filter 函数用于过滤序列，它接收一个函数和一个序列，把函数作用在序列的每个元素上，然后根据返回值是True还是False决定保留还是丢弃该元素。

>>> mylist = list(range(10))

>>> list(filter(lambda x: x % 2 == 1, mylist))

[1, 3, 5, 7, 9]

map函数传入一个函数和一个序列，并把函数作用到序列的每个元素上，返回一个可迭代对象。

>>> list(map(lambda x: x % 2, mylist))

[0, 1, 0, 1, 0, 1, 0, 1, 0, 1]

>>> list(map(lambda x: x * 2, mylist))

[0, 2, 4, 6, 8, 10, 12, 14, 16, 18]

reduce函数用于递归计算，同样需要传入一个函数和一个序列，并把函数和序列元素的计算结果与下一个元素进行计算。

reduce()将一个数据集合（链表，元组等）中的所有数据进行下列操作：用传给reduce 中的 function函数 （有两个参数）先对集合中的第 1、2 个元素进行操作，得到的结果再与第三个数据用 function 函数运算，最后得到一个结果。

>>> from functools import reduce

>>> reduce(lambda x, y: x + y, range(101))

5050

reduce()的应用：

一行代码搞定计算所有元素的积：

reduce(lambda x, y: x * y, [1, 2, 3, 4])

计算列表中所有元素的最大值：

reduce(lambda x, y: x if x > y else y, [1, 2, 3, 4])

有一个列表：[3, 5, 8, 1]对应的是3581的每一个数字，要从这个列表计算出原来的数，可以这样做：

reduce(lambda x, y: x * 10 + y, [3, 5, 8, 1])

可以看出，上面的三个函数与匿名函数相结合使用，可以写出强大简洁的代码。

\quad

\quad

15. 为什么不建议函数的默认参数传入可变对象

例如：

>>> def test(L=[]):

... L.append('test')

... print(L)

...

>>> test()

['test']

>>> test()

['test', 'test']

默认参数是一个列表，是可变对象[]，Python在函数定义的时候，默认参数 L 的值就被计算出来了，是[]，每次调用函数，如果 L 的值变了，那么下次调用时，默认参数的值就已经不再是[]了。

\quad

\quad

16. 面向对象中__new__ 和 __init__ 区别（🧡🧡）

__new__是在实例创建之前被调用的，因为它的任务就是创建实例然后返回该实例对象，是个静态方法。__init__是当实例对象创建完成后被调用的，然后设置对象属性的一些初始值，通常用在初始化一个类实例的时候，是一个实例方法。

__new__至少要有一个参数cls，代表当前类，此参数在实例化时由 Python 解释器自动识别。__new__必须要有返回值，返回实例化出来的实例，这点在自己实现__new__时要特别注意，可以 return 父类（通过 super(当前类名, cls)）__new__出来的实例，或者直接是 object的__new__出来的实例。__init__有一个参数 self，就是这个__new__返回的实例，__init__在__new__的基础上可以完成一些其它初始化的动作，__init__不需要返回值。如果__new__创建的是当前类的实例，会自动调用__init__函数，通过 return 语句里面调用的__new__函数的第一个参数是 **cls**** 来保证是当前类实例**，如果是其他类的类名，那么实际创建返回的就是其他类的实例，其实就不会调用当前类的__init__函数，也不会调用其他类的__init__函数。

\quad

\quad

17. 三元运算规则

看下面的例子：如果 a>b 成立 就输出 a-b 否则a+b。

>>> >>> a, b = 1, 2

>>> h = a - b if a > b else a + b

>>> h

3

\quad

\quad

18. 生成随机数

>>> import random

>>> random.random()

0.7571910055209727

>>> random.randint(1, 100)

23

>>> random.uniform(1, 5)

3.0640732831151687

用np.random也可以！

\quad

\quad

19. zip 函数用法

zip() 函数将可迭代的对象作为参数，将对象中对应的元素打包成一个元组，然后返回由这些元组组成的列表。

>>> list1 = ['zhangfei', 'guanyu', 'liubei', 'zhaoyun']

>>> list2 = [0, 3, 2, 4]

>>> list(zip(list1, list2))

[('zhangfei', 0), ('guanyu', 3), ('liubei', 2), ('zhaoyun', 4)]

\quad

\quad

20. range和xrange的区别

只有Python2中才有xrange()和range()，Python3中的range()其实就是Python2中xrange()。

range([start,] stop[, step])，根据start与stop指定的范围以及step设定的步长，生成一个序列；xrange() 生成一个生成器，可以很大的节约内存。

\quad

\quad

21. with方法打开文件的作用

打开文件在进行读写的时候可能会出现一些异常状况，如果按照常规的f.open()写法，我们需要 try，except，finally，做异常判断，并且文件最终不管遇到什么情况，都要执行f.close() 关闭文件，with方法帮我们实现了finally 中 f.close()。

with open("hello.txt", "a") as f:

f.write("hello world!")

\quad

\quad

22. 字符串转列表

>>> s = "1,2,3,4,5,6,7,8,9"

>>> s.split(",")

['1', '2', '3', '4', '5', '6', '7', '8', '9']

\quad

\quad

23. 字符串转整数

>>> s = "1,2,3,4,5,6,7,8,9"

>>> list(map(lambda x: int(x), s.split(",")))

[1, 2, 3, 4, 5, 6, 7, 8, 9]

\quad

\quad

24. 删除列表中的重复值

利用集合去重：

>>> mylist = [1, 2, 3, 4, 5, 5, 6, 7, 4, 3]

>>> list(set(mylist))

[1, 2, 3, 4, 5, 6, 7]

\quad

\quad

25. 字符串单词统计

统计字符串中字母个数：

>>> from collections import Counter

>>> mystr = 'sdfsfsfsdfsd,were,hrhrgege.sdfwe!sfsdfs'

>>> Counter(mystr)

Counter({ 's': 9,

'd': 5,

'f': 7,

',': 2,

'w': 2,

'e': 5,

'r': 3,

'h': 2,

'g': 2,

'.': 1,

'!': 1})

统计字符串中单词个数

>>> mystr2 = "hello, Nice to meet you!"

>>> len(mystr2.split(" "))

5

\quad

\quad

26. 列表推导，求奇偶数

>>> [x for x in range(20) if x % 2 == 1]

[1, 3, 5, 7, 9, 11, 13, 15, 17, 19]

\quad

\quad

27. 一行代码展开列表

>>> list1 = [[1, 2], [3, 4], [5, 6]]

>>> [j for i in list1 for j in i]

[1, 2, 3, 4, 5, 6]

\quad

\quad

28. 实现二分法查找函数

二分查找算法也称折半查找，基本思想就是折半，对比大小后再折半查找，必须是有序序列才可以使用二分查找。

非递归算法：

def binary_search(data, item):

left = 0

right = len(data) - 1

while left <= right:

mid = (left + right) // 2

if data[mid] == item:

return True

elif data[mid] < item:

left = mid + 1

else:

right = mid - 1

return False

递归算法：

def binary_search(data, item):

n = len(data)

if n > 0:

mid = n // 2

if data[mid] == item:

return True

elif data[mid] > item:

return binary_search(data[:mid], item)

else:

return binary_search(data[mid + 1:], item)

return False

\quad

\quad

29. 合并两个元组到字典

如：("zhangfei", "guanyu")，(66, 80) -> {'zhangfei': 66, 'guanyu': 80}。

>>> a = ("zhangfei", "guanyu")

>>> b = (66, 80)

>>> dict(zip(a, b))

{ 'zhangfei': 66, 'guanyu': 80}

\quad

\quad

30. 给出如下代码的输入，并简单解释

例子1：

>>> a = (1, 2, 3, [4, 5, 6, 7], 8)

>>> a[3] = 2

报错：TypeError: ‘tuple’ object does not support item assignment。

原因：元组不能修改！tuple 是不可变类型，不能改变 tuple 里的元素。

例子2：

>>> a = (1, 2, 3, [4, 5, 6, 7], 8)

>>> a[3][2] = 2

>>> a

(1, 2, 3, [4, 5, 2, 7], 8)

list 是可变类型，改变其元素是允许的。

\quad

\quad

31. 字典和 json 转换

dict1 = { 'zhangfei':1, "liubei":2, "guanyu": 4, "zhaoyun":3}

myjson = json.dumps(dict1) # 字典转JSON

mydict = json.loads(myjson) # JSON转字典

\quad

\quad

32. 列表推导式、字典推导式和生成器

列表推导式：返回一个列表。

>>> td_list = [i for i in range(10)]

>>> td_list

[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

>>> type(td_list)

list

生成器：

>>> ge_list = (i for i in range(20))

>>> ge_list

<generator object <genexpr> at 0x000001C3C127AAC8>

>>> type(ge_list)

generator

字典推导式：

>>> dic = { k: 2 for k in ["a", "b", "c", "d"]}

>>> dic

{ 'a': 2, 'b': 2, 'c': 2, 'd': 2}

>>> type(dic)

dict

\quad

\quad

33. 简述 read、readline、readlines 的区别

read() 读取整个文件readline() 读取下一行,使用生成器方法readlines() 读取整个文件到一个迭代器以供我们遍历

\quad

\quad

34. 打乱一个列表

>>> import random

>>> list = list(range(1, 10))

>>> random.shuffle(list)

>>> list

[3, 9, 1, 4, 6, 2, 8, 7, 5]

\quad

\quad

35. 反转字符串

>>> 'luobodazahui'[::-1]

'iuhazadoboul'

\quad

\quad

36. 单下划线和双下划线的作用

__foo__：一种约定，Python内部的名字，用来区别其他用户自定义的命名，以防冲突，就是例如__init__()，__del__()，__call__()些特殊方法。_foo：一种约定，用来指定变量私有。不能用from module import * 导入，其他方面和公有变量一样访问。__foo：这个有真正的意义：解析器用_classname__foo来代替这个名字，以区别和其他类相同的命名，它无法直接像公有成员一样随便访问，通过对象名._类名__xxx这样的方式可以访问。

\quad

\quad

37. 新式类和旧式类

在 python 里凡是继承了 object的类，都是新式类Python3 里只有新式类Python2 里面继承 object的是新式类，没有写父类的是经典类经典类目前在 Python 里基本没有应用

\quad

\quad

38. Python 面向对象中的继承有什么特点

同时支持单继承与多继承，当只有一个父类时为单继承，当存在多个父类时为多继承；子类会继承父类所有的属性和方法，子类也可以覆盖父类同名的变量和方法；在继承中基类的构造（__init__()）方法不会被自动调用，它需要在其派生类的构造中专门调用；在调用基类的方法时，需要加上基类的类名前缀，且需要带上 self 参数变量。区别于在类中调用普通函数时并不需要带上 self 参数。

\quad

\quad

39. super 函数的作用

super()函数是用于调用父类(超类)的一个方法

class A():

def funcA(self):

print("this is func A")

class B(A):

def funcA_in_B(self):

super(B, self).funcA()

def funcC(self):

print("this is func C")

>>> ins = B()

>>> ins.funcA_in_B()

this is func A

>>> ins.funcC()

this is func C

\quad

\quad

40. 类中的各种函数

主要分为实例方法、类方法和静态方法。

实例方法

定义：第一个参数必须是实例对象，该参数名一般约定为“self”，通过它来传递实例的属性和方法（也可以传类的属性和方法）。

调用：只能由实例对象调用。

类方法

定义：使用装饰器@classmethod。第一个参数必须是当前类对象，该参数名一般约定为“cls”，通过它来传递类的属性和方法（不能传实例的属性和方法）。

调用：实例对象和类对象都可以调用。

静态方法

定义：使用装饰器@staticmethod。参数随意，没有“self”和“cls”参数，但是方法体中不能使用类或实例的任何属性和方法。

调用：实例对象和类对象都可以调用。

静态方法是类中的函数，不需要实例。静态方法主要是用来存放逻辑性的代码，主要是一些逻辑属于类，但是和类本身没有交互。即在静态方法中，不会涉及到类中的方法和属性的操作。可以理解为将静态方法存在此类的名称空间中。

类方法是将类本身作为对象进行操作的方法。他和静态方法的区别在于：不管这个方式是从实例调用还是从类调用，它都用第一个参数把类传递过来。

\quad

\quad

41. 如何判断是函数还是方法

与类和实例无绑定关系的 function都属于函数（function）与类和实例有绑定关系的 function都属于方法（method）

普通函数：

def func1():

pass

>>> print(func1)

<function func1 at 0x000001C3C12A4438>

类中的函数：

class People(object):

def func2(self):

pass

@staticmethod

def func3():

pass

@classmethod

def func4(cls):

pass

>>> people = People()

>>> print(people.func2)

<bound method People.func2 of <__main__.People object at 0x000001C3C12A6A48>>

>>> print(people.func3)

<function People.func3 at 0x000001C3C12A4A68>

>>> print(people.func4)

<bound method People.func4 of <class '__main__.People'>>

\quad

\quad

42. isinstance 的作用以及与type()的区别（🧡🧡）

isinstance()函数来判断一个对象是否是一个已知的类型，类似type()。

区别：

type()不会认为子类是一种父类类型，不考虑继承关系；isinstance()会认为子类是一种父类类型，考虑继承关系。

class A(object):

pass

class B(A):

pass

>>> a = A()

>>> b = B()

>>> print(isinstance(a, A))

True

>>> print(type(a) == A)

True

>>> print(isinstance(b, A))

True

>>> print(type(b) == A)

False

\quad

\quad

43. 单例模式与工厂模式

单例模式：主要目的是确保某一个类只有一个实例存在；工厂模式：包涵一个超类，这个超类提供一个抽象化的接口来创建一个特定类型的对象，而不是决定哪个对象可以被创建。

单例模式：

这种模式涉及到一个单一的类，该类负责创建自己的对象，同时确保只有单个对象被创建。这个类提供了一种访问其唯一的对象的方式，可以直接访问，不需要实例化该类的对象。

意图：保证一个类仅有一个实例，并提供一个访问它的全局访问点。

主要解决：一个全局使用的类频繁地创建与销毁。

举例：操作一个文件，应该用一个唯一的实例去操作。

工厂模式：

工厂类模式设计的核心是：让“生产”和“产品”解耦。

工厂模式的主要解决的问题：将原来分布在各个地方的对象创建过程单独抽离出来，交给工厂类负责创建。其他地方想要使用对象直接找工厂（即调用工厂的方法）获取对象。

优点：

一个调用者想创建一个对象，只要知道其名称就可以了。扩展性高，如果想增加一个产品，只要扩展一个工厂类就可以。屏蔽产品的具体实现，调用者只关心产品的接口。

\quad

\quad

44. 查看目录下的所有文件

>>> import os

>>> print(os.listdir('.'))

\quad

\quad

45. 计算由1到5组成的互不重复的三位数

for i in range(1, 6):

for j in range(1, 6):

for k in range(1, 6):

if (i != j) and i != k and j != k:

print(f"{ i}{ j}{ k}")

\quad

\quad

46. 去除字符串首尾空格

>>> " hello world ".strip()

'hello world'

\quad

\quad

47. 去除字符串中间的空格

方法一：

>>> "hello you are good".replace(" ", "")

'helloyouaregood'

方法二：

>>> "".join("hello you are good".split(" "))

'helloyouaregood'

\quad

\quad

48. 字符串格式化方式

方法一：使用 % 操作符

print("This is for %s" % "Python")

print("This is for %s, and %s" %("Python", "You"))

方法二：str.format（在 Python3 中，引入了这个新的字符串格式化方法）

print("This is my {}".format("chat"))

print("This is {name}, hope you can {do}".format(name="zhouluob", do="like"))code>

方法三：f-strings（在 Python3-6 中，引入了这个新的字符串格式化方法）

name = "luobodazahui"

print(f"hello { name}")

一个复杂些的例子：

def mytest(name, age):

return f"hello { name}, you are { age} years old!"

>>> people = mytest("luobo", 20)

>>> print(people)

hello luobo, you are 20 years old!

\quad

\quad

49. 将"hello world"转换为首字母大写"Hello World"

<code> import time

def log(func):

def inner_log(*args, **kw):

print("Call: {}".format(func.__name__))

return func(*args, **kw)

return inner_log

@log

def timer():

print(time.time())

timer()

# Call: timer

# 1560171403.5128365

本质上，decorator就是一个返回函数的高阶函数。

详细看链接：《Python进阶系列》八：装饰器的用法

\quad

\quad

62. 协程的优点

协程的优点：

最大优势就是协程极高的执行效率。因为子程序切换不是线程切换，而是由程序自身控制，因此，没有线程切换的开销，和多线程比，线程数量越多，协程的性能优势就越明显。不需要多线程的锁机制，因为只有一个线程，也不存在同时写变量冲突，在协程中控制共享资源不加锁，只需要判断状态就好了，所以执行效率比多线程高很多。

因为协程是一个线程执行，那怎么利用多核CPU呢？最简单的方法是多进程+协程，既充分利用多核，又充分发挥协程的高效率，可获得极高的性能。

其他一些重要的点：

协程并没有增加线程数量，只是在线程的基础之上通过分时复用的方式运行多个协程，而且协程的切换在用户态完成，切换的代价比线程从用户态到内核态的代价小很多。因此在协程调用阻塞IO操作的时候，操作系统会让线程进入阻塞状态，当前的协程和其它绑定在该线程之上的协程都会陷入阻塞而得不到调度，这往往是不能接受的。因此在协程中不能调用导致线程阻塞的操作。也就是说，协程只有和异步IO结合起来，才能发挥最大的威力。协程对计算密集型的任务没有太大的好处，计算密集型的任务本身不需要大量的线程切换，因为协程主要解决以往线程或者进程上下文切换的开销问题，所以协程主要对那些I/O密集型应用更好。

协程只有和异步IO结合起来才能发挥出最大的威力。

\quad

\quad

63. 实现斐波那契数列

斐波那契数列：又称黄金分割数列，指的是这样一个数列：1、1、2、3、5、8、13、21、34、……在数学上，斐波纳契数列以如下被以递归的方法定义：

F

(

1

)

=

1

,

F

(

2

)

=

1

,

F

(

n

)

=

F

(

n

−

1

)

+

F

(

n

−

2

)

(

n

≥

2

,

n

∈

N

∗

)

F(1)=1,F(2)=1, F(n)=F(n-1)+F(n-2)(n\geq2,n\in N*)

F(1)=1,F(2)=1,F(n)=F(n−1)+F(n−2)(n≥2,n∈N∗)

生成器法：

def fib(n):

if n == 0:

return False

if not isinstance(n, int) or (abs(n) != n):

return False

a, b = 0, 1

while n:

a, b = b, a + b

n -= 1

yield a

>>> fib(10)

<generator object fib at 0x000001AF2F2395C8>

>>> [i for i in fib(10)]

[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

递归法：

def fib(n):

if n == 0:

return False

if not isinstance(n, int) or (n < 0):

return False

if n <= 1:

return 1

return fib(n - 1) + fib(n - 2)

>>> fib(10)

55

>>> [fib(i) for i in range(1, 11)]

[1, 1, 2, 3, 5, 8, 13, 21, 34, 55]

\quad

\quad

64. 正则切分字符串

>>> import re

>>> str1 = "hello world:luobo dazahui"

>>> re.split(r":| ", str1)

['hello', 'world', 'luobo', 'dazahui']

\quad

\quad

65. yield 用法

yield 是用来生成迭代器的语法，在函数中，如果包含了 yield，那么这个函数就是一个迭代器。当代码执行至 yield 时，就会中断代码执行，直到程序调用 next() 函数时，才会在上次 yield 的地方继续执行。

详情见：《Python中的迭代器和生成器》 。

\quad

\quad

67. 冒泡排序

def Bubble(data, reversed):

for i in range(len(data) - 1):

for j in range(len(data) - i - 1):

if data[j] > data[j + 1]:

data[j], data[j + 1] = data[j + 1], data[j]

if reversed:

data.reverse()

return data

>>> Bubble(list1, True)

[11, 9, 8, 5, 3, 2]

>>> Bubble(list1, False)

[2, 3, 5, 8, 9, 11]

\quad

\quad

68. 快速排序

思想：首先任意选取一个数据（通常选用数组的第一个数）作为关键数据，然后将所有比它小的数都放到它前面，所有比它大的数都放到它后面，这个过程称为一趟快速排序，之后再递归排序两边的数据。挑选基准值：从数列中挑出一个元素，称为"基准"（pivot）。分割：重新排序数列，所有比基准值小的元素摆放在基准前面，所有比基准值大的元素摆在基准后面（与基准值相等的数可以到任何一边）。在这个分割结束之后，对基准值的排序就已经完成。递归排序子序列：递归地将小于基准值元素的子序列和大于基准值元素的子序列排序。

def partition(arr, low, high):

pivot = arr[low]

while low < high:

while low < high and arr[high] >= pivot:

high -= 1

arr[low], arr[high] = arr[high], arr[low]

while low < high and arr[low] <= pivot:

low += 1

arr[low], arr[high] = arr[high], arr[low]

return low

def quickSort(arr, low, high):

if low < high:

pi = partition(arr, low, high)

quickSort(arr, low, pi - 1)

quickSort(arr, pi + 1, high)

>>> list1 = [8, 5, 1, 3, 2, 10, 11, 4, 12, 20]

>>> quickSort(list1, 0, len(list1) - 1)

>>> list1

[1, 2, 3, 4, 5, 8, 10, 11, 12, 20]

\quad

\quad

70. requests 简介

该库是发起 HTTP 请求的强大类库，调用简单，功能强大。

>>> import requests

>>> url = "http://www.baidu.com"

>>> response = requests.get(url) # 获得请求

>>> response.encoding = "utf-8" # 改变其编码

>>> html = response.text # 获得网页内容

>>> binary_content = response.content # 获得二进制数据

>>> raw = requests.get(url, stream=True) # 获得原始响应内容

>>> headers = { 'user-agent': 'my-test/0.1.1'} # 定制请求头

>>> r = requests.get(url, headers=headers)

>>> cookies = { "cookie": "# your cookie"} # cookie的使用

>>> r = requests.get(url, cookies=cookies)

\quad

\quad

71. 比较两个 json 数据是否相等

方法一：

json数据转换成字典；将两个字典按key排好序，然后使用zip()函数将两个字典对应的元素打包成元组。比较对应的元素的value是否相等；zip()函数用于将可迭代的对象作为参数，将对象中对应的元素打包成一个个元组。

>>> file_text2 = '{"name":"john","age":22,"sex":"woman","address":"USA"}'

>>> file_text1 = '{"name":"john","age":22,"sex":"man","address":"USA"}'

>>> dict1 = json.loads(file_text1)

>>> dict2 = json.loads(file_text2)

>>> for s1, s2 in zip(sorted(dict1), sorted(dict2)):

if str(dict1[s1]) != str(dict2[s2]):

print(s1 + ":" + dict1[s1] + "!=" + s2 + ":" + dict2[s2])

sex:man!=sex:woman

方法二：引入第三方模块jsonpatch。

>>> import jsonpatch

>>> src = { 'numbers': [1, 3, 4, 8], 'foo': 'bar'}

>>> dst = { 'foo': 'bar', 'numbers': [1, 3, 8]}

>>> patch = jsonpatch.JsonPatch.from_diff(src, dst)

>>> print(patch)

[{ "op": "remove", "path": "/numbers/2"}]

说明：两个json对象，src要变成dst，需要移除numbers下索引是2的元素。

>>> src = { 'numbers': [1, 3, 4, 8], 'foo': 'bar'}

>>> dst = { 'foo': 'bar', 'numbers': [1, 3, 4, 8]}

>>> patch = jsonpatch.JsonPatch.from_diff(src, dst)

>>> print(patch)

[]

若相等的话直接返回空列表。

有了这个模块，判断json串是否相等不用遍历内部属性，直接判断patch长度即可。

\quad

\quad

72. 读取键盘输入

def forinput():

input_text = input()

print("your input text is: ", input_text)

>>> forinput()

>? 2

your input text is: 2

\quad

\quad

73. enumerate()的用法

enumerate()是 Python 内置函数。enumerate()函数用于将一个可遍历的数据对象（如列表、元组或字符串）组合为一个索引序列，同时列出数据和数据下标，一般用在for循环当中。

它允许我们遍历数据并自动计数，用法如下：

for counter, value in enumerate(some_list):

print(counter, value)

不只如此，enumerate() 也接受一些可选参数，这使它更有用。

>>> my_list = ['apple', 'banana', 'grapes', 'pear']

>>> for c, value in enumerate(my_list, 1):

... print(c, value)

...

1 apple

2 banana

3 grapes

4 pear

上面这个可选参数允许我们定制从哪个数字开始枚举。

此外，还可以用来创建包含索引的元组列表， 例如：

>>> my_list = ['apple', 'banana', 'grapes', 'pear']

>>> counter_list = list(enumerate(my_list, 1))

>>> print(counter_list)

[(1, 'apple'), (2, 'banana'), (3, 'grapes'), (4, 'pear')]

\quad

\quad

74. pass 语句

pass是空语句，是为了保持程序结构的完整性。pass不做任何事情，一般用做占位语句。

def forpass(n):

if n == 1:

pass

else:

print('not 1')

>>> forpass(1)

\quad

\quad

75. 正则匹配邮箱

>>> import re

>>> email_list= ["test01@163.com","test02@163.123", ".test03g@qq.com", "test04@gmail.com" ]

>>> for email in email_list:

ret = re.match("[\w]{4,20}@(.*)\.com$", email)

if ret:

print("%s 是符合规定的邮件地址，匹配后结果是:%s" % (email, ret.group()))

else:

print("%s 不符合要求" % email)

test01@163.com 是符合规定的邮件地址，匹配后结果是:test01@163.com

test02@163.123 不符合要求

.test03g@qq.com 不符合要求

test04@gmail.com 是符合规定的邮件地址，匹配后结果是:test04@gmail.com

\quad

\quad

76. 统计字符串中大写字母的数量

>>> str2 = 'werrQWSDdiWuW'

>>> counter = 0

>>> for i in str2:

if i.isupper():

counter += 1

>>> counter

6

\quad

\quad

77. json 序列化时保留中文

普通序列化：

>>> import json

>>> dict1 = { 'name': '萝卜', 'age': 18}

>>> dict1_new = json.dumps(dict1)

>>> print(dict1_new)

{ "name": "\u841d\u535c", "age": 18}

保留中文：

>>> import json

>>> dict1 = { 'name': '萝卜', 'age': 18}

>>> dict1_new = json.dumps(dict1, ensure_ascii=False)

>>> print(dict1_new)

{ "name": "萝卜", "age": 18}

\quad

\quad

78. 简述继承

一个类继承自另一个类，也可以说是一个孩子类/派生类/子类，继承自父类/基类/超类，同时获取所有的类成员（属性和方法）。继承使我们可以重用代码，并且还可以更方便地创建和维护代码。

Python 支持以下类型的继承：

单继承：一个子类类继承自单个基类多重继承：一个子类继承自多个基类多级继承：一个子类继承自一个基类，而基类继承自另一个基类分层继承：多个子类继承自同一个基类混合继承：两种或两种以上继承类型的组合

\quad

\quad

79. 什么是猴子补丁（🧡🧡）

猴子补丁是指在运行时动态修改类和模块。

猴子补丁主要有以下几个用处：

在运行时替换方法、属性等；在不修改第三方代码的情况下增加原来不支持的功能；在运行时为内存中的对象增加 patch 而不是在磁盘的源代码中增加。

详细看链接：《Python进阶系列》十七：详解Python中的猴子补丁——允许在运行时更改对象的行为

\quad

\quad

80. help() 函数和 dir() 函数

help()函数返回帮助文档和参数说明

>>> help(dict)

Help on class dict in module builtins:

class dict(object)

| dict() -> new empty dictionary

| dict(mapping) -> new dictionary initialized from a mapping object's

| (key, value) pairs

| dict(iterable) -> new dictionary initialized as if via:

| d = { }

| for k, v in iterable:

| d[k] = v

| dict(**kwargs) -> new dictionary initialized with the name=value pairs

| in the keyword argument list. For example: dict(one=1, two=2)

|

| Methods defined here:

......

dir()函数返回对象中的所有成员 (任何类型)

>>> dir(dict)

['__class__',

'__contains__',

'__delattr__',

'__delitem__',

'__dir__',

'__doc__',

'__eq__',

'__format__',

'__ge__',

'__getattribute__',

......

\quad

\quad

81. 解释 Python 中的//，％和**运算符

// 运算符执行地板除法，返回结果的整数部分 (向下取整)。% 是取模符号，返回除法后的余数。** 符号表示取幂。 a**b 返回 a 的b 次方。

\quad

\quad

82. 主动抛出异常

使用raise：

def test_raise(n):

if not isinstance(n, int):

raise Exception("not a int type")

else:

print("good")

>>> test_raise(8.9)

Traceback (most recent call last):

File "D:\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py", line 3331, in run_code

exec(code_obj, self.user_global_ns, self.user_ns)

File "<ipython-input-106-27962090d274>", line 1, in <module>

test_raise(8.9)

File "<ipython-input-105-8095f403c7e2>", line 3, in test_raise

raise Exception("not a int type")

Exception: not a int type

\quad

\quad

83. tuple 和 list 转换

>>> tuple1 = (1, 2, 3, 4)

>>> list1 = list(tuple1)

>>> print(list1)

>>> tuple2 = tuple(list1)

>>> print(tuple2)

\quad

\quad

84. 简述断言

Python 的断言就是检测一个条件，如果条件为真，它什么都不做；反之它触发一个带可选错误信息的 AssertionError。

def testassert(n):

assert n == 2, "n is not 2"

print("n is 2")

>>> testassert(2)

n is 2

>>> testassert(3)

Traceback (most recent call last):

File "D:\Anaconda3\lib\site-packages\IPython\core\interactiveshell.py", line 3331, in run_code

exec(code_obj, self.user_global_ns, self.user_ns)

File "<ipython-input-109-9b7ba30779d0>", line 1, in <module>

testassert(3)

File "<ipython-input-107-ecbc45f8f4b4>", line 2, in testassert

assert n == 2, "n is not 2"

AssertionError: n is not 2

\quad

\quad

85. 什么是异步非阻塞

同步异步指的是调用者与被调用者之间的关系。

所谓同步，就是在发出一个功能调用时，在没有得到结果之前，该调用就不会返回，一旦调用返回，就得到了返回值；异步的概念和同步相对，调用在发出之后，这个调用就直接返回了，所以没有返回结果。当该异步功能完成后，被调用者可以通过状态、通知或回调来通知调用者。

阻塞非阻塞是线程或进程之间的关系。

阻塞调用是指调用结果返回之前，当前线程会被挂起（如遇到io操作）。调用线程只有在得到结果之后才会返回。函数只有在得到结果之后才会将阻塞的线程激活非阻塞和阻塞的概念相对应，非阻塞调用指在不能立刻得到结果之前也会立刻返回，同时该函数不会阻塞当前线程

\quad

\quad

86. 什么是负索引

Python 中的序列是有索引的，它由正数和负数组成。正的数字使用’0’作为第一个索引，‘1’作为第二个索引，以此类推。负数的索引从’-1’开始，表示序列中的最后一个索引，’ - 2’作为倒数第二个索引，依次类推。

\quad

\quad

87. 退出 Python 后，内存是否全部释放

不是的，那些具有对象循环引用或者全局命名空间引用的变量，在 Python 退出时往往不会被释放，

另外不会释放 C 库保留的部分内容。

\quad

\quad

88. Flask 和 Django 的异同

Flask 是 “microframework”，主要用来编写小型应用程序，不过随着 Python 的普及，很多大型程序也在使用 Flask。同时，在 Flask 中，我们必须使用外部库。Django 适用于大型应用程序。它提供了灵活性，以及完整的程序框架和快速的项目生成方法。可以选择不同的数据库，URL结构，模板样式等。

\quad

\quad

89. 创建删除操作系统上的文件

>>> f = open('test.txt', 'w')

>>> f.close()

>>> os.listdir()

['.idea',

'test.txt',

'__pycache__']

>>> os.remove('test.txt')

>>> os.listdir()

['.idea',

'__pycache__']

\quad

\quad

90. 简述 logging 模块

logging 模块是 Python 内置的标准模块，主要用于输出运行日志，可以设置输出日志的等级、日志保存路径、日志文件回滚等；相比 print，具备如下优点：

可以通过设置不同的日志等级，在 release 版本中只输出重要信息，而不必显示大量的调试信息print 将所有信息都输出到标准输出中，严重影响开发者从标准输出中查看其它数据；logging 则可以由开发者决定将信息输出到什么地方，以及怎么输出。

简单配置：

>>> import logging

>>> logging.debug("debug log")

>>> logging.info("info log")

>>> logging.warning("warning log")

>>> logging.error("error log")

>>> logging.critical("critica log")

默认情况下，只显示了大于等于WARNING级别的日志。logging.basicConfig()函数调整日志级别、输出格式等。

详细看链接：《Python进阶系列》九：别再用print来打印了，试试logging模块

\quad

\quad

91. 统计字符串中字符出现次数

>>> from collections import Counter

>>> str1 = "nihsasehndciswemeotpxc"

>>> print(Counter(str1))

Counter({ 's': 3, 'e': 3, 'n': 2, 'i': 2, 'h': 2, 'c': 2, 'a': 1, 'd': 1, 'w': 1, 'm': 1, 'o': 1, 't': 1, 'p': 1, 'x': 1})

\quad

\quad

92. 正则 re.complie 的作用

re.compile 是将正则表达式编译成一个对象，加快速度，并重复使用。

\quad

\quad

93. try except else finally 的意义

try..except..else 没有捕获到异常，执行 else 语句try..except..finally 不管是否捕获到异常，都执行 finally 语句

\quad

\quad

94. 反转列表

第一种方法：使用切片

>>> list1 = list(range(10))

>>> list1[::-1]

[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

第二种方法：使用reverse()

>>> list1 = list(range(10))

>>> list1.reverse()

>>> list1

[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

需要注意的是：这两种方法都可以反转列表，但内置函数 reverse() 会更改原始列表，而切片方法会创建一个新列表。内置函数 reverse() 比列表切片方法更快！

\quad

\quad

95. 字符串中数字替换

使用 re 正则替换：

>>> import re

>>> str1 = '我是周萝卜，今年18岁'

>>> re.sub(r"\d+", "20", str1)

'我是周萝卜，今年20岁'

\quad

\quad

96. 读取大文件（🧡🧡）

现要处理一个大小为10G的文件，但是内存只有4G，如果在只修改get_lines 函数而其他代码保持不

变的情况下，应该如何实现？需要考虑的问题都有那些？

def get_lines():

with open('file.txt','rb') as f:

return f.readlines()

if name == ' main ':

for e in get_lines():

process(e) # 处理每一行数据

方法一：readlines()函数在文件过大时并不适用，应添加参数，限制读取的字节数，并使用生成器。

def get_lines():

l = []

with open('file.txt','rb') as f:

data = f.readlines(60000)

l.append(data)

yield l

方法二：使用mmap

from mmap import mmap

def get_lines(fp):

with open(fp, "r+") as f:

m = mmap(f.fileno(), 0)

tmp = 0

for i, char in enumerate(m):

if char==b"\n":

yield m[tmp:i + 1].decode()

tmp = i + 1

if name ==" main ":

for i in get_lines("fp_some_huge_file"):

print(i)

详细看链接：《Python进阶系列》二十八：mmap模块（处理大文本）

\quad

\quad

97. 输入日期， 判断这一天是这一年的第几天

import datetime

def dayofyear():

year = input("请输入年份: ")

month = input("请输入月份: ")

day = input("请输入天: ")

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

>>> dayofyear()

请输入年份: >? 2022

请输入月份: >? 5

请输入天: >? 23

143

\quad

\quad

98. 排序

根据字典按值排序

现有字典d= {'a':24,'g':52,'i':12,'k':33}请按value值进行排序?

>>> d = { 'a': 24, 'g': 52, 'i': 12, 'k': 33}

>>> d.items()

dict_items([('a', 24), ('g', 52), ('i', 12), ('k', 33)])

>>> sorted(d.items(), key=lambda x: x[1])

[('i', 12), ('a', 24), ('k', 33), ('g', 52)]

x[0]代表用key进行排序；x[1]代表用value进行排序。

请按alist中元素的age由大到小排序

>>> alist = [{ 'name': 'a', 'age': 20}, { 'name': 'b', 'age': 30}, { 'name': 'c', 'age': 25}]

>>> sorted(alist, key=lambda x:x['age'], reverse=True)

[{ 'name': 'b', 'age': 30}, { 'name': 'c', 'age': 25}, { 'name': 'a', 'age': 20}]

列表内，字典按照 value 大小排序

>>> list1 = [{ 'name': 'guanyu', 'age':29},

... { 'name': 'zhangfei', 'age': 28},

... { 'name': 'liubei', 'age':31}]

>>> sorted(list1, key=lambda x:x['age'])

[{ 'name': 'zhangfei', 'age': 28}, { 'name': 'guanyu', 'age': 29}, { 'name': 'liubei', 'age': 31}]

>>> sorted(list1, key=lambda x:x['name'])

[{ 'name': 'guanyu', 'age': 29}, { 'name': 'liubei', 'age': 31}, { 'name': 'zhangfei', 'age': 28}]

\quad

\quad

99. 将字符串处理成字典

>>> k = "k:1|k1:2|k2:3|k3:4"

>>> dict1 = { }

>>> for items in k.split("|"):

... key, value = items.split(":")

... dict1[key] = value

字典推导式：

>>> { k:v for items in k.split("|") for k, v in (items.split(":"), )}

{ 'k': '1', 'k1': '2', 'k2': '3', 'k3': '4'}

\quad

\quad

100. 下面代码的输出结果将是什么？

list = ['a','b','c','d','e']

print(list[10:])

代码将输出[]，不会产生IndexError错误，就像所期望的那样，尝试用超出成员的个数的index来获取某个列表的成员。例如，尝试获取list[10]和之后的成员，会导致IndexError。然而，尝试获取列表的切片，开始的index超过了成员个数不会产生IndexError，而是仅仅返回一个空列表。这成为特别让人恶心的疑难杂症，因为运行的时候没有错误产生，导致Bug很难被追踪到。