個人python面試準備的一些題型

TsayDust發表於2024-07-06

Python類方法vs靜態方法

類方法（Class Methods）

類方法使用@classmethod裝飾器定義，它們的第一個引數通常命名為cls，代表類本身。

特點：

可以訪問和修改類的狀態
不能訪問例項的狀態
可以用來定義替代構造器

示例：

class MyClass:
    class_variable = 0

    @classmethod
    def increment_class_variable(cls):
        cls.class_variable += 1

    @classmethod
    def from_string(cls, string_param):
        # 替代構造器
        return cls(int(string_param))

# 使用類方法
MyClass.increment_class_variable()
obj = MyClass.from_string("10")

靜態方法（Static Methods）

靜態方法使用@staticmethod裝飾器定義，它們不接收任何特殊的第一個引數。

特點：

不能訪問或修改類的狀態
不能訪問例項的狀態
主要用於將功能邏輯組織到類中

示例：

class MathOperations:
    @staticmethod
    def add(x, y):
        return x + y

    @staticmethod
    def multiply(x, y):
        return x * y

# 使用靜態方法
result = MathOperations.add(5, 3)

主要區別

引數：類方法接收類作為隱式第一個引數，靜態方法不接收特殊引數。
訪問類屬性：類方法可以訪問和修改類屬性，靜態方法不能。
使用場景：
- 類方法通常用於需要訪問類狀態的操作，如替代構造器。
- 靜態方法用於與類相關但不需要訪問類狀態的操作。
繼承行為：子類繼承類方法時，cls引數會指向子類。靜態方法的行為在繼承時不變。

選擇使用哪種方法

如果方法需要訪問類屬性或者修改類狀態，使用類方法。
如果方法不需要訪問類或例項狀態，只是提供一些相關功能，使用靜態方法。
如果方法既不需要訪問類狀態也不需要訪問例項狀態，但從邏輯上屬於類，使用靜態方法。

Python中的深複製與淺複製

在Python中，當我們複製物件時，有兩種主要的方式：深複製（Deep Copy）和淺複製（Shallow Copy）。理解這兩者的區別對於正確處理複雜資料結構非常重要。

淺複製（Shallow Copy）

淺複製建立一個新物件，但是它包含的元素是原始物件中元素的引用。

特點：

建立一個新物件
新物件中的元素是原始物件元素的引用
只複製物件的第一層

實現方式：

使用切片操作 [:]
使用 copy() 方法
使用 copy 模組的 copy() 函式

示例：

import copy

original = [1, [2, 3], 4]
shallow = copy.copy(original)

# 修改淺複製中的巢狀列表
shallow[1][0] = 'X'

print(original)  # 輸出: [1, ['X', 3], 4]
print(shallow)   # 輸出: [1, ['X', 3], 4]

在這個例子中，修改淺複製中的巢狀列表也會影響原始列表。

深複製（Deep Copy）

深複製建立一個新物件，並遞迴地複製原始物件中的所有巢狀物件。

特點：

建立一個全新的物件
遞迴地複製所有巢狀的物件
原始物件和複製物件完全獨立

實現方式：

使用 copy 模組的 deepcopy() 函式

示例：

import copy

original = [1, [2, 3], 4]
deep = copy.deepcopy(original)

# 修改深複製中的巢狀列表
deep[1][0] = 'X'

print(original)  # 輸出: [1, [2, 3], 4]
print(deep)      # 輸出: [1, ['X', 3], 4]

在這個例子中，修改深複製中的巢狀列表不會影響原始列表。

主要區別

複製深度：淺複製只複製物件的第一層，而深複製遞迴地複製所有層。
記憶體使用：深複製通常比淺複製使用更多的記憶體，因為它建立了所有巢狀物件的副本。
效能：深複製通常比淺複製慢，特別是對於大型或複雜的資料結構。
獨立性：深複製建立的物件與原始物件完全獨立，而淺複製建立的物件與原始物件共享部分資料。

使用場景

使用淺複製：當您只需要複製物件的頂層，而且巢狀物件可以共享時。
使用深複製：當您需要建立一個完全獨立的副本，包括所有巢狀物件時。

注意事項

對於不可變物件（如元組），淺複製和深複製的行為是相同的。
迴圈引用可能會導致深複製出現問題，deepcopy() 函式有處理這種情況的機制。
自定義類可以透過實現 __copy__() 和 __deepcopy__() 方法來控制複製行為。

Python裝飾器詳解

裝飾器是Python中的一種高階功能，允許您修改或增強函式或類的行為，而無需直接修改其原始碼。

基本概念

裝飾器本質上是一個函式，它接受一個函式作為引數，並返回一個新的函式。

基本語法

@decorator_function
def target_function():
    pass

這等同於：

def target_function():
    pass
target_function = decorator_function(target_function)

簡單裝飾器示例

1. 函式裝飾器

def uppercase_decorator(func):
    def wrapper():
        result = func()
        return result.upper()
    return wrapper

@uppercase_decorator
def greet():
    return "hello, world!"

print(greet())  # 輸出：HELLO, WORLD!

2. 帶引數的裝飾器

def repeat_decorator(times):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(times):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator

@repeat_decorator(3)
def greet(name):
    print(f"Hello, {name}!")

greet("Alice")  # 將列印 3 次 "Hello, Alice!"

裝飾器的高階用法

1. 類作為裝飾器

class CountCalls:
    def __init__(self, func):
        self.func = func
        self.num_calls = 0
    
    def __call__(self, *args, **kwargs):
        self.num_calls += 1
        print(f"Call {self.num_calls} of {self.func.__name__!r}")
        return self.func(*args, **kwargs)

@CountCalls
def say_hello():
    print("Hello!")

say_hello()
say_hello()

2. 保留原函式的後設資料

使用 functools.wraps 裝飾器來保留被裝飾函式的後設資料：

from functools import wraps

def my_decorator(func):
    @wraps(func)
    def wrapper(*args, **kwargs):
        """Wrapper function"""
        print('Before call')
        result = func(*args, **kwargs)
        print('After call')
        return result
    return wrapper

@my_decorator
def greet(name):
    """Greet someone"""
    print(f"Hello, {name}!")

print(greet.__name__)  # 輸出：greet
print(greet.__doc__)   # 輸出：Greet someone

裝飾器的常見應用

日誌記錄
效能測量
訪問控制和認證
快取
錯誤處理和重試邏輯

注意事項

裝飾器在函式定義時就會執行，而不是在函式呼叫時。
多個裝飾器可以堆疊使用，執行順序是從下到上。
裝飾器可能會影響函式的效能，特別是在頻繁呼叫的情況下。
使用 functools.wraps 可以保留被裝飾函式的後設資料。

裝飾器的實現原理

裝飾器的實現原理涉及到Python的幾個重要概念：函式是一等公民、閉包、以及Python的語法糖。讓我們逐步分解裝飾器的實現過程：

1. 函式作為一等公民

在Python中，函式是一等公民，這意味著函式可以：

賦值給變數
作為引數傳遞給其他函式
作為其他函式的返回值

這是裝飾器實現的基礎。

2. 閉包

閉包是一個函式，它記住了建立它時的環境。在Python中，內部函式可以訪問外部函式的變數，這就建立了一個閉包。

3. 裝飾器的基本實現

讓我們透過一個簡單的例子來說明裝飾器的實現：

def simple_decorator(func):
    def wrapper():
        print("Something is happening before the function is called.")
        func()
        print("Something is happening after the function is called.")
    return wrapper

def say_hello():
    print("Hello!")

say_hello = simple_decorator(say_hello)

在這個例子中：

simple_decorator 是一個函式，它接受一個函式作為引數。
在 simple_decorator 內部，我們定義了一個新的函式 wrapper。
wrapper 函式在呼叫原始函式前後新增了一些行為。
simple_decorator 返回 wrapper 函式。
最後，我們用 simple_decorator 返回的新函式替換了原始的 say_hello 函式。

4. 語法糖

Python提供了一個語法糖（@符號）來簡化裝飾器的使用：

@simple_decorator
def say_hello():
    print("Hello!")

這等同於前面的例子，但更加簡潔和易讀。

5. 帶引數的裝飾器

帶引數的裝飾器實際上是一個返回裝飾器的函式：

def repeat(times):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(times):
                result = func(*args, **kwargs)
            return result
        return wrapper
    return decorator

@repeat(3)
def say_hello(name):
    print(f"Hello, {name}!")

這裡，repeat 函式返回一個裝飾器，該裝飾器然後被應用到 say_hello 函式上。

6. 類裝飾器

類裝飾器利用了Python的 __call__ 方法，使得類的例項可以像函式一樣被呼叫：

class CountCalls:
    def __init__(self, func):
        self.func = func
        self.num_calls = 0
    
    def __call__(self, *args, **kwargs):
        self.num_calls += 1
        return self.func(*args, **kwargs)

@CountCalls
def say_hello():
    print("Hello!")

7. 裝飾器的執行時機

重要的是要理解，裝飾器在函式定義時就會執行，而不是在函式呼叫時。這意味著裝飾器可以在模組匯入時就改變函式的行為。

8. 多個裝飾器

當多個裝飾器應用到一個函式上時，它們的執行順序是從下到上的：

@decorator1
@decorator2
def func():
    pass

這等同於：

func = decorator1(decorator2(func))

透過理解這些原理，我們可以看到裝飾器如何利用Python的函式特性和語法來實現強大而靈活的程式碼修改和增強功能。

Python中變數在記憶體中的儲存方式

Python的記憶體管理是一個複雜的主題，但瞭解它可以幫助我們寫出更高效的程式碼。讓我們逐步探討Python中變數的儲存方式。

1. 變數和物件的關係

在Python中，變數本質上是對物件的引用。當我們建立一個變數時，我們實際上是在記憶體中建立了一個物件，然後將變數名與該物件的記憶體地址關聯起來。

x = 5

在這個例子中，Python在記憶體中建立了一個整數物件5，然後將變數名x與這個物件的地址關聯起來。

2. 物件的記憶體表示

Python中的每個物件至少包含三個部分：

型別識別符號（告訴Python這個物件是什麼型別）
引用計數（用於垃圾回收）
值

3. 不同型別物件的儲存

小整數

Python對小整數（通常是-5到256）進行了最佳化。這些整數被預先建立並快取，所有對這些值的引用都指向同一個物件。

a = 5
b = 5
print(a is b)  # 輸出：True

大整數

對於大整數，每次賦值都會建立一個新的物件。

a = 1000
b = 1000
print(a is b)  # 輸出：False

字串

Python也對字串進行了最佳化。相同內容的字串通常會指向同一個物件（這被稱為字串駐留）。

a = "hello"
b = "hello"
print(a is b)  # 輸出：True

可變物件（如列表）

可變物件每次建立時都會在記憶體中分配新的空間。

a = [1, 2, 3]
b = [1, 2, 3]
print(a is b)  # 輸出：False

4. 變數賦值

當我們進行變數賦值時，我們實際上是改變變數引用的物件。

x = 5  # x 引用整數物件 5
x = 10  # x 現在引用整數物件 10，而不是修改原來的 5

5. 引用計數和垃圾回收

Python使用引用計數來進行記憶體管理。每個物件都有一個引用計數，表示有多少個變數引用了這個物件。當引用計數降為0時，物件就會被垃圾回收器回收。

x = 5  # 建立整數物件 5，引用計數為 1
y = x  # y 也引用同一個物件，引用計數增加到 2
del x  # 刪除 x，引用計數減少到 1
# y 仍然引用這個物件

6. 記憶體檢視

我們可以使用id()函式來檢視物件的記憶體地址：

x = 5
print(id(x))  # 輸出物件的記憶體地址

7. 可變物件vs不可變物件

不可變物件（如整數、字串、元組）：當這些物件的"值"改變時，實際上是建立了一個新物件。
可變物件（如列表、字典）：這些物件可以在原地修改，不需要建立新物件。

# 不可變物件
x = 5
print(id(x))
x += 1
print(id(x))  # 地址會改變

# 可變物件
lst = [1, 2, 3]
print(id(lst))
lst.append(4)
print(id(lst))  # 地址不會改變

理解Python的記憶體管理和變數儲存方式可以幫助我們寫出更高效的程式碼，並避免一些常見的陷阱。

面試準備題型
2020-10-14
面試
面試準備
2024-08-15
面試
面試準備(1)
2018-08-28
面試
如何準備面試？
2019-01-19
面試
面試準備（一）
2020-11-21
面試
java面試準備
2024-05-08
Java面試
機器學習面試準備大全 – 技能要求、面試例題詳解
2019-02-27
機器學習面試
機器學習面試準備大全 - 技能要求、面試例題詳解
2018-08-02
機器學習面試
關於面試的一些個人看法
2018-10-15
面試
【面試準備·2】webpack
2019-03-17
面試Web
【面試準備·1】Babel
2019-03-11
面試Babel
面試準備-文章分享
2019-08-12
面試
java面試準備（1）
2018-06-03
Java面試
面試準備摘記
2017-02-13
面試
準備客戶面試
2004-11-04
面試
做好面試的準備之—常見面試題（適合初級、中級的面試者）
2021-07-13
面試題
Python面試必備的7大問題
2021-09-11
Python面試
如何準備Java的高階技術面試，java基礎面試筆試題
2019-04-23
Java面試筆試
面試準備——JVM相關
2020-04-05
面試JVM
如何準備前端開發者面試
2015-04-06
前端面試
Python面試的一些心得，與Python練習題分享
2019-09-17
Python面試
IpAddressServiceImplTest的一些準備
2024-11-15
iPad
Python常見的一些面試題，太有用啦！
2021-09-06
Python面試題
明明準備的挺好，面試又掛了……
2022-01-24
面試
如何準備機器學習工程師的面試？
2018-04-18
機器學習工程師面試
Cate：我是如何準備Google面試的
2013-07-20
Go面試
我是如何準備技術面試的
2016-05-17
面試
我的IBM面試英語準備
2009-08-22
IBM面試
iOS 面試策略之簡歷的準備到面試流程
2021-05-08
iOS面試
面試前如何準備才能提高成功率（含前端面試押題）
2019-02-21
面試前端
Android面試準備（中高階）
2018-08-15
Android面試
面試準備之JavaScript事件模型
2018-03-01
面試JavaScript事件模型
為Spring Boot面試準備13個主題 - javinpaul
2021-04-01
Spring Boot面試
15個 MySQL 基礎面試題，DBA 們準備好了嗎？
2022-11-27
MySql面試題
Python常見面試題總結——個人Python學習經驗
2019-07-16
Python面試題
Python面試快問快答，理論要的就是速度與精準，Python面試題No2
2019-05-06
Python面試題
vue 面試時需要準備的知識點
2018-09-09
Vue面試
面試前最應該做的準備工作
2024-06-24
面試

個人python面試準備的一些題型

Python類方法vs靜態方法

類方法（Class Methods）

特點：

示例：

靜態方法（Static Methods）

特點：

示例：

主要區別

選擇使用哪種方法

Python中的深複製與淺複製

淺複製（Shallow Copy）

特點：

實現方式：

示例：

深複製（Deep Copy）

特點：

實現方式：

示例：

主要區別

使用場景

注意事項

Python裝飾器詳解

基本概念

基本語法

簡單裝飾器示例

1. 函式裝飾器

2. 帶引數的裝飾器

裝飾器的高階用法

1. 類作為裝飾器

2. 保留原函式的後設資料

裝飾器的常見應用

注意事項

裝飾器的實現原理

1. 函式作為一等公民

2. 閉包

3. 裝飾器的基本實現

4. 語法糖

5. 帶引數的裝飾器

6. 類裝飾器

7. 裝飾器的執行時機

8. 多個裝飾器

Python中變數在記憶體中的儲存方式

1. 變數和物件的關係

2. 物件的記憶體表示

3. 不同型別物件的儲存

小整數

大整數

字串

可變物件（如列表）

4. 變數賦值

5. 引用計數和垃圾回收

6. 記憶體檢視

7. 可變物件vs不可變物件

相關文章