关于python:Python面试必知100例15题

Python 面试必知 100 例。收集整理了目前 Python 岗位常见的面试题，心愿大家通过学习了解相干知识点。上面介绍的是 1~5 道题。

一、请说下 Python 有哪些特点

1. Python 是一种解释型语言，这意味着开发过程中没有了编译这个环节。
2. 面向对象：Python 反对面向对象的格调或代码封装在对象的编程技术。
3. 动静类型语言：在 Python 中，你不须要事后申明变量的类型，当你赋值给变量时，解释器会主动晓得其类型。

4. 跨平台语言：Python 能够在大多数的操作系统上运行，包含但不限于 Windows、Linux、Unix 等。

   二、什么是可变数据类型和不可变数据类型

   在 Python 中，数据类型能够分为两种：可变数据类型和不可变数据类型。
   不可变数据类型 ：这种数据类型的值一旦定义，就不能更改。如果尝试更改其值，实际上会创立一个新的对象。不可变数据类型的例子包含 整数、浮点数、字符串、元组 。
   例如，如果你有一个字符串变量，你不能更改这个字符串中的某个字符。试图这样做的话，Python 会创立一个新的字符串。
   可变数据类型 ：与不可变数据类型相同，可变数据类型的值是能够更改的。也就是说，你能够在不创立新对象的状况下更改对象的值。可变数据类型的例子包含 列表、字典以及汇合 。
   例如，如果你有一个列表，你能够更改列表中的元素，减少元素，或者删除元素，而不须要创立一个新的列表。

   三、什么是生成器

   在 Python 中，生成器（Generator）是一种非凡的迭代器。与列表不同，生成器在存储数据时能够节俭大量内存。这是因为生成器并不真正存储所有的值在内存中，而是在迭代到某个值时才会生成该值。
   生成器的创立通常应用两种形式：一种是通过在函数中应用 yield 关键字，另一种是应用生成器表达式（generator expression）。
   应用 yield 关键字创立生成器：
   当 Python 执行到 yield 关键字时，它会将后果返回给调用者，并记住这个地位。下次调用生成器的时候，它将从上次来到的地位继续执行。

   def count_up_to(n):
    count = 1
    while count <= n:
        yield count
        count += 1
   
   for number in count_up_to(5):
    print(number)
    
   # 输入
   1
   2
   3
   4
   5

   下面的代码定义了一个生成器函数 count_up_to，它会生成从 1 到 n 的数字。而后，咱们能够像迭代其余迭代器一样迭代这个生成器。
   应用生成器表达式创立生成器：
   生成器表达式相似于列表解析式，然而它创立的是一个生成器，而不是一个列表。这意味着它能够节俭内存。生成器表达式的语法是将列表解析式的方括号改为圆括号。

   numbers = (x for x in range(1, 6))
   
   for number in numbers:
    print(number)
   

   下面的代码创立了一个生成器，它会生成从 1 到 5 的数字。而后，咱们能够像迭代其余迭代器一样迭代这个生成器。

   四、什么是迭代器？

   在 Python 中，迭代器（Iterator）是一个能够记住遍历的地位的对象。迭代器对象必须实现两个非凡办法，即 __iter__() 和__next__()，它们独特形成了迭代器协定。迭代器能够是无限的也能够是有限的。

• __iter__()办法返回迭代器对象自身。这用在 for 和 in 语句中。
• __next__()办法返回迭代器的下一个值。如果没有更多的项能够返回，则应该抛出 StopIteration 异样。

举个例子，咱们能够创立一个返回数字序列的迭代器：

class Counter:
    def __init__(self, limit):
        self.limit = limit
        self.count = 0

    def __iter__(self):
        return self

    def __next__(self):
        if self.count < self.limit:
            self.count += 1
            return self.count
        else:
            raise StopIteration

counter = Counter(5)
for number in counter:
    print(number)

在这个例子中，Counter类是一个迭代器，能够产生从 1 到 5 的数字。首先，咱们创立一个 Counter 对象，并将其下限设为 5。而后，咱们应用 for 循环来迭代这个迭代器。
值得注意的是，生成器是一种非凡的迭代器，它更简略，但性能也更弱小。你能够应用 yield 关键字来定义一个生成器，或者应用圆括号的列表解析式来创立一个生成器表达式。

五、生成器和迭代器有什么区别？

生成器和迭代器在 Python 中都用于创立能够进行迭代的对象，但它们之间有一些次要区别：

1. 定义形式 ：迭代器须要定义一个类，并在类中实现__iter__() 和__next__()办法。而生成器则能够间接应用一个函数，通过 yield 语句返回每个迭代的值。
2. 简略性：相比之下，生成器的定义更简略。你只须要一个函数，就能够通过 yield 关键字生成值。而迭代器则须要更多的代码来定义类和办法。
3. 资源应用：生成器和迭代器都是懒加载（lazy load）的，也就是说它们只有在须要返回值的时候才会生成值。然而生成器更进一步，它们在生成值后不会保留这些值。这意味着如果你须要迭代的数据集很大，或者如果你须要的值须要大量计算，那么生成器可能会比迭代器更节俭资源。
4. 应用场景：迭代器更实用于须要自定义简单行为的状况，而生成器更实用于须要遍历大数据集或简单数据流的状况。

总的来说，生成器是一种非凡的迭代器，它的定义更简略，也更容易应用，但同时也继承了迭代器的次要个性。