1.Python解釋器種類以及特點(diǎn)

CPython

c語(yǔ)言開發(fā)的 使用最廣的解釋器

IPython

基于cpython之上的一個(gè)交互式計(jì)時(shí)器 交互方式增強(qiáng) 功能和cpython一樣

PyPy

目標(biāo)是執(zhí)行效率 采用JIT技術(shù) 對(duì)python代碼進(jìn)行動(dòng)態(tài)編譯，提高執(zhí)行效率

JPython

運(yùn)行在Java上的解釋器 直接把python代碼編譯成Java字節(jié)碼執(zhí)行

IronPython

運(yùn)行在微軟 .NET 平臺(tái)上的解釋器，把python編譯成. NET 的字節(jié)碼

2.python的遞歸深度

遞歸深度

**Python語(yǔ)言默認(rèn)的遞歸深度是很有限的，當(dāng)遞歸深度超過值的時(shí)候，就會(huì)引發(fā)RuntimeError異常****

Python專門設(shè)置的一種機(jī)制用來防止無限遞歸造成Python溢出，這個(gè)值理論上1000，實(shí)際運(yùn)行時(shí)在900多次時(shí)就會(huì)報(bào)錯(cuò)

解決方案

最大遞歸次數(shù)是可以重新調(diào)整的。解決的方式是手工設(shè)置遞歸調(diào)用深度：

import sys 
sys.setrecursionlimit(1000000) #執(zhí)行這個(gè)代碼后，遞歸深度調(diào)整到1000000層，基本上夠用了

其他辦法：改成非遞歸

3.python的深淺拷貝

定義

深拷貝的時(shí)候python將所有數(shù)據(jù)在內(nèi)存中新建了一份，所以如果你修改新的模版的時(shí)候老模版不會(huì)變。相反，在淺copy 的時(shí)候，python僅僅將最外層的內(nèi)容在內(nèi)存中新建了一份出來，第二層并沒有在內(nèi)存中新建，所以你修改了新模版，默認(rèn)模版也被修改了

下面我們先看一個(gè)具體的例子

淺拷貝

import copy
wife = {'name':{'diaoq':30},'slaras':10000}
hasband = copy.copy(wife) 
print(hasband,wife)
# {'name': {'diaoq': 30}, 'slaras': 10000}   {'name': {'diaoq': 30}, 'slaras': 10000}
hasband['name']['diaoq']= 32
hasband['slaras'] = 12000
print(hasband)
# {'slaras': 12000, 'name': {'diaoq': 32}}
print(wife)
# {'slaras': 12000, 'name': {'dioq': 32}}

深拷貝

import copy
wife = {'name':{'diaoq':30},'slaras':10000}
hasband = copy.deepcopy(wife) 
print(hasband,wife)
# {'name': {'diaoq': 30}, 'slaras': 10000}   {'name': {'diaoq': 30}, 'slaras': 10000}
hasband['name']['diaoq']= 32
hasband['slaras'] = 12000
print(hasband)
# {'slaras': 12000, 'name': {'diaoq': 32}}
print(wife)
# {'slaras': 10000, 'name': {'diaoq': 30}}

總結(jié)

1. 淺拷貝時(shí)，修改的元素類型是可變類型時(shí)，他變我也變，修改的類型是不可變類型時(shí)，他變我不變
2. 深拷貝時(shí)，他變我不變

4. python的匿名函數(shù)

1. 為了解決那些功能很簡(jiǎn)單的需求而設(shè)計(jì)的一句話函數(shù)

2. 函數(shù)名 = lambda 參數(shù) ：返回值

3. 匿名函數(shù)不管邏輯多復(fù)雜，只能寫一行，且邏輯執(zhí)行結(jié)束后的內(nèi)容就是返回值

   temp = lambda x,y:x+y
   print(temp(4,10))   # 14
   
   可以替代：
   def foo(x,y):
       return x+y
   print(foo(4,10))    # 14
   

5. 裝飾器

裝飾器(Decorators)是 Python 的一個(gè)重要部分。簡(jiǎn)單地說：他們是修改其他函數(shù)的功能的函數(shù)。他們有助于讓我們的代碼更簡(jiǎn)短，裝飾器本質(zhì)上是一個(gè)高階函數(shù)，所以裝飾器也可以有自己的參數(shù)

日志裝飾器

日志是裝飾器運(yùn)用的另一個(gè)亮點(diǎn)

from functools import wraps
 
def logit(func):
    @wraps(func)
    def with_logging(*args, **kwargs):
        print(func.__name__ + " was called")
        return func(*args, **kwargs)
    return with_logging
 
@logit
def addition_func(x):
   """Do some math."""
   return x + x

result = addition_func(4)
# Output: addition_func was called

wraps作用

被裝飾后的函數(shù)其實(shí)已經(jīng)是另外一個(gè)函數(shù)了（函數(shù)名等函數(shù)屬性會(huì)發(fā)生改變），所以，Python的functools包中提供了一個(gè)叫wraps的decorator來消除這樣的副作用。寫一個(gè)decorator的時(shí)候，最好在實(shí)現(xiàn)之前加上functools的wrap，它能保留原有函數(shù)的名稱和docstring

6. *args，**kwargs？參數(shù)是什么？

如果我們不確定要往函數(shù)中傳入多少個(gè)參數(shù)，或者我們想往函數(shù)中以列表和元組的形式傳參數(shù)時(shí)，那就使要用*args；如果我們不知道要往函數(shù)中傳入多少個(gè)關(guān)鍵詞參數(shù)，或者想傳入字典的值作為關(guān)鍵詞參數(shù)時(shí)，那就要使用**kwargs

7.python中的負(fù)號(hào)“-”

字符串和列表都適用

ss = "abcd"

#output: abc
#打印字符串長(zhǎng)度len（ss）-1的內(nèi)容
print(ss[:-1])

#output: dcba
#字符串反轉(zhuǎn)，-1，表示依次反轉(zhuǎn)
print(ss[::-1])

#output: db
#字符串反轉(zhuǎn)，-2，表示相隔一個(gè)字符反轉(zhuǎn)
print(ss[::-2])
#output: c
#字符串的倒數(shù)第二個(gè)字符
print(ss[::-2])

8. python單下劃線和雙下劃線

單下劃線

常用于模塊中，在一個(gè)模塊中以單下劃線開頭的變量和方法會(huì)被默認(rèn)劃入模塊內(nèi)部范圍。當(dāng)使用 from my_module import * 導(dǎo)入時(shí)，單下劃線開頭的變量和方法是不會(huì)被導(dǎo)入的。但使用 import my_module 導(dǎo)入的話，仍然可以用 my_module._var 這樣的形式訪問屬性或方法

雙下劃線

雙下劃線開頭和結(jié)尾的是一些 python 的“魔術(shù)”對(duì)象，如類成員的 __init__、__del__、__add__、__getitem__ 等，以及全局的__file__、__name__等,多用來表示私有變量或類

9.python的內(nèi)存管理

Python的內(nèi)存管理是由私有heap空間管理的。所有的Python對(duì)象和數(shù)據(jù)結(jié)構(gòu)都在一個(gè)私有heap中。程序員沒有訪問該heap的權(quán)限，只有解釋器才能對(duì)它進(jìn)行操作。為Python的heap空間分配內(nèi)存是由Python的內(nèi)存管理模塊進(jìn)行的，其核心API會(huì)提供一些訪問該模塊的方法供程序員使用。Python有自帶的垃圾回收系統(tǒng)，它回收并釋放沒有被使用的內(nèi)存，讓它們能夠被其他程序使用

10. 多進(jìn)程與多線程的區(qū)別

1. 一個(gè)程序至少有一個(gè)進(jìn)程，一個(gè)進(jìn)程至少有一個(gè)線程

2.線程的劃分尺度小于進(jìn)程，使得多線程程序的并發(fā)性高

3.進(jìn)程在執(zhí)行過程中擁有獨(dú)立的內(nèi)存單元，而多個(gè)線程共享內(nèi)存，從而極大地提高了程序的運(yùn)行效率

4.線程在執(zhí)行過程中與進(jìn)程還是有區(qū)別的。每個(gè)獨(dú)立的線程有一個(gè)程序運(yùn)行的入口、順序執(zhí)行序列和程序的出口。但是線程不能夠獨(dú)立執(zhí)行，必須依存在應(yīng)用程序中，由應(yīng)用程序提供多個(gè)線程執(zhí)行控制

5.從邏輯角度來看，多線程的意義在于一個(gè)應(yīng)用程序中，有多個(gè)執(zhí)行部分可以同時(shí)執(zhí)行。但操作系統(tǒng)并沒有將多個(gè)線程看做多個(gè)獨(dú)立的應(yīng)用，來實(shí)現(xiàn)進(jìn)程的調(diào)度和管理以及資源分配。這就是進(jìn)程和線程的重要區(qū)別

11.文件操作：read,readline和readlines

read

讀取整個(gè)文件將文件內(nèi)容放到一個(gè)字符串變量中，劣勢(shì)是：如果文件非常大，尤其是大于內(nèi)存時(shí)，無法使用read()方法

readline

每次讀取一行；返回的是一個(gè)字符串對(duì)象，保持當(dāng)前行的內(nèi)存，缺點(diǎn)：比readlines慢得多

readlines

一次性讀取整個(gè)文件；自動(dòng)將文件內(nèi)容分析成一個(gè)行的列表

12.如何判斷單向鏈表中是否有壞

首先遍歷鏈表，尋找是否有相同地址，借此判斷鏈表中是否有環(huán)。如果程序進(jìn)入死循環(huán)，則需要一塊空間來存儲(chǔ)指針，遍歷新指針時(shí)將其和儲(chǔ)存的舊指針比對(duì)，若有相同指針，則該鏈表有環(huán)，否則將這個(gè)新指針存下來后繼續(xù)往下讀取，直到遇見NULL，這說明這個(gè)鏈表無環(huán)

13.sort和sorted的區(qū)別

1.sorted執(zhí)行之后返回一個(gè)新的列表，sort是在原有的列表做修改

2. sorted 可以對(duì)更多組合排序，sort只能對(duì)列表排序

list1 = [1,3,2,6,4]
list1.sort()
print(list1)# [1,2,3,4,6]

d = {1: 1000, 4: 250, 2: 750, 3: 500}
d2 = sorted(d.items())
print(d2) # [(1, 1000), (2, 750), (3, 500), (4, 250)]

可以看到，sorted可以對(duì)元祖進(jìn)行排序

14. 列表解析式

列表解析式又叫列表推導(dǎo)式，和標(biāo)準(zhǔn)的python循環(huán)相比，不僅可讀性強(qiáng)，而且需要的代碼量也是最少的，執(zhí)行速度也是比標(biāo)準(zhǔn)循環(huán)快樂不少，對(duì)于列表推導(dǎo)式，我們可以從列表中選擇具體的元素，并做一些操作和判斷，從而創(chuàng)建新的列表。值得注意的是，我們甚至能使用 Pandas Series 或 NumPy Array 進(jìn)行列表推導(dǎo)操作，廢話不多說，直接上代碼

#標(biāo)準(zhǔn)的循環(huán)模式
list1 = [1,3,2,6,4]
list2 = []
for one in list1:
    list2.append(one)
    
#列表推導(dǎo)式
list1 = [1,3,2,6,4]
list2 = [one for one in list1]
    

代碼量明顯降低了很多，當(dāng)然也可以在里面加入一些條件處理語(yǔ)句

#標(biāo)準(zhǔn)的循環(huán)模式
list1 = [1,3,2,6,4]
list2 = []
for one in list1:
    if one > 2:
        list2.append(one)
    
#列表推導(dǎo)式
list1 = [1,3,2,6,4]
list2 = [one for one in list1 if one > 2]
    

從代碼量上，很明顯列表推導(dǎo)式簡(jiǎn)潔了很多，只要用習(xí)慣了列表推導(dǎo)式就沒必要再去使用python標(biāo)準(zhǔn)循環(huán)