988
Python
Python麵試必須要看的15個問題
引言
想找一份Python開發工作嗎？那你很可能得證明自己知道如何使用Python。下麵這些問題涉及了與Python相關的許多技能，問題的關注點主要是語言本身，不是某個特定的包或模塊。每一個問題都可以擴充為一個教程，如果可能的話。某些問題甚至會涉及多個領域。
我之前還沒有出過和這些題目一樣難的麵試題，如果你能輕鬆地回答出來的話，趕緊去找份工作吧！
問題1
到底什麼是Python？你可以在回答中與其他技術進行對比（也鼓勵這樣做）。
答案
為什麼提這個問題：
如果你應聘的是一個Python開發崗位，你就應該知道這是門什麼樣的語言，以及它為什麼這麼酷。以及它哪裏不好。問題2
補充缺失的代碼
答案
特別要注意以下幾點：
為什麼提這個問題：
說明麵試者對與操作係統交互的基礎知識
遞歸真是太好用啦
問題3
閱讀下麵的代碼，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 =
A6 = [[i,i*i] for i in A1]
答案
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 =
A6 = [[0, 0], [1, 1], [2, 4], [3, 9], [4, 16], [5, 25], [6, 36], [7, 49], [8, 64], [9, 81]]
為什麼提這個問題：
列表解析（list comprehension）十分節約時間，對很多人來說也是一個大的學習障礙。
如果你讀懂了這些代碼，就很可能可以寫下正確地值。
其中部分代碼故意寫的怪怪的。因為你共事的人之中也會有怪人。
問題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。
答案
為什麼提這個問題
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。
問題5
你如何管理不同版本的代碼？
答案：
版本管理！被問到這個問題的時候，你應該要表現得很興奮，甚至告訴他們你是如何使用Git（或是其他你最喜歡的工具）追蹤自己和奶奶的書信往來。我偏向於使用Git作為版本控製係統（VCS），但還有其他的選擇，比如subversion（SVN）。
為什麼提這個問題：
因為沒有版本控製的代碼，就像沒有杯子的咖啡。有時候我們需要寫一些一次性的、可以隨手扔掉的腳本，這種情況下不作版本控製沒關係。但是如果你麵對的是大量的代碼，使用版本控製係統是有利的。版本控製能夠幫你追蹤誰對代碼庫做了什麼操作；發現新引入了什麼bug；管理你的軟件的不同版本和發行版；在團隊成員中分享源代碼；部署及其他自動化處理。它能讓你回滾到出現問題之前的版本，單憑這點就特別棒了。還有其他的好功能。怎麼一個棒字了得！
問題6
下麵代碼會輸出什麼：
def f(x,l=[]):
for i in range(x):
l.append(i*i)
print l
f(2)
f(3,[3,2,1])
f(3)
答案：
[0, 1]
[3, 2, 1, 0, 1, 4]
[0, 1, 0, 1, 4]
第一個函數調用十分明顯，for循環先後將0和1添加至了空列表l中。l是變量的名字，指向內存中存儲的一個列表。第二個函數調用在一塊新的內存中創建了新的列表。l這時指向了新生成的列表。之後再往新列表中添加0、1、2和4。很棒吧。第三個函數調用的結果就有些奇怪了。它使用了之前內存地址中存儲的舊列表。這就是為什麼它的前兩個元素是0和1了。
不明白的話就試著運行下麵的代碼吧：
問題7
“猴子補丁”（monkey patching）指的是什麼？這種做法好嗎？
答案：
“猴子補丁”就是指，在函數或對象已經定義之後，再去改變它們的行為。
舉個例子：
import datetime
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。
為什麼提這個問題？
答對這個問題說明你對單元測試的方法有一定了解。你如果提到要避免“猴子補丁”，可以說明你不是那種喜歡花裏胡哨代碼的程序員（公司裏就有這種人，跟他們共事真是糟糕透了），而是更注重可維護性。還記得KISS原則碼？答對這個問題還說明你明白一些Python底層運作的方式，函數實際是如何存儲、調用等等。
另外：如果你沒讀過mock模塊的話，真的值得花時間讀一讀。這個模塊非常有用。
問題8
這兩個參數是什麼意思：*args，**kwargs？我們為什麼要使用它們？
答案
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。
下麵是具體的示例：
為什麼提這個問題？
有時候，我們需要往函數中傳入未知個數的參數或關鍵詞參數。有時候，我們也希望把參數或關鍵詞參數儲存起來，以備以後使用。有時候，僅僅是為了節省時間。
問題9
下麵這些是什麼意思：@classmethod,@staticmethod,@property？
回答背景知識
這些都是裝飾器（decorator）。裝飾器是一種特殊的函數，要麼接受函數作為輸入參數，並返回一個函數，要麼接受一個類作為輸入參數，並返回一個類。@標記是語法糖（syntactic sugar），可以讓你以簡單易讀得方式裝飾目標對象。
真正的答案
@classmethod, @staticmethod和@property這三個裝飾器的使用對象是在類中定義的函數。下麵的例子展示了它們的用法和行為：
o = MyClass()
# 未裝飾的方法還是正常的行為方式，需要當前的類實例（self）作為第一個參數。
o.normal_method
#
o.normal_method()
# normal_method((,),{})
o.normal_method(1,2,x=3,y=4)
# normal_method((, 1, 2),{ y : 4, x : 3})
# 類方法的第一個參數永遠是該類
o.class_method
#
o.class_method()
# class_method((,),{})
o.class_method(1,2,x=3,y=4)
# class_method((, 1, 2),{ y : 4, x : 3})
# 靜態方法（static method）中除了你調用時傳入的參數以外，沒有其他的參數。
o.static_method
o.static_method()
# static_method((),{})
o.static_method(1,2,x=3,y=4)
# static_method((1, 2),{ y : 4, x : 3})
# @property是實現getter和setter方法的一種方式。直接調用它們是錯誤的。
# “隻讀”屬性可以通過隻定義getter方法，不定義setter方法實現。
o.some_property
# 調用some_property的getter(,(),{})
# properties are nice
# “屬性”是很好的功能
o.some_property()
# calling some_property getter(,(),{})
# Traceback (most recent call last):
# File "", line 1, in
# TypeError: str object is not callable
o.some_other_property
# calling some_other_property getter(,(),{})
# VERY nice
# o.some_other_property()
# calling some_other_property getter(,(),{})
# Traceback (most recent call last):
# File "", line 1, in
# TypeError: str object is not callable
o.some_property = "groovy"
# calling some_property setter(,( groovy ,),{})
o.some_property
# calling some_property getter(,(),{})
# groovy
o.some_other_property = "very groovy"
# Traceback (most recent call last):
# File "", line 1, in
# AttributeError: can t set attribute
o.some_other_property
# calling some_other_property getter(,(),{})
問題10
閱讀下麵的代碼，它的輸出結果是什麼？
答案
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
問題11
閱讀下麵的代碼，它的輸出結果是什麼？
class Node(object):
def __init__(self,sName):
self._lChildren = []
self.sName = sName
def __repr__(self):
return "".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)
# 說明下麵代碼的輸出結果
oRoot.print_all_1()
oRoot.print_all_2()
答案
oRoot.print_all_1()會打印下麵的結果：
oRoot.print_all_1()會打印下麵的結果：
為什麼提這個問題？
因為對象的精髓就在於組合（composition）與對象構造（object construction）。對象需要有組合成分構成，而且得以某種方式初始化。這裏也涉及到遞歸和生成器（generator）的使用。
生成器是很棒的數據類型。你可以隻通過構造一個很長的列表，然後打印列表的內容，就可以取得與print_all_2類似的功能。生成器還有一個好處，就是不用占據很多內存。
有一點還值得指出，就是print_all_1會以深度優先（depth-first）的方式遍曆樹(tree),而print_all_2則是寬度優先（width-first）。有時候，一種遍曆方式比另一種更合適。但這要看你的應用的具體情況。
問題12
簡要描述Python的垃圾回收機製（garbage collection）。
答案
這裏能說的很多。你應該提到下麵幾個主要的點：
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，那麼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，那麼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。對象被創建之後，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。
問題13
將下麵的函數按照執行效率高低排序。它們都接受由0至1之間的數字構成的列表作為輸入。這個列表可以很長。一個輸入列表的示例如下：[random.random() for i in range(100000)]。你如何證明自己的答案是正確的。
答案
按執行效率從高到低排列：f2、f1和f3。要證明這個答案是對的，你應該知道如何分析自己代碼的性能。Python中有一個很好的程序分析包，可以滿足這個需求。
為了向大家進行完整地說明，下麵我們給出上述分析代碼的輸出結果：
>>> cProfile.run( f1(lIn) )
4 function calls in 0.045 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.009 0.009 0.044 0.044 :1(f1)
1 0.001 0.001 0.045 0.045 :1()
1 0.000 0.000 0.000 0.000
1 0.035 0.035 0.035 0.035
>>> cProfile.run( f2(lIn) )
4 function calls in 0.024 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.008 0.008 0.023 0.023 :1(f2)
1 0.001 0.001 0.024 0.024 :1()
1 0.000 0.000 0.000 0.000
1 0.016 0.016 0.016 0.016
>>> cProfile.run( f3(lIn) )
4 function calls in 0.055 seconds
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.016 0.016 0.054 0.054 :1(f3)
1 0.001 0.001 0.055 0.055 :1()
1 0.000 0.000 0.000 0.000
1 0.038 0.038 0.038 0.038
為什麼提這個問題？
定位並避免代碼瓶頸是非常有價值的技能。想要編寫許多高效的代碼，最終都要回答常識上來——在上麵的例子中，如果列表較小的話，很明顯是先進行排序更快，因此如果你可以在排序前先進行篩選，那通常都是比較好的做法。其他不顯而易見的問題仍然可以通過恰當的工具來定位。因此了解這些工具是有好處的。
問題14
你有過失敗的經曆嗎？
錯誤的答案
我從來沒有失敗過！
為什麼提這個問題？
恰當地回答這個問題說明你用於承認錯誤，為自己的錯誤負責，並且能夠從錯誤中學習。如果你想變得對別人有幫助的話，所有這些都是特別重要的。如果你真的是個完人，那就太糟了，回答這個問題的時候你可能都有點創意了。
問題15
你有實施過個人項目嗎？
真的？
如果做過個人項目，這說明從更新自己的技能水平方麵來看，你願意比最低要求付出更多的努力。如果你有維護的個人項目，工作之外也堅持編碼，那麼你的雇主就更可能把你視作為會增值的資產。即使他們不問這個問題，我也認為談談這個話題很有幫助。
結語
我給出的這些問題時，有意涉及了多個領域。而且答案也是特意寫的較為囉嗦。在編程麵試中，你需要展示你對語言的理解，如果你能簡要地說清楚，那請務必那樣做。我盡量在答案中提供了足夠的信息，即使是你之前從來沒有了解過這些領域，你也可以從答案中學到些東西。我希望本文能夠幫助你找到滿意的工作。
點讚+關注
感謝大家
最後更新：2017-10-08 15:52:01