面試題
1、到底什么是Python？
- Python是一種解釋型語言。這就是說，與C語言和C的衍生語言不同，Python代碼在運行之前不需要編譯（一邊編寫一邊執行，先把代碼轉化成字節碼，然后python虛擬機去執行）。其他解釋型語言還包括PHP和Ruby
- Python非常適合面向對象的編程（OOP），因為它支持通過組合（composition）與繼承（inheritance）的方式定義類（class）
- Python代碼編寫快，但是運行速度比編譯語言通常要慢。好在Python允許加入基於C語言編寫的擴展，因此我們能夠優化代碼，消除瓶頸，這點通常是可以實現的
- Python用途非常廣泛——網絡應用，自動化，科學建模，大數據應用，爬蟲等等。它也常被用作“膠水語言”，幫助其他語言和組件改善運行狀況
- Python讓困難的事情變得容易，因此程序員可以專注於算法和數據結構的設計，而不用處理底層的細節
2、補充缺失的代碼
def print_directory_contents(sPath):
'''
輸入文件夾的路徑（絕對和相對均可）
打印文件夾里面包含的所有文件名（子子孫孫，帶完整的路徑）
''''
1 def print_directory_contents(sPath): 2 import os 3 for sChild in os.listdir(sPath): 4 sChild = os.path.join(sPath,sChild) 5 if os.path.isdir(sChild): 6 print_directory_contents(sChild) 7 else: 8 print(sChild)
3、閱讀下面的代碼，寫出A0，A1至An的最終值
- A0 = dict(zip(('a','b','c','d','e'),(1,2,3,4,5)))
- A1 = range(10)
- A2 = [i for i in A1 if i in A0]
- A3 = [A0[s] for s in A0]
- A4 = [i for i in A1 if i in A3]
- A5 = {i:i*i for i in A1}
- A6 = [[i,i*i] for i in A1]
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]]
4、Python和多線程（multi-threading）。這是個好主意碼？列舉一些讓Python代碼以並行方式運行的方法
Python並不支持真正意義上的多線程。Python中提供了多線程包，但是如果你想通過多線程提高代碼的速度，使用多線程包並不是個好主意。Python中有一個被稱為Global Interpreter Lock（GIL）的東西，它會確保任何時候你的多個線程中，只有一個被執行。線程的執行速度非常之快，會讓你誤以為線程是並行執行的，但是實際上都是輪流執行。經過GIL這一道關卡處理，會增加執行的開銷。這意味着，如果你想提高代碼的運行速度，使用threading包並不是一個很好的方法。
不過還是有很多理由促使我們使用threading包的。如果你想同時執行一些任務，而且不考慮效率問題，那么使用這個包是完全沒問題的，而且也很方便。但是大部分情況下，並不是這么一回事，你會希望把多線程的部分外包給操作系統完成（通過開啟多個進程），或者是某些調用你的Python代碼的外部程序（例如Spark或Hadoop），又或者是你的Python代碼調用的其他代碼（例如，你可以在Python中調用C函數，用於處理開銷較大的多線程工作）。
為什么提這個問題
因為GIL就是個混賬東西（A-hole）。很多人花費大量的時間，試圖尋找自己多線程代碼中的瓶頸，直到他們明白GIL的存在。
5、下面代碼會輸出什么：
def f(x,l=[]):
for i in range(x):
l.append(i*i)
print l
f(2)
f(3,[3,2,1])
f(3)
1 [0, 1] 2 [3, 2, 1, 0, 1, 4] 3 [0, 1, 0, 1, 4]
6、“猴子補丁”（monkey patching）指的是什么？這種做法好嗎？
“猴子補丁”就是指，在函數或對象已經定義之后，再去改變它們的行為。
舉個例子：
import datetime
datetime.datetime.now = lambda: datetime.datetime(2012, 12, 12)
大部分情況下，這是種很不好的做法 - 因為函數在代碼庫中的行為最好是都保持一致。打“猴子補丁”的原因可能是為了測試。mock包對實現這個目的很有幫助。
7、這兩個參數是什么意思：*args，**kwargs？我們為什么要使用它們？
如果我們不確定要往函數中傳入多少個參數，或者我們想往函數中以列表和元組的形式傳參數時，那就使要用*args；如果我們不知道要往函數中傳入多少個關鍵詞參數，或者想傳入字典的值作為關鍵詞參數時，那就要使用**kwargs。args和kwargs這兩個標識符是約定俗成的用法，你當然還可以用*bob和**billy，但是這樣就並不太妥
8、閱讀下面的代碼，它的輸出結果是什么？
class A(object):
def go(self):
print "go A go!"
def stop(self):
print "stop A stop!"
def pause(self):
raise Exception("Not Implemented")
class B(A):
def go(self):
super(B, self).go()
print "go B go!"
class C(A):
def go(self):
super(C, self).go()
print "go C go!"
def stop(self):
super(C, self).stop()
print "stop C stop!"
class D(B,C):
def go(self):
super(D, self).go()
print "go D go!"
def stop(self):
super(D, self).stop()
print "stop D stop!"
def pause(self):
print "wait D wait!"
class E(B,C): pass
a = A()
b = B()
c = C()
d = D()
e = E()
# 說明下列代碼的輸出結果
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()
輸出結果以注釋的形式表示： a.go() # go A go! b.go() # go A go! # go B go! c.go() # go A go! # go C go! d.go() # go A go! # go C go! # go B go! # go D go! e.go() # go A go! # go C go! # go B go! a.stop() # stop A stop! b.stop() # stop A stop! c.stop() # stop A stop! # stop C stop! d.stop() # stop A stop! # stop C stop! # stop D stop! e.stop() # stop A stop! a.pause() # ... Exception: Not Implemented b.pause() # ... Exception: Not Implemented c.pause() # ... Exception: Not Implemented d.pause() # wait D wait! e.pause() # ...Exception: Not Implemented
9、閱讀下面的代碼，它的輸出結果是什么？
class Node(object):
def __init__(self,sName):
self._lChildren = []
self.sName = sName
def __repr__(self):
return "<Node '{}'>".format(self.sName)
def append(self,*args,**kwargs):
self._lChildren.append(*args,**kwargs)
def print_all_1(self):
print self
for oChild in self._lChildren:
oChild.print_all_1()
def print_all_2(self):
def gen(o):
lAll = [o,]
while lAll:
oNext = lAll.pop(0)
lAll.extend(oNext._lChildren)
yield oNext
for oNode in gen(self):
print oNode
oRoot = Node("root")
oChild1 = Node("child1")
oChild2 = Node("child2")
oChild3 = Node("child3")
oChild4 = Node("child4")
oChild5 = Node("child5")
oChild6 = Node("child6")
oChild7 = Node("child7")
oChild8 = Node("child8")
oChild9 = Node("child9")
oChild10 = Node("child10")
oRoot.append(oChild1)
oRoot.append(oChild2)
oRoot.append(oChild3)
oChild1.append(oChild4)
oChild1.append(oChild5)
oChild2.append(oChild6)
oChild4.append(oChild7)
oChild3.append(oChild8)
oChild3.append(oChild9)
oChild6.append(oChild10)
# 說明下面代碼的輸出結果
oRoot.print_all_1()
oRoot.print_all_2()
1 oRoot.print_all_1()會打印下面的結果： 2 3 <Node 'root'> 4 <Node 'child1'> 5 <Node 'child4'> 6 <Node 'child7'> 7 <Node 'child5'> 8 <Node 'child2'> 9 <Node 'child6'> 10 <Node 'child10'> 11 <Node 'child3'> 12 <Node 'child8'> 13 <Node 'child9'> 14 oRoot.print_all_1()會打印下面的結果： 15 16 <Node 'root'> 17 <Node 'child1'> 18 <Node 'child2'> 19 <Node 'child3'> 20 <Node 'child4'> 21 <Node 'child5'> 22 <Node 'child6'> 23 <Node 'child8'> 24 <Node 'child9'> 25 <Node 'child7'> 26 <Node 'child10'>
10、簡要描述Python的垃圾回收機制（garbage collection）
- Python在內存中存儲了每個對象的引用計數（reference count）。如果計數值變成0，那么相應的對象就會小時，分配給該對象的內存就會釋放出來用作他用。
- 偶爾也會出現
引用循環（reference cycle）。垃圾回收器會定時尋找這個循環，並將其回收。舉個例子，假設有兩個對象o1和o2，而且符合o1.x == o2和o2.x == o1這兩個條件。如果o1和o2沒有其他代碼引用，那么它們就不應該繼續存在。但它們的引用計數都是1。 - Python中使用了某些啟發式算法（heuristics）來加速垃圾回收。例如，越晚創建的對象更有可能被回收。對象被創建之后，垃圾回收器會分配它們所屬的代（generation）。每個對象都會被分配一個代，而被分配更年輕代的對象是優先被處理的。