文章目录
这边有几个面试题，好棒
第1题：你如何管理不同版本的代码？
git,svn两个都要说到，github，码云也要提及，面试官想要的就是版本管理工具，你只要选择一个你熟悉的，疯狂的说一通就可以了，最好说一下自己以前做过哪些开源的项目，放在上面，没有，就另当别论了。
第2题：python中生成随机整数、随机小数、0~1之间小数方法？
python中生成随机整数
import random
random.randint(1,10)
随机小数
看自己习惯，可以用random库，也可以用numpy库
import random
random.random()
# 利用np.random.randn(5)生成5个随机小数
import numpy as np
np.random.randn(5)
0~1之间小数
random.random()
第3题：迭代器、可迭代对象、生成器？
第一步，你要知道什么是迭代
对list、tuple、str等类型的数据使用for…in…的循环语法从其中依次拿到数据进行使用，我们把这样的过程称为遍历，也叫迭代。
从结果去分析原因，能被for循环的就是“可迭代的”，但是如果正着想，for怎么知道谁是可迭代的呢？
假如我们自己写了一个数据类型，希望这个数据类型里的东西也可以使用for被一个一个的取出来，那我们就必须满足for的要求— 这个要求就叫做 协议。
可以被迭代要满足的要求就叫做：可迭代协议。
可迭代协议的定义非常简单，就是内部实现了__iter()__方法
如果某个对象中有_ iter _()方法，这个对象就是可迭代对象 （Iterable）
if '__iter__' in dir(str)
通俗易懂 ：可以被for循环迭代的对象就是可迭代对象。
从代码上面可以使用isinstance()判断一个对象是否是Iterable对象
from collections import Iterable
a = isinstance([], Iterable)
b = isinstance({}, Iterable)
c = isinstance('abc', Iterable)
d = isinstance((x for x in range(10)), Iterable)
e = isinstance(100, Iterable)
print(a,b,c,d,e)
结论
True True True True False
只有最后的数字不是可迭代对象
可迭代对象的本质
我们分析对可迭代对象进行迭代使用的过程，发现每迭代一次（即在for…in…中每循环一次）都会返回对象中的下一条数据，一直向后读取数据直到迭代了所有数据后结束。
那么，在这个过程中就应该有一个“人”去记录每次访问到了第几条数据，以便每次迭代都可以返回下一条数据。
我们把这个能帮助我们进行数据迭代的“人”称为迭代器(Iterator)
可迭代对象的本质就是可以 向我们提供一个这样的中间“人”即迭代器 帮助我们对其进行迭代遍历使用。
可迭代对象通过__iter__方法向我们提供一个迭代器，在迭代一个可迭代对象的时候，实际上就是先获取该对象提供的一个迭代器，然后通过这个迭代器来依次获取对象中的每一个数据。
综上所述，一个具备了__iter__方法的对象，就是一个可迭代对象。
class MyList(object):
def __init__(self):
self.container = []
def add(self, item):
self.container.append(item)
def __iter__(self):
"""返回一个迭代器"""
# 我们暂时忽略如何构造一个迭代器对象
pass
mylist = MyList()
from collections import Iterable
isinstance(mylist, Iterable)
iter()函数与next()函数
list、tuple等都是可迭代对象，我们可以通过iter()函数获取这些可迭代对象的迭代器。
然后我们可以对获取到的迭代器不断使用next()函数来获取下一条数据。iter()函数实际上就是调用了可迭代对象的__iter__方法。
>>> i = iter('spam')
>>> next(i)
's'
>>> next(i)
'p'
>>> next(i)
'a'
>>> next(i)
'm'
>>> next(i)
Traceback (most recent call last):
File "<pyshell#5>", line 1, in <module>
next(i)
StopIteration
>>>
当序列遍历完时，将抛出一个
StopIteration异常。这将使迭代器与循环兼容，因为它们将捕获这个异常以停止循环。
要创建定制的迭代器，可以编写一个具有next方法的类。
迭代器Iterator
通过上面的分析，现在你应该已经知道了，迭代器是用来帮助我们记录每次迭代访问到的位置，当我们对迭代器使用next()函数的时候，迭代器会向我们返回它所记录位置的下一个位置的数据。
实际上，在使用next()函数的时候，调用的就是迭代器对象的__next__方法（Python3中是对象的__next__方法，Python2中是对象的next()方法）。
所以，我们要想构造一个迭代器，就要实现它的__next__方法。但这还不够，python要求迭代器本身也是可迭代的，所以我们还要为迭代器实现__iter__方法，而__iter__方法要返回一个迭代器，迭代器自身正是一个迭代器，所以迭代器的__iter__方法返回自身即可。
一个实现了__iter__方法和__next__方法的对象，就是迭代器。
class MyList(object):
"""自定义的一个可迭代对象"""
def __init__(self):
self.items = []
def add(self, val):
self.items.append(val)
def __iter__(self):
myiterator = MyIterator(self)
return myiterator
class MyIterator(object):
"""自定义的供上面可迭代对象使用的一个迭代器"""
def __init__(self, mylist):
self.mylist = mylist
# current用来记录当前访问到的位置
self.current = 0
def __next__(self):
if self.current < len(self.mylist.items):
item = self.mylist.items[self.current]
self.current += 1
return item
else:
raise StopIteration
def __iter__(self):
return self
if __name__ == '__main__':
mylist = MyList()
mylist.add(1)
mylist.add(2)
mylist.add(3)
mylist.add(4)
mylist.add(5)
for num in mylist:
print(num)
本部分代码来源： https://blog.csdn.net/weixin_42225318/article/details/81274348 博主这篇博客写的真好
可迭代对象与迭代器
- 可迭代对象包含迭代器。
- 如果一个对象拥有
__iter__方法，那么它是可迭代对象；如果一个对象拥有next方法，其是迭代器。 - 定义可迭代对象，必须实现
__iter__方法；定义迭代器，必须实现__iter__和next方法。
-
_iter_()
该方法返回的是当前对象的迭代器类的实例。因为可迭代对象与迭代器都要实现这个方法 -
next()
返回迭代的每一步，实现该方法时注意要最后超出边界要抛出StopIteration异常。
迭代器一定是可迭代对象，反过来则不一定成立。用iter()函数可以把list、dict、str等Iterable变成Iterator
生成器
- 生成器是一种特殊的迭代器，生成器
自动实现了“迭代器协议”（即__iter__和next方法），不需要再手动实现两方法。 - 生成器在迭代的过程中可以改变当前迭代值，而修改普通迭代器的当前迭代值往往会发生异常，影响程序的执行。
- 具有
yield关键字的函数都是生成器，yield可以理解为return，返回后面的值给调用者。不同的是return返回后，函数会释放，而生成器则不会。在直接调用next方法或用for语句进行下一次迭代时，生成器会从yield下一句开始执行，直至遇到下一个yield。
第4题：单引号，双引号，三引号的区别？
-
单引号和双引号主要用来表示字符串
比如: 单引号:'python' 双引号:"python" -
三引号
三单引号:’’‘python ‘’’，也可以表示字符串一般用来输入多行文本，或者用于大段的注释；
三双引号：""“python”""，一般用在类里面,用来注释类,这样省的写文档,直接用类的对象__doc__访问获得文档。
区别
若你的字符串里面本身包含单引号,必须用双引号
例子:"can't find the log
"
第5题：Python是如何进行内存管理的？
对象的引用计数机制
Python内部使用引用计数，来保持追踪内存中的对象，所有对象都有引用计数。
引用计数增加的情况：
总结一下对象会在一下情况下引用计数加1：
- 对象被创建：x=‘spam’
- 另外的别人被创建：y=x
- 被作为参数传递给函数：foo(x)
- 作为容器对象的一个元素：a=[1,x,‘33’]
引用计数减少情况
- 一个本地引用离开了它的作用域。比如上面的foo(x)函数结束时，x指向的对象引用减1。
- 对象的别名被显式的销毁：del x ；或者del y
- 对象的一个别名被赋值给其他对象：x=789
- 对象从一个窗口对象中移除：myList.remove(x)
- 窗口对象本身被销毁：del myList，或者窗口对象本身离开了作用域。
垃圾回收
- 当内存中有不再使用的部分时，垃圾收集器就会把他们清理掉。它会去检查那些引用计数为0的对象，然后清除其在内存的空间。当然除了引用计数为0的会被清除，还有一种情况也会被垃圾收集器清掉：当两个对象相互引用时，他们本身其他的引用已经为0了。
- 垃圾回收机制还有一个循环垃圾回收器, 确保释放循环引用对象(a引用b, b引用a, 导致其引用计数永远不为0)。
在Python中，许多时候申请的内存都是小块的内存，这些小块内存在申请后，很快又会被释放，由于这些内存的申请并不是为了创建对象，所以并没有对象一级的内存池机制。这就意味着Python在运行期间会大量地执行malloc和free的操作，频繁地在用户态和核心态之间进行切换，这将严重影响Python的执行效率。为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。
内存池机制
- Python提供了对内存的垃圾收集机制，但是它将不用的内存放到内存池而不是返回给操作系统；
- Pymalloc机制：为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放；
- 对于Python对象，如整数，浮点数和List，都有其独立的私有内存池，对象间不共享他们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。
第6题：写一个函数, 输入一个字符串, 返回倒序排列的结果？
使用字符串本身的翻转
def order_by(str):
return str[::-1]
print(order_by('123456'))
输出：654321
把字符串变为列表，用列表的reverse函数
def reverse2(text='abcdef'):
new_text=list(text)
new_text.reverse()
return ''.join(new_text)
reverse2('abcdef')
新建一个列表，从后往前取
def reverse3(text='abcdef'):
new_text=[]
for i in range(1,len(text)+1):
new_text.append(text[-i])
return ''.join(new_text)
reverse3('abcdef')
利用双向列表deque中的extendleft函数
from collections import deque
def reverse4(text='abcdef'):
d = deque()
d.extendleft(text)
return ''.join(d)
reverse4('abcdef')
微信搜索：非本科程序员
关注微信公众号「非本科程序员」，获取2T学习资源
