经典面试题与答案
1. 列表（list）和元组（tuple）有什么区别？
在我每一次应聘Python数据科学家的面试中，这个问题都会被问到。所以对这个问题的答案，我可以说是了如指掌。
列表是可变的。创建后可以对其进行修改。
元组是不可变的。元组一旦创建，就不能对其进行更改。
列表表示的是顺序。它们是有序序列，通常是同一类型的对象。比如说按创建日期排序的所有用户名，如["Seth", "Ema", "Eli"]。
元组表示的是结构。可以用来存储不同数据类型的元素。比如内存中的数据库记录，如(2, "Ema", "2020–04–16")（#id, 名称,创建日期）。
2. 如何进行字符串插值？
在不导入Template类的情况下，有3种方法进行字符串插值。
name = 'Chris'
# 1. f stringsprint(f'Hello {name}')
# 2. % operatorprint('Hey %s %s' % (name, name))
# 3. format
print(
"My name is {}".format((name)))
3. “is”和“==”有什么区别？
在我的Python职业生涯的早期，我认为它们是相同的，因而制造了一些bug。所以请大家听好了，“is”用来检查对象的标识(id)，而“==”用来检查两个对象是否相等。
我们将通过一个例子说明。创建一些列表并将其分配给不同的名字。请注意，下面的b指向与a相同的对象。
a = [1,2,3]
b = a
c = [1,2,3]
下面来检查是否相等，你会注意到结果显示它们都是相等的。
print(a == b)
print(a == c)
#=> True
#=> True
但是它们具有相同的标识（id）吗？答案是不。
print(a is b)
print(a is c)
#=> True
#=> False
我们可以通过打印他们的对象标识（id）来验证这一点。
print(id(a))
print(id(b))
print(id(c))
#=> 4369567560
#=> 4369567560
#=> 4369567624
你可以看到：c和a和b具有不同的标识（id）。
4. 什么是装饰器（decorator）？
这是每次面试我都会被问到的另一个问题。它本身就值得写一篇文章。如果你能自己用它编写一个例子，那么说明你已经做好了准备。
装饰器允许通过将现有函数传递给装饰器，从而向现有函数添加一些额外的功能，该装饰器将执行现有函数的功能和添加的额外功能。
我们将编写一个装饰器，该装饰器会在调用另一个函数时记录日志。
编写装饰器函数logging。它接受一个函数func作为参数。它还定义了一个名为log_function_called的函数，它先执行打印出一些“函数func被调用”的信息（print(f'{func} called.')），然后调用函数func()。最后返回定义的函数。
def logging(func):
def log_function_called():
print(f'{func} called.')
func()
return log_function_called
让我们编写其他两个函数，我们最终会将装饰器添加到其中（但还没有）。
def my_name():
print('chris')def friends_name():
print('naruto')my_name()
friends_name()
#=> chris
#=> naruto
现在将装饰器添加到上面编写的两个函数之中。
@logging
def my_name():
print('chris')@logging
def friends_name():
print('naruto')my_name()
friends_name()
#=> <function my_name at 0x10fca5a60> called.
#=> chris
#=> <function friends_name at 0x10fca5f28> called.
#=> naruto
现在，你了解了如何仅仅通过在其上面添加@logging（装饰器），就能够轻松地将日志添加到我们编写的任何函数中。
5. 解释Range函数
Range函数可以用来创建一个整数列表，一般用在for循环中。它有3种使用方法。
Range函数可以接受1到3个参数，参数必须是整数。
请注意：我已经将range的每种用法包装在一个递推式构造列表（list comprehension）中，以便我们可以看到生成的值。
用法1 - range(stop)：生成从0到参数“stop”之间的整数。
[i for i in range(10)]
#=> [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
用法2 - range(start, stop) : 生成从参数“start”到“stop”之间的整数
[i for i in range(2,10)]
#=> [2, 3, 4, 5, 6, 7, 8, 9]
用法3 - range(start, stop, step)：以参数“step”为步长，生成从“start”到“stop”之间的整数。
[i for i in range(2,10,2)]
#=> [2, 4, 6, 8]
6. 定义一个名为car的类，它有两个属性：“color”和“speed”。然后创建一个实例并返回“speed”。
class Car :
def __init__(self, color, speed):
self.color = color
self.speed = speedcar = Car('red','100mph')
car.speed
#=> '100mph'
7. Python中的实例方法、静态方法和类方法有什么区别？
实例方法：接受self参数，并且与类的特定实例相关。
静态方法：使用装饰器 @staticmethod，与特定实例无关，并且是自包含的（不能修改类或实例的属性）。
类方法：接受cls参数，并且可以修改类本身。
我们将通过一个虚构的CoffeeShop类来说明它们之间的区别。
class CoffeeShop:
specialty = 'espresso'
def __init__(self, coffee_price):
self.coffee_price = coffee_price
# instance method
def make_coffee(self):
print(f'Making {self.specialty} for ${self.coffee_price}')
# static method
@staticmethod
def check_weather():
print('Its sunny') # class method
@classmethod
def change_specialty(cls, specialty):
cls.specialty = specialty
print(f'Specialty changed to {specialty}')
CoffeeShop类有一个属性specialty，默认值设为“espresso”。CoffeeShop类的每个实例初始化时都使用了coffee_price这个属性。同时，它还有3个方法，一个实例方法，一个静态方法和一个类方法。
让我们将coffee_price的值设为5，来初始化CoffeeShop的一个实例。然后调用实例方法make_coffee。
coffee_shop = CoffeeShop('5')
coffee_shop.make_coffee()
#=> Making espresso for $5
现在我们来调用静态方法。静态方法无法修改类或实例状态，因此通常用于工具函数，例如，把2个数字相加。我们这里用它来检查天气。天气晴朗。太好了！
coffee_shop.check_weather()
#=> Its sunny
现在让我们使用类方法修改CoffeeShop的属性specialty，然后调用make_coffee()方法来制作咖啡。
coffee_shop.change_specialty('drip coffee')
#=> Specialty changed to drip coffeecoffee_shop.make_coffee()
#=> Making drip coffee for $5
注意，make_coffee过去是用来做意式浓缩咖啡（espresso）的，但现在用来做滴滤咖啡（drip coffee）了！
8. “func”和“ func()”有什么区别？
这个问题的目的是想看看你是否理解所有函数也是Python中的对象。
def func():
print('Im a function')
func
#=> function __main__.func>func()
#=> Im a function
func是表示函数的对象，它可以被分配给变量或传递给另一个函数。带圆括号的func()调用该函数并返回其输出。
9. 解释map函数的工作原理。
Map函数返回一个列表，该列表由对序列中的每个元素应用一个函数时返回的值组成。
def add_three(x):
return x + 3li = [1,2,3][i for i in map(add_three, li)]
#=> [4, 5, 6]
上面，我对列表中的每个元素的值加了3。
10. 解释reduce函数的工作原理。
这个问题很棘手，在你使用过它几次之前，你得努力尝试自己能够理解它。
reduce接受一个函数和一个序列，然后对序列进行迭代。在每次迭代中，当前元素和前一个元素的输出都传递给函数。最后，返回一个值。
from functools import reduce
def add_three(x,y):
return x + y
li = [1,2,3,5]
reduce(add_three, li)
#=> 11
返回11，它是1 + 2 + 3 + 5的总和。
11.解释filter函数的工作原理
Filter函数顾名思义，是用来按顺序过滤元素。
每个元素都被传递给一个函数，如果函数返回True，则在输出序列中返回该元素；如果函数返回False，则将其丢弃。
def add_three(x):
if x % 2 == 0:
return True
else:
return Falseli = [1,2,3,4,5,6,7,8][i for i in filter(add_three, li)]
#=> [2, 4, 6, 8]
注意上面所有不能被2整除的元素如何被删除的。
12. Python是按引用调用还是按值调用？
如果你在谷歌上搜索这个问题并阅读前几页，你就要准备好进入语义的迷宫了。你最好只是了解它的工作原理。
不可变对象（如字符串、数字和元组等）是按值调用的。请注意下面的例子，当在函数内部修改时，name的值在函数外部不会发生变化。name的值已分配给内存中该函数作用域的新块。
name = 'chr'
def add_chars(s):
s += 'is'
print(s)
add_chars(name)
print(name)
#=> chris
#=> chr
可变对象（如列表等）是通过引用调用的。注意下面的例子中，函数外部定义的列表在函数内部的修改是如何影响到函数外部的。函数中的参数指向内存中存储li值的原始块。
li = [1,2]
def add_element(seq):
seq.append(3)
print(seq)
add_element(li)
print(li)
#=> [1, 2, 3]
#=> [1, 2, 3]
13. 如何使用reverse函数反转一个列表？
下面的代码对一个列表调用reverse()函数，对其进行修改。该方法没有返回值，但是会对列表的元素进行反向排序。
li = ['a','b','c']
print(li)
li.reverse()
print(li)
#=> ['a', 'b', 'c']
#=> ['c', 'b', 'a']
14. 字符串乘法是如何工作的？
让我们看看将字符串" cat"乘以3的结果。
'cat' * 3
#=> 'catcatcat'
该字符串将自身连接3次。
15. 列表乘法是如何工作的?
我们来看看将列表[1,2,3]乘以2的结果。
[1,2,3] * 2
#=> [1, 2, 3, 1, 2, 3]
输出的列表包含了重复两次的列表[1,2,3]的内容。
16. 类中的“self”指的是什么？
“self”引用类本身的实例。这就是我们赋予方法访问权限并且能够更新方法所属对象的能力。
下面，将self传递给__init__()，使我们能够在初始化时设置实例的颜色。
class Shirt:
def __init__(self, color):
self.color = color
s = Shirt('yellow')
s.color
#=> 'yellow'
17. 如何在Python中连接列表？
将2个列表相加，就是将它们连接在一起。但请注意，数组的工作方式不是这样的。
a = [1,2]
b = [3,4,5]
a + b
#=> [1, 2, 3, 4, 5]
18. 浅拷贝和深拷贝之间有什么区别？
我们将在一个可变对象（列表）的上下文中讨论这个问题，对于不可变的对象，浅拷贝和深拷贝的区别并不重要。
我们将介绍三种情况。
1. 引用原始对象。这将新对象li2指向li1所指向的内存中的同一位置。因此，我们对li1所做的任何更改也会在li2中发生。
li1 = [['a'],['b'],['c']]
li2 = li1
li1.append(['d'])
print(li2)
#=> [['a'], ['b'], ['c'], ['d']]
2. 创建原始对象的浅拷贝副本。我们可以使用list()构造函数来实现这一点。浅拷贝创建一个新对象，但是用对原始对象的引用填充它。因此，向原始列表li3中添加新对象不会传播到li4中，但是修改li3中的一个对象将传播到li4中。
li3 = [['a'],['b'],['c']]
li4 = list(li3)
li3.append([4])
print(li4)
#=> [['a'], ['b'], ['c']]
li3[0][0] = ['X']
print(li4)
#=> [[['X']], ['b'], ['c']]
3. 创建一个深拷贝副本。这是用copy.deepcopy()完成的。现在，这两个对象是完全独立的，并且对其中一个对象所做的更改不会对另外一个对象产生影响。
import copy
li5 = [['a'],['b'],['c']]
li6 = copy.deepcopy(li5)
li5.append([4])
li5[0][0] = ['X']
print(li6)
#=> [['a'], ['b'], ['c']]
19. 列表和数组有什么区别？
注意：Python的标准库有一个array（数组）对象，但在这里，我特指常用的Numpy数组。
列表存在于python的标准库中。数组由Numpy定义。
列表可以在每个索引处填充不同类型的数据。数组需要同构元素。
列表上的算术运算可从列表中添加或删除元素。数组上的算术运算按照线性代数方式工作。
列表还使用更少的内存，并显著具有更多的功能。
20. 如何连接两个数组？
记住，数组不是列表。数组来自Numpy和算术函数，例如线性代数。
我们需要使用Numpy的连接函数concatenate()来实现。
import numpy as np
a = np.array([1,2,3])
b = np.array([4,5,6])
np.concatenate((a,b))
#=> array([1, 2, 3, 4, 5, 6])
21. 你喜欢Python的什么？
Python可读性很强，并且有一种Python方式可以处理几乎所有事情，这意味着它有一种简洁明了的首选方法。
我将Python与Ruby进行对比，Ruby通常有很多种方法来做某事，但是没有指南说哪种方法是首选。
22. 你最喜欢Python的哪个库？
在处理大量数据时，没有什么比Pandas（熊猫）更有帮助了，因为Pandas让操作和可视化数据变得轻而易举。
23. 举出几个可变和不可变对象的例子？
不可变意味着创建后不能修改状态。例如：int、float、bool、string和tuple。
可变意味着可以在创建后修改状态。例如列表（list）、字典（dict）和集合（set）。
24. 如何将一个数字四舍五入到小数点后三位？
使用round(value, decimal_places)函数。
a = 5.12345
round(a,3)
#=> 5.123
25. 如何分割一个列表？
分割语法使用3个参数，list[start:stop:step]，其中step是返回元素的间隔。
a = [0,1,2,3,4,5,6,7,8,9]
print(a[:2])
#=> [0, 1]
print(a[8:])
#=> [8, 9]
print(a[2:8])
#=> [2, 3, 4, 5, 6, 7]
print(a[2:8:2])
#=> [2, 4, 6]
26. 什么是pickling?
Pickling是Python中序列化和反序列化对象的常用方法。
在下面的示例中，我们对一个字典列表进行序列化和反序列化。
import pickle
obj = [
{'id':1, 'name':'Stuffy'},
{'id':2, 'name': 'Fluffy'}
]
with open('file.p', 'wb') as f:
pickle.dump(obj, f)
with open('file.p', 'rb') as f:
loaded_obj = pickle.load(f)
print(loaded_obj)
#=> [{'id': 1, 'name': 'Stuffy'}, {'id': 2, 'name': 'Fluffy'}]
27. 字典和JSON有什么区别？
Dict是Python的一种数据类型，是经过索引但无序的键和值的集合。
JSON只是一个遵循指定格式的字符串，用于传输数据。
28. 你在Python中使用了哪些ORM？
ORM（对象关系映射）将数据模型（通常在应用程序中）映射到数据库表，并简化了数据库事务。
SQLAlchemy通常用于Flask的上下文中，而Django拥有自己的ORM。
29. any()和all()如何工作?
Any接受一个序列，如果序列中的任何元素为true，则返回true。
All只有当序列中的所有元素都为true时，才返回true。
a = [False, False, False]
b = [True, False, False]
c = [True, True, True]
print( any(a) )
print( any(b) )
print( any(c) )
#=> False
#=> True
#=> True
print( all(a) )
print( all(b) )
print( all(c) )
#=> False
#=> False
#=> True
30. 字典和列表的查找速度哪个更快？
在列表中查找一个值需要O（n）时间，因为需要遍历整个列表，直到找到值为止。
在字典中查找一个值只需要O（1）时间，因为它是一个哈希表。
如果有很多值，这会造成很大的时间差异，因此通常建议使用字典来提高速度。但字典也有其他限制，比如需要唯一键。
31. 模块（module）和包（package）有什么区别？
模块是可以一起导入的文件（或文件集合）。
import sklearn
包是模块的目录。
from sklearn import cross_validation
因此，包是模块，但并非所有模块都是包。
32. 如何在Python中递增和递减一个整数？
可以使用“+=”和“-=”对整数进行递增和递减。
value = 5
value += 1
print(value)
#=> 6
value -= 1
value -= 1
print(value)
#=> 4
33. 如何返回一个整数的二进制值？
使用bin()函数。
bin(5)
#=> '0b101'
34. 如何从列表中删除重复的元素？
可以通过将一个列表先转化为集合，然后再转化回列表来完成。
a = [1,1,1,2,3]
a = list(set(a))
print(a)
#=> [1, 2, 3]
35. 如何检查一个值是不是在列表中存在？
使用“in”。
'a' in ['a','b','c']
#=> True
'a' in [1,2,3]
#=> False
36. append和extend有什么区别?
Append将一个值添加到一个列表中，而extend将另一个列表的值添加到一个列表中。
a = [1,2,3]
b = [1,2,3]
a.append(6)
print(a)
#=> [1, 2, 3, 6]
b.extend([4,5])
print(b)
#=> [1, 2, 3, 4, 5]
37. 如何取一个整数的绝对值？
这可以通过abs()函数来实现。
abs(2
#=> 2
abs(-2)
#=> 2
38. 如何将两个列表组合成一个元组列表？
可以使用zip函数将列表组合成一个元组列表。这不仅仅限于使用两个列表。也适合3个或更多列表的情况。
a = ['a','b','c']
b = [1,2,3]
[(k,v) for k,v in zip(a,b)]
#=> [('a', 1), ('b', 2), ('c', 3)]
39. 如何按字母顺序对字典进行排序？
你不能对字典进行排序，因为字典没有顺序，但是你可以返回一个已排序的元组列表，其中包含字典中的键和值。
d = {'c':3, 'd':4, 'b':2, 'a':1}
sorted(d.items())
#=> [('a', 1), ('b', 2), ('c', 3), ('d', 4)]
40. 一个类如何继承Python的另一个类？
在下面的示例中，Audi继承自Car。继承带来了父类的实例方法。
class Car():
def drive(self):
print('vroom')
class Audi(Car):
pass
audi = Audi()
audi.drive()
41. 如何删除字符串中的所有空白？
最简单的方法是使用空白拆分字符串，然后将拆分成的字符串重新连接在一起。
s = 'A string with white space'
''.join(s.split())
#=> 'Astringwithwhitespace'
42. 在迭代序列时，为什么要使用enumerate()？
enumerate()允许在序列上迭代时跟踪索引。它比定义和递增一个表示索引的整数更具Python感。
li = ['a','b','c','d','e']
for idx,val in enumerate(li):
print(idx, val)
#=> 0 a
#=> 1 b
#=> 2 c
#=> 3 d
#=> 4 e
43. pass、continue和break之间有什么区别?
pass意味着什么都不做。我们之所以通常使用它，是因为Python不允许在没有代码的情况下创建类、函数或if语句。
在下面的例子中，如果在i>3中没有代码的话，就会抛出一个错误，因此我们使用pass。
a = [1,2,3,4,5]
for i in a:
if i > 3:
pass
print(i)
#=> 1
#=> 2
#=> 3
#=> 4
#=> 5
Continue会继续到下一个元素并停止当前元素的执行。所以当i<3时，永远不会达到print(i)。
for i in a:
if i < 3:
continue
print(i)
#=> 3
#=> 4
#=> 5
break会中断循环，序列不再重复下去。所以不会被打印3以后的元素。
for i in a:
if i == 3:
break
print(i)
#=> 1
#=> 2
44. 如何将for循环转换为使用递推式构造列表（list comprehension）？
For循环如下：
a = [1,2,3,4,5]
a2 = []
for i in a:
a2.append(i + 1)print(a2)
#=> [2, 3, 4, 5, 6]
用递推式构造列表来修改这个for循环，代码如下：
a
a3 = [i+1 for i in a]
print(a3)
#=> [2, 3, 4, 5, 6]
递推式构造列表通常被认为更具Python风格，同时仍易于阅读。
45. 举一个使用三元运算符的例子。
三元运算符是一个单行的if/else语句。
语法看起来像“if 条件 else b”。
x = 5
y = 10
'greater' if x > 6 else 'less'
#=> 'less'
'greater' if y > 6 else 'less'
#=> 'greater'
46. 检查一个字符串是否仅仅包含数字？
可以使用isnumeric()方法。
'123abc...'.isalnum()
#=> False'
123abc'.isalnum()
#=> True
47. 检查一个字符串是否仅仅包含字母？
你可以使用isalpha()。
'123a'.isalpha()
#=> False
'a'.isalpha()
#=> True
48. 检查字符串是否只包含数字和字母？
你可以使用isalnum()。
'123abc...'.isalnum()
#=> False
'123abc'.isalnum()
#=> True
49. 从字典返回键列表
这可以通过将字典传递给Python的list()构造函数list()来完成。
d = {'id':7, 'name':'Shiba', 'color':'brown', 'speed':'very slow'}
list(d)
#=> ['id', 'name', 'color', 'speed']
50. 如何将一个字符串转化为全大写和全小写？
你可以使用upper()和lower()字符串方法。
small_word = 'potatocake'
big_word = 'FISHCAKE'
small_word.upper()
#=> 'POTATOCAKE'
big_word.lower()
#=> 'fishcake'
51. remove、del和pop有什么区别?
remove() 删除第一个匹配的值。
li = ['a','b','c','d']
li.remove('b')
li
#=> ['a', 'c', 'd']
del按索引删除元素。
li = ['a','b','c','d']
del li[0]
li
#=> ['b', 'c', 'd']
pop() 按索引删除一个元素并返回该元素。
li = ['a','b','c','d']
li.pop(2)
#=> 'c'
li
#=> ['a', 'b', 'd']
52. 举一个递推式构造字典（dictionary comprehension）的例子
下面我们将创建一个字典，其中字母表中的字母作为键，并以字母索引作为值。
# creating a list of letters
import string
list(string.ascii_lowercase)
alphabet = list(string.ascii_lowercase)
# list comprehension
d = {val:idx for idx,val in enumerate(alphabet)}
d
#=> {'a': 0,
#=> 'b': 1,
#=> 'c': 2,
#=> ...
#=> 'x': 23,
#=> 'y': 24,
#=> 'z': 25}
53. Python中的异常处理是如何进行的？
Python提供了3个关键字来处理异常，try、except和finally。
语法如下：
try:
# try to do this
except:
# if try block fails then do this
finally:
# always do this
在下面的简单示例中，try块失败，因为我们不能将字符串添加到整数中。except块设置val=10，然后finally块打印出“complete”。
try:
val = 1 + 'A'
except:
val = 10
finally:
print('complete')
print(val)
#=> complete
#=> 10
原文链接:
https://towardsdatascience.com/53-python-interview-questions-and-answers-91fa311eec3f