定时机。实时性还带来一个好处：处理回收内存的时间分摊到了平时。
3、对象有确定的生命周期
4、易于实现

引用计数的缺点:

1、维护引用计数消耗资源，维护引用计数的次数和引用赋值成正比，而不像mark and sweep等基本与回收的内存数量有关。
2、无法解决循环引用的问题。A和B相互引用而再没有外部引用A与B中的任何一个，它们的引用计数都为1，但显然应该被回收。

循环引用示例

list1 = []
list2 = []
list1.append(list2)
list2.append(list1)
为了解决这两个缺点 Python 还引入了另外的机制:标记清除和分代回收.

标记清除

『标记清除（Mark—Sweep）』算法是一种基于追踪回收（tracing GC）技术实现的垃圾回收算法。它分为两个阶段：第一阶段是标记阶段，GC会把所有的『活动对象』打上标记，第二阶段是把那些没有标记的对象『非活动对象』进行回收。那么GC又是如何判断哪些是活动对象哪些是非活动对象的呢？

对象之间通过引用（指针）连在一起，构成一个有向图，对象构成这个有向图的节点，而引用关系构成这个有向图的边。从根对象（root object）出发，沿着有向边遍历对象，可达的（reachable）对象标记为活动对象，不可达的对象就是要被清除的非活动对象。根对象就是全局变量、调用栈、寄存器。

在上图中，我们把小黑圈视为全局变量，也就是把它作为root object，从小黑圈出发，对象1可直达，那么它将被标记，对象2、3可间接到达也会被标记，而4和5不可达，那么1、2、3就是活动对象，4和5是非活动对象会被GC回收。

标记清除算法作为Python的辅助垃圾收集技术主要处理的是一些容器对象，比如list、dict、tuple，instance等，因为对于字符串、数值对象是不可能造成循环引用问题。

Python使用一个双向链表将这些容器对象组织起来。不过，这种简单粗暴的标记清除算法也有明显的缺点：清除非活动的对象前它必须顺序扫描整个堆内存，哪怕只剩下小部分活动对象也要扫描所有对象。

分代回收

分代回收同样作为Python的辅助垃圾收集技术处理那些容器对象。

GC 的逻辑
分配内存
-> 发现超过阈值了
-> 触发垃圾回收
-> 将所有可收集对象链表放到一起
-> 遍历, 计算有效引用计数
-> 分成 有效引用计数=0 和 有效引用计数 > 0 两个集合
-> 大于0的, 放入到更老一代
-> =0的, 执行回收
-> 回收遍历容器内的各个元素, 减掉对应元素引用计数(破掉循环引用)
-> 执行-1的逻辑, 若发现对象引用计数=0, 触发内存回收
-> python底层内存管理机制回收内存
Python 中, 一个代就是一个链表, 所有属于同一”代”的内存块都链接在同一个链表中用来表示“代”的结构体是 gc_gen 1b105 eration， 包括了当前代链表表头、对象数量上限、当前对象数量。

Python默认定义了三代对象集合，索引数越大，对象存活时间越长，新生成的对象会被加入第0代，前面_PyObject_GC_Malloc中省略的部分就是Python GC触发的时机。每新生成一个对象都会检查第0代有没有满，如果满了就开始着手进行垃圾回收。

分代回收是一种以空间换时间的操作方式，Python将内存根据对象的存活时间划分为不同的集合，每个集合称为一个代，Python将内存分为了3“代”，分别为年轻代（第0代）、中年代（第1代）、老年代（第2代），他们对应的是3个链表，它们的垃圾收集频率与对象的存活时间的增大而减小。新创建的对象都会分配在年轻代，年轻代链表的总数达到上限时，Python垃圾收集机制就会被触发，把那些可以被回收的对象回收掉，而那些不会回收的对象就会被移到中年代去，依此类推，老年代中的对象是存活时间最久的对象，甚至是存活于整个系统的生命周期内。同时，分代回收是建立在标记清除技术基础之上。

3、递归
Python 递归深度默认是多少？递归深度限制的原因是什么？

Python 递归深度可以用内置函数库中的 sys.getrecursionlimit() 查看。
因为无限递归会导致的 C 堆栈溢出和 Python 崩溃。