Python资源汇总

基础知识

Python学习笔记

Python Docs

• Python 3.5.0 documentation
• Python标准库中文版.pdf

实用代码

简易Web服务

终端输入：python -m http.server 8000
浏览器打开localhost:8000即可当FTP使用

获取脚本所在的目录

1
2
3
4
5
6
7
8
9

# 确切地说，__file__是模块所在的文件
# 如果该模块从其他文件中导入，则显示其他文件的目录
print(__file__)   # F:\hexo\test.py
print(os.path.dirname(__file__))  # F:\hexo

# 始终显示主执行文件的目录
print(sys.path[0])  # F:\hexo\test.py
print(os.path.dirname(sys.path[0]))  # F:\hexo
print(sys.argv[0])  # F:\hexo

拖曳文件到Python脚本图标上，获取文件名

1
2
3
4
5
6

if __name__ == '__main__':
    # sys.argv[0]为脚本本身，sys.argv[1:]为其他文件
    if len(sys.argv) == 1:
        print("请将文件拖曳到本脚本！")
        sys.exit(0)
    files = sys.argv[1:]

解析csv

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18

import csv  # 标准库

# 由于csv库有自己的换行符，需要把open方法的newline设置为空，否则在Excel中会出现数据隔行。

# 写入
with open(filename, 'w', encoding='utf-8', newline='') as f:
    writer = csv.writer(f)
    writer.writerow(row)

# 读取
with open(filename, 'r', encoding='utf-8', newline='') as f:
    reader = csv.reader(f)
    for _ in reader:
        print(_)

# 不使用csv标准库，自己解析
with open('t.csv', 'r') as f:
    rows = [line.strip().split(',') for line in f.readlines()]

如果文件已存在，则删除

1
2

if os.path.exists(save_file):
    os.remove(save_file)

打开文件

1
2

import subprocess # 自带模块
subprocess.call(fileName, shell=True)  # 打开文件

性能分析使用cProfile模块

命令行输入：

1

python -m cProfile your.py

一维数组变二维

1
2
3
4

a = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24]
g = iter(a)
res = [[next(g) for _ in range(n)] for _ in range(n)]
# [[0, 1, 2, 3, 4], [5, 6, 7, 8, 9], [10, 11, 12, 13, 14], [15, 16, 17, 18, 19], [20, 21, 22, 23, 24]]

二维矩阵转置

1
2
3
4

a = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
[[row[col] for row in a] for col in range(len(a[0]))] # 方法一
list(map(list,zip(*a))) # 方法二
# 结果都是：[[1, 4, 7], [2, 5, 8], [3, 6, 9]]

使用zip合并相邻的列表项

1
2
3
4
5
6
7

a = [1, 2, 3, 4, 5, 6]
list(zip(*([iter(a)] * 2)))   # [(1, 2), (3, 4), (5, 6)]
list(zip(a[::2], a[1::2]))   # [(1, 2), (3, 4), (5, 6)]
list(zip(a[::3], a[1::3], a[2::3]))   # [(1, 2, 3), (4, 5, 6)]
# 通用公式
f1 = lambda a, k: zip(*([iter(a)] * k))
f2 = lambda a, k: zip(*(a[i::k] for i in range(k)))

使用zip反转字典

1
2

m = {'a': 1, 'b': 2, 'c': 3, 'd': 4}
list(zip(m.values(), m.keys()))   # [(4, 'd'), (1, 'a'), (3, 'c'), (2, 'b')]

random.sample(list, n)通常用来产生不重复的n位数字

1
2

print int(''.join(map(str, random.sample(range(10), 10))))
#3571490628

enumerate会将数组或列表组成一个索引序列

1
2

for index，text in enumerate(list)):
    print index ,text

判断一个数是不是素数

1

lambda x:not[x%i for i in range(2,x/2+1) if x%i == 0]

多序列同时迭代

注：Iterator指惰性序列，list、turple等是Iteratable，但不是Iterator

1
2
3
4
5
6
7
8
9
10
11

a = [1, 2, 3, 4]
b = ['a', 'b', 'c']

### 以下都是Iterator，可作用于二个或以上序列
zip(a, b)   # (1,'a'), (2, 'b'), (3, 'c')

from itertools import zip_longest
zip_longest(a, b)   # (1, 'a'), (2, 'b'), (3, 'c'), (4, None)

from itertools import chain
chain(a, b)   # [1, 2, 3, 4, 'a', 'b', 'c']

嵌套序列变平

1
2
3
4
5
6
7
8
9
10
11
12

from collections import Iterable

def flatten(items, ignore_types=(str, bytes)):
    for x in items:
        if isinstance(x, Iterable) and not isinstance(x, ignore_types):
            yield from flatten(x)
        else:
            yield x

items = [1, 2, [3, 4, [5, 6], 7], 8]
for x in flatten(items):
    print(x)

迭代多个有序排列数组（多路归并排序）

1
2
3
4
5

import heapq
from collections import Iterator
a = [1, 4, 7, 10]
b = [2, 5, 6, 11]
heapq.merge(a, b) # 1, 2, 4, 5, 6, 7, 10, 11

一行筛质数

1

filter(lambda x: all(map(lambda p: x % p != 0, range(2, x))), range(2, n))

对 array 按照第二列降序排序并取前 10 个

1

sorted(array, key=lambda x: x[1], reverse=True)[:10]

对两个字符串（这里假设等长）做异或操作

1

"".join([chr(ord(x) ^ ord(y)) for (x, y) in zip(a, b)])

转置矩阵

1
2

m = [[1,2],[3,4]]
zip(*m)   # *是把list中的项当成可选参数传进去

链式比较：

1
2
3

a = 3
b = 1
1 <= b <= a < 10  #True

真值测试

1
2
3
4
5
6

name = 'Tim'
langs = ['AS3', 'Lua', 'C']
info = {'name': 'Tim', 'sex': 'Male', 'age':23 }

if name and langs and info:
    print('All True!')  #All True!

字典默认值

1
2
3
4

dic = {'name':'Tim', 'age':23}

dic['workage'] = dic.get('workage',0) + 1
#dic = {'age': 23, 'workage': 1, 'name': 'Tim'}

技术博客

• gaga salamer
• 创e 一个运维工程师的python自动化运维实践。
• cwyalpha的博客 Python爬虫学习记录系列
• xlzd
• 小信’Blog
• 离别歌：乌云核心白帽子、混迹于各大社区的伪装程序猿，喜欢各种代码与审计、linux运维与内网、python web开发。

练习资源

• 黑板客爬虫闯关
• 能利用爬虫技术做到哪些很酷很有趣很有用的事情
• 你是如何开始能写python爬虫？
• Python 有哪些一千行左右的经典练手项目？
• 有哪些网站用爬虫爬取能得到很有价值的数据？

学习资料

• Python快速教程
• Python爬虫学习系列教程
• Python正则表达式指南
• pythoner.cn视频课程 截至2015年9月30号，上面发布了7个相关视频教程， 内容覆盖了面向对象知识体系， Flask入门， Django入门， 多线程开发， 文件处理，网络爬虫，图形开发的内容。
• Python项目构建实践 Python项目构建最佳实践。 用Python开发项目的童鞋可以看看别人的实践， 有一些指导意义。
• Flask 教程
• Flask开发文档
• Flask大型教程 本系列是作者平时使用 Flask 微框架编写应用的经验之谈
• Tornado入门教程
• Python中文学习大本营
• 《编写高质量代码 改善Python程序的91个建议.pdf》
• 聊聊python面试这件事儿
• Python开发入门与实战 Django教程
• Python 3 CookBook

常用库

• Python Package Index 检索各种Python库
• Python Extension Package For Windows：编译好的Python库

可以直接根据下面的名字用pip命令安装 eg：

pip install BeautifulSoup4

批量安装第三方库：

pip install -r requirements.txt --allow-all-external

其中，requirments.txt的内容为:

Flask==0.9
Jinja2==2.7.2
Werkzeug==0.8.3
gunicorn==0.17.2

• BeautifulSoup4：从HTML或XML文件中提取数据
• lxml：HTML/XML的解析器，可与BeautifulSoup配套使用。如果安装出错请看这里：Python 3 安装 lxml
• pyquery：使用jquery语法解析HTML，需要先安装lxml。用法：python数据抓取之pyquery包
• requests：比python自带的urllib更人性化
• xlrd，xlwt：分别用于读、写Excel
• selenium：用于Web应用程序测试
• ipython，pyreadline：ipython能够逐行显示python代码的运行结果，能够更好的调试python代码，并且有tab自动补全功能。后者是配色
• html2text：从HTML中提取易于阅读的文本
• pandas：数据分析。CookBook
• jieba：中文分词
• pypinyin：将汉语转为拼音。可以用于汉字注音、排序、检索。
• sh：可以用 Python 函数的语法去调用 shell 命令
• Watchdog：监视文件系统改动
• Path：简化文件系统相关操作
• Sphinx：爱上写文档
• flask：Web框架
• WeRoBot：微信机器人框架
• tqdm：在长循环中添加一个进度提示信息，用户只需要封装任意的迭代器 tqdm(iterator)。

pip 常用命令

pip --help                        # 帮助文档
pip install SomePackage           # 安装最新版本
pip install SomePackage==1.0.4    # 安装指定版本
pip install 'SomePackage>=1.0.4'  # 限制最低版本
pip uninstall SomePackage         # 卸载
pip list                          # 查看已安装
pip list --outdated               # 查看可升级
pip install --upgrade SomePackage # 升级
pip show --files SomePackage      # 相关文件及路径等信息
pip freeze > F:\requirements.txt  # 导出所有第三方库到文件
pip install -r requirements.txt   # 根据文件安装对应的软件包
# 下面是批量升级所有可更新的第三方库，需要在git bash中运行
pip list --outdated | grep '^[a-z]* (' | cut -d " " -f 1 | xargs pip install -U

IDE与编辑器

• PyCharm
• Sublime Text 3 插件：
  代码自动完成Anaconda 。安装后代码会因PEP 8格式检查而出现白框，在Sublime > Preferences > Package Settings > Anaconda > Settings User 中添加如下代码即可解决：{"anaconda_linting": false}。

《SublimeText3 运行Python控制台不能输出中文的解决方法》

论坛与网站

• Python爱好者
• PythonTip Python主题网站

经验教训

os 库

• os.path.isdir()方法应该传入带绝对路径的文件名，如：r'e:\java'，如果只是传入文件名，如'java'，该方法只会在当前工作目录（可以用os.getcwd()查看)下查找有没有同名文件夹，有则返回true
• os.listdir()方法只返回文件名，需要自己用os.path.join()方法拼接出绝对路径。
• os.path.realpath()获取绝对路径，该方法会将传入的文件名与当前工作目录拼接出绝对路径。如果要使用这个方法，必须先用os.chdir()改变当前工作目录！建议优先用os.path.join()。
• os.path.relpath()获取相对路径，如果不传入命名关键字参数start，如start = r'C:\python'，则该方法会与根据当前工作目录计算相对路径，目录不同则报错。

面试宝典

网上搜集的面试题

到底什么是Python？

为什么提这个问题：如果你应聘的是一个Python开发岗位，你就应该知道这是门什么样的语言，以及它为什么这么酷。以及它哪里不好。

关键点：

• Python是一种解释型语言。这就是说，与C语言和C的衍生语言不同，Python代码在运行之前不需要编译。其他解释型语言还包括PHP和Ruby。
• Python是动态类型语言，指的是你在声明变量时，不需要说明变量的类型。你可以直接编写类似x=111和x=”I’m a string”这样的代码，程序不会报错。
• Python非常适合面向对象的编程（OOP），因为它支持通过组合（composition）与继承（inheritance）的方式定义类（class）。Python中没有访问说明符（access
  specifier，类似C++中的public和private），这么设计的依据是“大家都是成年人了”。
• 在Python语言中，函数是第一类对象（first-class objects）。这指的是它们可以被指定给变量，函数既能返回函数类型，也可以接受函数作为输入。类（class）也是第一类对象。
• Python代码编写快，但是运行速度比编译语言通常要慢。好在Python允许加入基于C语言编写的扩展，因此我们能够优化代码，消除瓶颈，这点通常是可以实现的。numpy就是一个很好地例子，它的运行速度真的非常快，因为很多算术运算其实并不是通过Python实现的。
• Python用途非常广泛——网络应用，自动化，科学建模，大数据应用，等等。它也常被用作“胶水语言”，帮助其他语言和组件改善运行状况。
• Python让困难的事情变得容易，因此程序员可以专注于算法和数据结构的设计，而不用处理底层的细节。

补充缺失的代码

为什么提这个问题？

• 说明面试者对与操作系统交互的基础知识
• 递归真是太好用啦

def print_directory_contents(sPath):
    """
    这个函数接受文件夹的名称作为输入参数，
    返回该文件夹中文件的路径，
    以及其包含文件夹中文件的路径。

    """
    # 补充代码

答案：

def print_directory_contents(sPath):
    import os
    for sChild in os.listdir(sPath):
        sChildPath = os.path.join(sPath,sChild)
        if os.path.isdir(sChildPath):
            print_directory_contents(sChildPath)
        else:
            print sChildPath

特别要注意以下几点：

• 命名规范要统一。如果样本代码中能够看出命名规范，遵循其已有的规范。
• 递归函数需要递归并终止。确保你明白其中的原理，否则你将面临无休无止的调用栈（callstack）。
• 我们使用os模块与操作系统进行交互，同时做到交互方式是可以跨平台的。你可以把代码写成sChildPath = sPath + '/' + sChild，但是这个在Windows系统上会出错。
• 熟悉基础模块是非常有价值的，但是别想破脑袋都背下来，记住Google是你工作中的良师益友。
• 如果你不明白代码的预期功能，就大胆提问。
• 坚持KISS原则！保持简单，不过脑子就能懂！

阅读下面的代码，写出A0，A1至An的最终值

为什么提这个问题？

• 列表解析（list comprehension）十分节约时间，对很多人来说也是一个大的学习障碍。
• 如果你读懂了这些代码，就很可能可以写下正确地值。
• 其中部分代码故意写的怪怪的。因为你共事的人之中也会有怪人。

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]

答案：

A0 = {'a': 1, 'c': 3, 'b': 2, 'e': 5, 'd': 4} # 顺序不固定
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]]

Python的多线程是个好主意吗？

为什么提这个问题？

因为GIL就是个混账东西（A-hole）。很多人花费大量的时间，试图寻找自己多线程代码中的瓶颈，直到他们明白GIL的存在。

答案：

Python并不支持真正意义上的多线程。Python中提供了多线程包，但是如果你想通过多线程提高代码的速度，使用多线程包并不是个好主意。Python中有一个被称为Global Interpreter Lock（GIL）的东西，它会确保任何时候你的多个线程中，只有一个被执行。线程的执行速度非常之快，会让你误以为线程是并行执行的，但是实际上都是轮流执行。经过GIL这一道关卡处理，会增加执行的开销。这意味着，如果你想提高代码的运行速度，使用threading包并不是一个很好的方法。

不过还是有很多理由促使我们使用threading包的。如果你想同时执行一些任务，而且不考虑效率问题，那么使用这个包是完全没问题的，而且也很方便。但是大部分情况下，并不是这么一回事，你会希望把多线程的部分外包给操作系统完成（通过开启多个进程），或者是某些调用你的Python代码的外部程序（例如Spark或Hadoop），又或者是你的Python代码调用的其他代码（例如，你可以在Python中调用C函数，用于处理开销较大的多线程工作）。

你如何管理不同版本的代码？

为什么提这个问题？

因为没有版本控制的代码，就像没有杯子的咖啡。有时候我们需要写一些一次性的、可以随手扔掉的脚本，这种情况下不作版本控制没关系。但是如果你面对的是大量的代码，使用版本控制系统是有利的。版本控制能够帮你追踪谁对代码库做了什么操作；发现新引入了什么bug；管理你的软件的不同版本和发行版；在团队成员中分享源代码；部署及其他自动化处理。它能让你回滚到出现问题之前的版本，单凭这点就特别棒了。还有其他的好功能。怎么一个棒字了得！

答案：

版本管理！被问到这个问题的时候，你应该要表现得很兴奋，甚至告诉他们你是如何使用Git（或是其他你最喜欢的工具）追踪自己和奶奶的书信往来。我偏向于使用Git作为版本控制系统（VCS），但还有其他的选择，比如subversion（SVN）。

下面代码会输出什么？

def f(x,L=[]):
    for i in range(x):
        L.append(i*i)
    print L

f(2)
f(3,[3,2,1])
f(3)

答案

[0, 1]
[3, 2, 1, 0, 1, 4]
[0, 1, 0, 1, 4]

第三个函数使用了之前内存地址中存储的旧列表。

猴子补丁（monkey patching）是什么？这种做法好吗？

为什么提这个问题？

答对这个问题说明你对单元测试的方法有一定了解。你如果提到要避免“猴子补丁”，可以说明你不是那种喜欢花里胡哨代码的程序员（公司里就有这种人，跟他们共事真是糟糕透了），而是更注重可维护性。还记得KISS原则码？答对这个问题还说明你明白一些Python底层运作的方式，函数实际是如何存储、调用等等。

另外：如果你没读过mock模块的话，真的值得花时间读一读。这个模块非常有用。

答案：

“猴子补丁”就是指，在函数或对象已经定义之后，再去改变它们的行为。

举个例子：

import datetime
datetime.datetime.now = lambda: datetime.datetime(2012, 12, 12)

大部分情况下，这是种很不好的做法 - 因为函数在代码库中的行为最好是都保持一致。打“猴子补丁”的原因可能是为了测试。mock包对实现这个目的很有帮助。

解释*args，**kwargs的含义与用途

为什么提这个问题？

有时候，我们需要往函数中传入未知个数的参数或关键词参数。有时候，我们也希望把参数或关键词参数储存起来，以备以后使用。有时候，仅仅是为了节省时间。

答案

如果我们不确定要往函数中传入多少个参数，或者我们想往函数中以列表和元组的形式传参数时，那就使要用*args；如果我们不知道要往函数中传入多少个关键词参数，或者想传入字典的值作为关键词参数时，那就要使用**kwargs。args和kwargs这两个标识符是约定俗成的用法，你当然还可以用*bob和**billy，但是这样就并不太妥。

下面是具体的示例：

def f(*args,**kwargs): print args, kwargs

l = [1,2,3]
t = (4,5,6)
d = {'a':7,'b':8,'c':9}

f()
f(1,2,3)                    # (1, 2, 3) {}
f(1,2,3,"groovy")           # (1, 2, 3, 'groovy') {}
f(a=1,b=2,c=3)              # () {'a': 1, 'c': 3, 'b': 2}
f(a=1,b=2,c=3,zzz="hi")     # () {'a': 1, 'c': 3, 'b': 2, 'zzz': 'hi'}
f(1,2,3,a=1,b=2,c=3)        # (1, 2, 3) {'a': 1, 'c': 3, 'b': 2}

f(*l,**d)                   # (1, 2, 3) {'a': 7, 'c': 9, 'b': 8}
f(*t,**d)                   # (4, 5, 6) {'a': 7, 'c': 9, 'b': 8}
f(1,2,*t)                   # (1, 2, 4, 5, 6) {}
f(q="winning",**d)          # () {'a': 7, 'q': 'winning', 'c': 9, 'b': 8}
f(1,2,*t,q="winning",**d)   # (1, 2, 4, 5, 6) {'a': 7, 'q': 'winning', 'c': 9, 'b': 8}

def f2(arg1,arg2,*args,**kwargs): print arg1,arg2, args, kwargs

f2(1,2,3)                       # 1 2 (3,) {}
f2(1,2,3,"groovy")              # 1 2 (3, 'groovy') {}
f2(arg1=1,arg2=2,c=3)           # 1 2 () {'c': 3}
f2(arg1=1,arg2=2,c=3,zzz="hi")  # 1 2 () {'c': 3, 'zzz': 'hi'}
f2(1,2,3,a=1,b=2,c=3)           # 1 2 (3,) {'a': 1, 'c': 3, 'b': 2}

f2(*l,**d)                   # 1 2 (3,) {'a': 7, 'c': 9, 'b': 8}
f2(*t,**d)                   # 4 5 (6,) {'a': 7, 'c': 9, 'b': 8}
f2(1,2,*t)                   # 1 2 (4, 5, 6) {}
f2(1,1,q="winning",**d)      # 1 1 () {'a': 7, 'q': 'winning', 'c': 9, 'b': 8}
f2(1,2,*t,q="winning",**d)   # 1 2 (4, 5, 6) {'a': 7, 'q': 'winning', 'c': 9, 'b': 8}

介绍@classmethod, @staticmethod, @property

回答背景知识

这些都是装饰器（decorator）。装饰器是一种特殊的函数，要么接受函数作为输入参数，并返回一个函数，要么接受一个类作为输入参数，并返回一个类。@标记是语法糖（syntactic sugar），可以让你以简单易读得方式装饰目标对象。

@my_decorator
def my_func(stuff):
    do_things
Is equivalent to

def my_func(stuff):
    do_things

my_func = my_decorator(my_func)

真正的答案

@classmethod, @staticmethod和@property这三个装饰器的使用对象是在类中定义的函数。下面的例子展示了它们的用法和行为：

class MyClass(object):
    def __init__(self):
        self._some_property = "properties are nice"
        self._some_other_property = "VERY nice"
    def normal_method(*args,**kwargs):
        print "calling normal_method({0},{1})".format(args,kwargs)
    @classmethod
    def class_method(*args,**kwargs):
        print "calling class_method({0},{1})".format(args,kwargs)
    @staticmethod
    def static_method(*args,**kwargs):
        print "calling static_method({0},{1})".format(args,kwargs)
    @property
    def some_property(self,*args,**kwargs):
        print "calling some_property getter({0},{1},{2})".format(self,args,kwargs)
        return self._some_property
    @some_property.setter
    def some_property(self,*args,**kwargs):
        print "calling some_property setter({0},{1},{2})".format(self,args,kwargs)
        self._some_property = args[0]
    @property
    def some_other_property(self,*args,**kwargs):
        print "calling some_other_property getter({0},{1},{2})".format(self,args,kwargs)
        return self._some_other_property

o = MyClass()
# 未装饰的方法还是正常的行为方式，需要当前的类实例（self）作为第一个参数。

o.normal_method
# <bound method MyClass.normal_method of <__main__.MyClass instance at 0x7fdd2537ea28>>

o.normal_method()
# normal_method((<__main__.MyClass instance at 0x7fdd2537ea28>,),{})

o.normal_method(1,2,x=3,y=4)
# normal_method((<__main__.MyClass instance at 0x7fdd2537ea28>, 1, 2),{'y': 4, 'x': 3})

# 类方法的第一个参数永远是该类

o.class_method
# <bound method classobj.class_method of <class __main__.MyClass at 0x7fdd2536a390>>

o.class_method()
# class_method((<class __main__.MyClass at 0x7fdd2536a390>,),{})

o.class_method(1,2,x=3,y=4)
# class_method((<class __main__.MyClass at 0x7fdd2536a390>, 1, 2),{'y': 4, 'x': 3})

# 静态方法（static method）中除了你调用时传入的参数以外，没有其他的参数。

o.static_method
# <function static_method at 0x7fdd25375848>

o.static_method()
# static_method((),{})

o.static_method(1,2,x=3,y=4)
# static_method((1, 2),{'y': 4, 'x': 3})

# @property是实现getter和setter方法的一种方式。直接调用它们是错误的。
# “只读”属性可以通过只定义getter方法，不定义setter方法实现。

o.some_property
# 调用some_property的getter(<__main__.MyClass instance at 0x7fb2b70877e8>,(),{})
# 'properties are nice'
# “属性”是很好的功能

o.some_property()
# calling some_property getter(<__main__.MyClass instance at 0x7fb2b70877e8>,(),{})
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# TypeError: 'str' object is not callable

o.some_other_property
# calling some_other_property getter(<__main__.MyClass instance at 0x7fb2b70877e8>,(),{})
# 'VERY nice'

# o.some_other_property()
# calling some_other_property getter(<__main__.MyClass instance at 0x7fb2b70877e8>,(),{})
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# TypeError: 'str' object is not callable

o.some_property = "groovy"
# calling some_property setter(<__main__.MyClass object at 0x7fb2b7077890>,('groovy',),{})

o.some_property
# calling some_property getter(<__main__.MyClass object at 0x7fb2b7077890>,(),{})
# 'groovy'

o.some_other_property = "very groovy"
# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# AttributeError: can't set attribute

o.some_other_property
# calling some_other_property getter(<__main__.MyClass object at 0x7fb2b7077890>,(),{})

说明下列代码的输出结果

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()

# 说明下列代码的输出结果

a.go()
b.go()
c.go()
d.go()
e.go()

a.stop()

为什么提这个问题？

因为面向对象的编程真的真的很重要。不骗你。答对这道问题说明你理解了继承和Python中super函数的用法。

答案

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

说明下面代码的输出结果

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)

# 说明下面代码的输出结果

oRoot.print_all_1()
oRoot.print_all_2()

为什么提这个问题？

因为对象的精髓就在于组合（composition）与对象构造（object construction）。对象需要有组合成分构成，而且得以某种方式初始化。这里也涉及到递归和生成器（generator）的使用。

生成器是很棒的数据类型。你可以只通过构造一个很长的列表，然后打印列表的内容，就可以取得与print_all_2类似的功能。生成器还有一个好处，就是不用占据很多内存。

有一点还值得指出，就是print_all_1会以深度优先（depth-first）的方式遍历树(tree),而print_all_2则是宽度优先（width-first）。有时候，一种遍历方式比另一种更合适。但这要看你的应用的具体情况。

答案

oRoot.print_all_1()会打印下面的结果：

<Node 'root'>
<Node 'child1'>
<Node 'child4'>
<Node 'child7'>
<Node 'child5'>
<Node 'child2'>
<Node 'child6'>
<Node 'child10'>
<Node 'child3'>
<Node 'child8'>
<Node 'child9'>

oRoot.print_all_1()会打印下面的结果：

<Node 'root'>
<Node 'child1'>
<Node 'child2'>
<Node 'child3'>
<Node 'child4'>
<Node 'child5'>
<Node 'child6'>
<Node 'child8'>
<Node 'child9'>
<Node 'child7'>
<Node 'child10'>

简要描述Python的垃圾回收机制（garbage collection）

答案

这里能说的很多。你应该提到下面几个主要的点：

• Python在内存中存储了每个对象的引用计数（reference
  count）。如果计数值变成0，那么相应的对象就会消失，分配给该对象的内存就会释放出来用作他用。
• 偶尔也会出现引用循环（reference
  cycle）。垃圾回收器会定时寻找这个循环，并将其回收。举个例子，假设有两个对象o1和o2，而且符合o1.x == o2和o2.x == o1这两个条件。如果o1和o2没有其他代码引用，那么它们就不应该继续存在。但它们的引用计数都是1。
• Python中使用了某些启发式算法（heuristics）来加速垃圾回收。例如，越晚创建的对象更有可能被回收。对象被创建之后，垃圾回收器会分配它们所属的代（generation）。每个对象都会被分配一个代，而被分配更年轻代的对象是优先被处理的。

将下面的函数按照执行效率高低排序

它们都接受由0至1之间的数字构成的列表作为输入。这个列表可以很长。一个输入列表的示例如下：[random.random() for i in range(100000)]。你如何证明自己的答案是正确的。

def f1(lIn):
    l1 = sorted(lIn)
    l2 = [i for i in l1 if i<0.5]
    return [i*i for i in l2]

def f2(lIn):
    l1 = [i for i in lIn if i<0.5]
    l2 = sorted(l1)
    return [i*i for i in l2]

def f3(lIn):
    l1 = [i*i for i in lIn]
    l2 = sorted(l1)
    return [i for i in l1 if i<(0.5*0.5)]

为什么提这个问题？

定位并避免代码瓶颈是非常有价值的技能。想要编写许多高效的代码，最终都要回答常识上来——在上面的例子中，如果列表较小的话，很明显是先进行排序更快，因此如果你可以在排序前先进行筛选，那通常都是比较好的做法。其他不显而易见的问题仍然可以通过恰当的工具来定位。因此了解这些工具是有好处的。

答案：

按执行效率从高到低排列：f2、f1和f3。要证明这个答案是对的，你应该知道如何分析自己代码的性能。Python中有一个很好的程序分析包，可以满足这个需求。

import cProfile
lIn = [random.random() for i in range(100000)]
cProfile.run('f1(lIn)')
cProfile.run('f2(lIn)')
cProfile.run('f3(lIn)')

为了向大家进行完整地说明，下面给出上述分析代码的输出结果：

>>> 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 <stdin>:1(f1)
        1    0.001    0.001    0.045    0.045 <string>:1(<module>)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
        1    0.035    0.035    0.035    0.035 {sorted}

>>> 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 <stdin>:1(f2)
        1    0.001    0.001    0.024    0.024 <string>:1(<module>)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
        1    0.016    0.016    0.016    0.016 {sorted}

>>> 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 <stdin>:1(f3)
        1    0.001    0.001    0.055    0.055 <string>:1(<module>)
        1    0.000    0.000    0.000    0.000 {method 'disable' of '_lsprof.Profiler' objects}
        1    0.038    0.038    0.038    0.038 {sorted}

你有过失败的经历吗？

为什么提这个问题？

恰当地回答这个问题说明你用于承认错误，为自己的错误负责，并且能够从错误中学习。如果你想变得对别人有帮助的话，所有这些都是特别重要的。如果你真的是个完人，那就太糟了，回答这个问题的时候你可能都有点创意了。

错误的答案

我从来没有失败过！

你有实施过个人项目吗？

如果做过个人项目，这说明从更新自己的技能水平方面来看，你愿意比最低要求付出更多的努力。如果你有维护的个人项目，工作之外也坚持编码，那么你的雇主就更可能把你视作为会增值的资产。即使他们不问这个问题，我也认为谈谈这个话题很有帮助。