百萬年薪0ffer！300道Python面試題拿走

導讀：對於機器學習算法工程師而言，Python是不可或缺的語言，它的優美與簡潔令人無法自拔。那麼你瞭解過Python編程面試題嗎？從Python基礎到網頁爬蟲你是否能全方位Hold住？今天，機器之心為讀者們推薦一個Github項目。

在這個項目中，作者 kenwoodjw 準備了近 300 道 Python 面試題，同時還包含解決方案與代碼。作者主要從 Python 基礎、高級語句、網頁應用、數據庫和測試等角度提問，讀者可只關注自己需要的領域。目前該項目已經完成了很多基礎和高級面試題，本文主要摘取一些 Python 面試題供大家參考。

項目地址：

https://github.com/kenwoodjw/python_interview_question

總體而言，項目有近300道面試題。雖然該項目剛開始創建，但很多Python面試題都已經提供瞭解決方案。如下所示為面試題示例：

本文截取了一些面試題及解決方案：

• Python 基礎

• 文件操作
• 模塊與包
• 數據類型
• 企業面試題

• Python 高級

• 設計模式
• 系統編程

如果希望瞭解機器學習面試題，可閱讀：春招已近，這份GitHub萬星的ML算法面試大全請收下

Python基礎

什麼是 Python？根據Python 創建者 Guido van Rossum 所言，Python是一種高級編程語言，其設計的核心理念是代碼的易讀性，以及允許編程者通過若干行代碼輕鬆表達想法創意。實際上，很多開發者選擇學習 Python 的首要原因是其編程的優美性，用它編碼和表達想法非常自然。

一、文件操作

1.若有一個jsonline格式的文件file.txt，大小約為10K，我們的處理方式為：

def get_lines():
 l = []
 with open('file.txt', 'rb') as f:
 for eachline in f:
 l.append(eachline)
 return l
if __name__ == '__main__':
 for e in get_lines():
 process(e) #處理每一行數據

現在要處理一個大小為10G的file.txt文件，但是內存只有4G。如果在只修改get_lines 函數而其他代碼保持不變的情況下，應該如何實現？需要考慮的問題都有那些？

def get_lines():
 l = []
 with open('file.txt','rb') as f:
 data = f.readlines(60000)
 l.append(data)
 yield l

要考慮的問題有：內存只有4G，無法一次性讀入10G文件。而分批讀入數據要記錄每次讀入數據的位置，且分批每次讀取得太小會在讀取操作上花費過多時間。

二、模塊與包

2.如何輸入日期， 判斷這一天是這一年的第幾天？

import datetime
def dayofyear():
 year = input("請輸入年份: ")
 month = input("請輸入月份: ")
 day = input("請輸入天: ")
 date1 = datetime.date(year=int(year),month=int(month),day=int(day))
 date2 = datetime.date(year=int(year),month=1,day=1)
 return (date1-date2).days+1

三、數據類型

3.如何反轉字符串"aStr"?

print("aStr"[::-1])

4.下面代碼的輸出結果將是什麼？會報錯嗎？

list = ['a','b','c','d','e']
print(list[10:])

代碼將輸出[]，並不會產生IndexError 錯誤。如果嘗試用超出成員的個數的index來獲取某個列表的成員，那就會報錯。例如，嘗試獲取 list[10] 和之後的成員，會導致IndexError。然而當我們嘗試獲取列表的切片時，開始的index超過成員個數並不會產生IndexError，而是僅僅返回一個空列表。因為並不會報錯，所以這種Bug很難追蹤到。

5.請寫出一段Python代碼，實現刪除list裡面的重複元素？

l1 = ['b','c','d','c','a','a']
l2 = list(set(l1))
print(l2)

用list類的sort方法可以保證順序不變：

l1 = ['b', 'c', 'd', 'c', 'a', 'a']
l2 = list(set(l1))
l2.sort(key=l1.index)
print(l2)

也可以這樣寫：

l1 = ['b', 'c', 'd', 'c', 'a', 'a']
l2 = sorted(set(l1), key=l1.index)
print(l2)

也可以用遍歷：

l1 = ['b', 'c', 'd', 'c', 'a', 'a']
l2 = []
for i in l1:
 if not i in l2:
 l2.append(i)
print(l2)

四、企業面試題

6.設計實現遍歷目錄與子目錄，抓取.pyc文件

第一種方法：

import os
def getFiles(dir, suffix):
 res = []
 for root, dirs, files in os.walk(dir):
 for filename in files:
 name, suf = os.path.splitext(filename)
 if suf == suffix:
 res.append(os.path.join(root, filename))
 print(res)
getFiles("./", '.pyc')

第二種方法：

import os
def pick(obj):
 try:
 if obj.[-4:] == ".pyc":
 print(obj)
 except:
 return None
def scan_path(ph):
 file_list = os.listdir(ph)
 for obj in file_list:
 if os.path.isfile(obj):
 pick(obj)
 elif os.path.isdir(obj):
 scan_path(obj)
if __name__ == '__main__':
 path = input('輸入目錄')
 scan_path(path)

7.如何反轉一個整數，例如-123--> -321？

class Solution(object):
 def reverse(self, x):
 if -10 < x < 10: 

 return x
 str_x = str(x)
 if str_x[0] != "-":
 str_x = str_x[::-1]
 x = int(str_x)
 else:
 str_x = str_x[1:][::-1]
 x = int(str_x)
 x = -x
 return x if -2147483648 < x < 2147483647 else 0
if __name__ == '__main__':
 s = Solution()
 reverse_int = s.reverse(-120)
 print(reverse_int)

Python高級

Python高級包含很多重要的模塊，例如函數、類和實例、系統編程、正則表達式、網絡編程等等。根據這些高級屬性，Python可用於數據科學、網頁開發、機器學習等等。

一、設計模式

8.對設計模式的理解，簡述你瞭解的設計模式？

設計模式是為我們經常會碰到的一些編程問題構建的可重用解決方案，它是總結性和經優化的。一個設計模式並不像一個類或一個庫那樣能夠直接作用於我們的代碼，反之，設計模式更為高級，它是一種在特定情形下實現的方法模板。常見的是工廠模式和單例模式。

單例模式應用的場景一般發現在以下條件下： 資源共享的情況下，避免由於資源操作時導致的性能或損耗等，如日誌文件，應用配置。控制資源的情況下，方便資源之間的互相通信。

9.生成器和迭代器的區別？

迭代器是一個更抽象的概念，任何對象，如果它的類有 next 方法和 iter 方法返回自己本身，它就是可迭代的。對於 string、list、dict、tuple 等這類容器對象，使用for循環遍歷是很方便的，for 語句實際上會對容器對象調用 iter() 函數。iter() 會返回一個定義了 next() 方法的迭代器對象，它在容器中逐個訪問容器內元素，在沒有後續元素時，next()會拋出一個StopIteration異常。

生成器（Generator）是創建迭代器的簡單而強大的工具。它們寫起來就像是正規的函數，只是在需要返回數據的時候使用yield語句。生成器能做到迭代器能做的所有事，而且因為自動創建iter()和next()方法，生成器顯得特別簡潔，而且生成器也是高效的，使用生成器表達式取代列表解析可以同時節省內存。除了創建和保存程序狀態的自動方法，當發生器終結時，還會自動拋出StopIteration異常。

10.對裝飾器的理解，你能寫出一個計時器裝飾器，它能記錄函數的執行時間嗎？

裝飾器本質上是一個Python函數，它可以讓其他函數在不需要做任何代碼變動的前提下增加額外功能，裝飾器的返回值也是一個函數對象。

import time
 def timeit(func):
 def wrapper():
 start = time.clock()
 func()
 end = time.clock()
 print('used:',end-start)
 return wrapper
 @timeit
 def foo():
 print('in foo()'foo())

二、系統編程

11.介紹一下你瞭解的進程。

程序運行在操作系統上的一個實例，就稱之為進程。進程需要相應的系統資源：內存、時間片、pid。創建進程： 首先要導入multiprocessing中的Process；創建一個Process對象；創建Process對象時，可以傳遞參數。

p = Process(target=XXX, args=(tuple,), kwargs={key: value})
target = XXX # 指定的任務函數，不用加()
args = (tuple,)
kwargs = {key: value} # 給任務函數傳遞的參數

使用start()啟動進程 結束進程 給子進程指定函數傳遞參數Demo

import os
from mulitprocessing import Process
import time
def pro_func(name, age, **kwargs):
 for i in range(5):
 print("子進程正在運行中，name=%s,age=%d,pid=%d" % (name, age, os.getpid()))
 print(kwargs)
 time.sleep(0.2)
if __name__ == "__main__":
 # 創建Process對象
 p = Process(target=pro_func, args=('小明', 18), kwargs={'m': 20})
 # 啟動進程
 p.start()
 time.sleep(1)
 # 1秒鐘之後，立刻結束子進程
 p.terminate()
 p.join()

12.談談你對多進程、多線程、以及協程的理解，項目是否用？

進程：一個運行的程序（代碼）就是一個進程，沒有運行的代碼叫程序，進程是系統資源分配的最小單位，進程擁有自己獨立的內存空間，所有進程間數據不共享，開銷大。線程: cpu調度執行的最小單位，也叫執行路徑，不能獨立存在，依賴進程存在，一個進程至少有一個線程，叫主線程，而多個線程共享內存可以極大地提高了程序的運行效率。協程: 是一種用戶態的輕量級線程，協程的調度完全由用戶控制，協程擁有自己的寄存器上下文和棧。協程調度時，將寄存器上下文和棧保存到其他地方，在切回來的時候，恢復先前保存的寄存器上下文和棧，直接操中棧則基本沒有內核切換的開銷，可以不加鎖的訪問全局變量，所以上下文的切換非常快。

關於系統編程還有很多問題，例如：

★每日教程乾貨、行業資訊和有趣內容，歡迎VX公眾AI算力！