python高级面试题

A. python面试题，线程与进程的区别，Python中如何创建多线程

进程和线程

这两个概念属于操作系统，我们经常听说，但是可能很少有人会细究它们的含义。对于工程师而言，两者的定义和区别还是很有必要了解清楚的。

首先说进程，进程可以看成是 CPU执行的具体的任务 。在操作系统当中，由于CPU的运行速度非常快，要比计算机当中的其他设备要快得多。比如内存、磁盘等等，所以如果CPU一次只执行一个任务，那么会导致CPU大量时间在等待这些设备，这样操作效率很低。为了提升计算机的运行效率，把机器的技能尽可能压榨出来，CPU是轮询工作的。也就是说 它一次只执行一个任务，执行一小段碎片时间之后立即切换 ，去执行其他任务。

所以在早期的单核机器的时候，看起来电脑也是并发工作的。我们可以一边听歌一边上网，也不会觉得卡顿。但实际上，这是CPU轮询的结果。在这个例子当中，听歌的软件和上网的软件对于CPU而言都是 独立的进程 。我们可以把进程简单地理解成运行的应用，比如在安卓手机里面，一个app启动的时候就会对应系统中的一个进程。当然这种说法不完全准确， 一个应用也是可以启动多个进程的 。

进程是对应CPU而言的，线程则更多针对的是程序。即使是CPU在执行当前进程的时候，程序运行的任务其实也是有分工的。举个例子，比如听歌软件当中，我们需要显示歌词的字幕，需要播放声音，需要监听用户的行为，比如是否发生了切歌、调节音量等等。所以，我们需要 进一步拆分CPU的工作 ，让它在执行当前进程的时候，继续通过轮询的方式来同时做多件事情。

进程中的任务就是线程，所以从这点上来说， 进程和线程是包含关系 。一个进程当中可以包含多个线程，对于CPU而言，不能直接执行线程，一个线程一定属于一个进程。所以我们知道，CPU进程切换切换的是执行的应用程序或者是软件，而进程内部的线程切换，切换的是软件当中具体的执行任务。

关于进程和线程有一个经典的模型可以说明它们之间的关系，假设CPU是一家工厂，工厂当中有多个车间。不同的车间对应不同的生产任务，有的车间生产汽车轮胎，有的车间生产汽车骨架。但是工厂的电力是有限的，同时只能满足一个厂房的使用。

为了让大家的进度协调，所以工厂需要轮流提供各个车间的供电。 这里的车间对应的就是进程 。

一个车间虽然只生产一种产品，但是其中的工序却不止一个。一个车间可能会有好几条流水线，具体的生产任务其实是流水线完成的，每一条流水线对应一个具体执行的任务。但是同样的， 车间同一时刻也只能执行一条流水线 ，所以我们需要车间在这些流水线之间切换供电，让各个流水线生产进度统一。

这里车间里的 流水线自然对应的就是线程的概念 ，这个模型很好地诠释了CPU、进程和线程之间的关系。实际的原理也的确如此，不过CPU中的情况要比现实中的车间复杂得多。因为对于进程和CPU来说，它们面临的局面都是实时变化的。车间当中的流水线是x个，下一刻可能就成了y个。

了解完了线程和进程的概念之后，对于理解电脑的配置也有帮助。比如我们买电脑，经常会碰到一个术语，就是这个电脑的CPU是某某核某某线程的。比如我当年买的第一台笔记本是4核8线程的，这其实是在说这台电脑的CPU有 4个计算核心 ，但是使用了超线程技术，使得可以把一个物理核心模拟成两个逻辑核心。相当于我们可以用4个核心同时执行8个线程，相当于8个核心同时执行，但其实有4个核心是模拟出来的虚拟核心。

有一个问题是 为什么是4核8线程而不是4核8进程呢 ？因为CPU并不会直接执行进程，而是执行的是进程当中的某一个线程。就好像车间并不能直接生产零件，只有流水线才能生产零件。车间负责的更多是资源的调配，所以教科书里有一句非常经典的话来诠释： 进程是资源分配的最小单元，线程是CPU调度的最小单元 。

启动线程

Python当中为我们提供了完善的threading库，通过它，我们可以非常方便地创建线程来执行多线程。

首先，我们引入threading中的Thread，这是一个线程的类，我们可以通过创建一个线程的实例来执行多线程。

from threading import Thread t = Thread(target=func, name='therad', args=(x, y)) t.start()

简单解释一下它的用法，我们传入了三个参数，分别是 target，name和args ，从名字上我们就可以猜测出它们的含义。首先是target，它传入的是一个方法，也就是我们希望多线程执行的方法。name是我们为这个新创建的线程起的名字，这个参数可以省略，如果省略的话，系统会为它起一个系统名。当我们执行Python的时候启动的线程名叫MainThread，通过线程的名字我们可以做区分。args是会传递给target这个函数的参数。

我们来举个经典的例子：

import time, threading # 新线程执行的代码: def loop(n): print('thread %s is running...' % threading.current_thread().name) for i in range(n): print('thread %s >>> %s' % (threading.current_thread().name, i)) time.sleep(5) print('thread %s ended.' % threading.current_thread().name) print('thread %s is running...' % threading.current_thread().name) t = threading.Thread(target=loop, name='LoopThread', args=(10, )) t.start() print('thread %s ended.' % threading.current_thread().name)

我们创建了一个非常简单的loop函数，用来执行一个循环来打印数字，我们每次打印一个数字之后这个线程会睡眠5秒钟，所以我们看到的结果应该是每过5秒钟屏幕上多出一行数字。

我们在Jupyter里执行一下：

表面上看这个结果没毛病，但是其实有一个问题，什么问题呢？ 输出的顺序不太对 ，为什么我们在打印了第一个数字0之后，主线程就结束了呢？另外一个问题是，既然主线程已经结束了， 为什么Python进程没有结束 ， 还在向外打印结果呢？

因为线程之间是独立的，对于主线程而言，它在执行了t.start()之后，并 不会停留，而是会一直往下执行一直到结束 。如果我们不希望主线程在这个时候结束，而是阻塞等待子线程运行结束之后再继续运行，我们可以在代码当中加上t.join()这一行来实现这点。

t.start() t.join() print('thread %s ended.' % threading.current_thread().name)

join操作可以让主线程在join处挂起等待，直到子线程执行结束之后，再继续往下执行。我们加上了join之后的运行结果是这样的：

这个就是我们预期的样子了，等待子线程执行结束之后再继续。

我们再来看第二个问题，为什么主线程结束的时候，子线程还在继续运行，Python进程没有退出呢？这是因为默认情况下我们创建的都是用户级线程，对于进程而言， 会等待所有用户级线程执行结束之后才退出 。这里就有了一个问题，那假如我们创建了一个线程尝试从一个接口当中获取数据，由于接口一直没有返回，当前进程岂不是会永远等待下去？

这显然是不合理的，所以为了解决这个问题，我们可以把创建出来的线程设置成 守护线程 。

守护线程

守护线程即daemon线程，它的英文直译其实是后台驻留程序，所以我们也可以理解成 后台线程 ，这样更方便理解。daemon线程和用户线程级别不同，进程不会主动等待daemon线程的执行， 当所有用户级线程执行结束之后即会退出。进程退出时会kill掉所有守护线程 。

我们传入daemon=True参数来将创建出来的线程设置成后台线程：

t = threading.Thread(target=loop, name='LoopThread', args=(10, ), daemon=True)

这样我们再执行看到的结果就是这样了：

这里有一点需要注意，如果你 在jupyter当中运行是看不到这样的结果的 。因为jupyter自身是一个进程，对于jupyter当中的cell而言，它一直是有用户级线程存活的，所以进程不会退出。所以想要看到这样的效果，只能通过命令行执行Python文件。

如果我们想要等待这个子线程结束，就必须通过join方法。另外，为了预防子线程锁死一直无法退出的情况， 我们还可以 在joih当中设置timeout ，即最长等待时间，当等待时间到达之后，将不再等待。

比如我在join当中设置的timeout等于5时，屏幕上就只会输出5个数字。

另外，如果没有设置成后台线程的话，设置timeout虽然也有用，但是 进程仍然会等待所有子线程结束 。所以屏幕上的输出结果会是这样的：

虽然主线程继续往下执行并且结束了，但是子线程仍然一直运行，直到子线程也运行结束。

关于join设置timeout这里有一个坑，如果我们只有一个线程要等待还好，如果有多个线程，我们用一个循环将它们设置等待的话。那么 主线程一共会等待N * timeout的时间 ，这里的N是线程的数量。因为每个线程计算是否超时的开始时间是上一个线程超时结束的时间，它会等待所有线程都超时，才会一起终止它们。

比如我这样创建3个线程：

ths = [] for i in range(3): t = threading.Thread(target=loop, name='LoopThread' + str(i), args=(10, ), daemon=True) ths.append(t) for t in ths: t.start() for t in ths: t.join(2)

最后屏幕上输出的结果是这样的：

所有线程都存活了6秒。

总结

在今天的文章当中，我们一起简单了解了 操作系统当中线程和进程的概念 ，以及Python当中如何创建一个线程，以及关于创建线程之后的相关使用。

多线程在许多语言当中都是至关重要的，许多场景下必定会使用到多线程。比如 web后端，比如爬虫，再比如游戏开发 以及其他所有需要涉及开发ui界面的领域。因为凡是涉及到ui，必然会需要一个线程单独渲染页面，另外的线程负责准备数据和执行逻辑。因此，多线程是专业程序员绕不开的一个话题，也是一定要掌握的内容之一。

B. python面试题总结1-内存管理机制

（1）.引用计数
（2）. 垃圾回收
(3）. 内存池机制

在python中每创建一个对象，对应的会有一个引用计数，当发生赋值操作如a=b，对应的b的引用计数会自动加1，当引用的对象被清除或者函数结束时，引用计数会自动减1。

在python中使用引用计数，标记清楚，分代回收三种方式进行垃圾回收。
其中，引用计数当对象的引用计数归0时，对象会自动被清除。标记清除机制是首先遍历所有对象，如果对象可达，就说明有变量引用它，则标记其为可达的。如果不可达，则对其进行清除。分代回收是当对象创建时被标记为第0代，经过一次垃圾回收之后，余下的对象被标记为第1代，最高为第2代。其原理是，对象的生存期越长，月可能不是垃越。

ython语言虽然提供了对内存的垃圾收集机制，但实际上它将不用的内存放到内存池而不是返回给操作系统，所以就有了以下：

1 Pymalloc机制；这个主要是为了加速Python的执行效率，Python引入了一个内存池机制，用于管理，为了对小块内存的申请和释放。

2 Python中所有小于256个字节的对象都是依靠pymalloc分配器来实现的，而稍大的对象用的则是系统的malloc。

3 对于Python对象，比如整数、浮点数和List这些，都有自己独立的内存池，对象间并不共享他们的内存池。换句话说就是，假设你分配并且释放了大量的整数，那么用于缓存这些整数的内存就不能再分配给浮点数。

C. Python面试数据分析，爬虫和深度学习一般都问什么问题，笔试题目有哪些

简单罗列些:
1.数据清洗与处理:数据读取read_csv等，数据表构建dataframe等，数据整合concat/join/merge等，表结构处理以及切片iloc/loc等，数据统计describe/isnull/sum/apply等，图表展示plot，数据透视表pivot_table等，异常值与缺失数据统计与处理，相关性检验
2.机器学习模型构建:svm,logistic,knn等
3.爬虫:request包
4.深度学习:CNN,RNN，图像处理，音频处理，语义理解。

D. 设整形变量x=10,则表达式2<x<8的值

编辑
：kenwoodjw
对于机器学习算法工程师而言，Python是不可或缺的语言，它的优美与简洁令人无法自拔。那么你过Python编程面试题吗？从Python基础到网页爬虫你是否能全方位Hold住？今天，为读者们推荐一个Github项目。
在这个项目中， kenwoodjw 准备了近 300 道 Python 面试题，同时还包含解决方案与代码。主要从 Python 基础、高级语句、网页应用、数据库和测试等角度提问，读者可只自己需要的领域。目前该项目已经完成了很多基础和高级面试题，本文主要摘取一些 Python 面试题供大家参考。
项目地址：https://github.com/kenwoodjw/python_interiew_question
总体而言，项目有近300道面试题。虽然该项目刚开始创建，但很多Python面试题都已经提供决方案。如下所示为面试题示例：
本文截取了一些面试题及解决方案：
Python 基础文件操作模块与包数据类型企业面试题Python 高级设计模式系统编程如果希望机器学习面试题，可阅读：春招已近，这份GitHub万星的ML算法面试大全请收下
Python 基础
什么是 Python？根据Python 创建者 Guido an Rossum 所言，Python是一种高级编程语言，其设计的核心理念是代码的易读性，以及允许编程者通过若干行代码轻松表达想法创意。实际上，很多开发者选择学习 Python 的首要原因是其编程的优美性，用它编码和表达想法非常自然。
文件操作
1.若有一个jsonline格式的文件file.txt，大小约为10K，我们的处理方式为：
defget_lines(): l = []with open('file.txt', 'rb') as f:for eachline in f: l.append(eachline)return lif __name__ == '__main__':for e in get_lines(): process(e) #处理每一行数据
现在要处理一个大小为10G的file.txt文件，但是内存只有4G。如果在只修改get_lines 函数而其他代码保持不变的情况下，应该如何实现？需要考虑的问题都有那些？
defget_lines(): l = []with open('file.txt','rb') as f: data = f.readlines(60000) l.append(data)yield l
要考虑的问题有：内存只有4G，无法一次性读入10G文件。而分批读入数据要记录每次读入数据的位置，且分批每次读取得太小会在读取操作上花费过多时间。
模块与包
2.如何输入日期， 判断这一天是这一年的第几天？
import datetimedefdayofyear(): year = input("请输入年份: ") month = input("请输入月份: ") day = input("请输入天: ") date1 = datetime.date(year=int(year),month=int(month),day=int(day)) date2 = datetime.date(year=int(year),month=1,day=1)return (date1-date2).days+1数据类型
3.如何反转字符串"aStr"?
print("aStr"[::-1])4.下面代码的输出结果将是什么？会报错吗？
list = ['a','b','c','d','e']print(list[10:])
代码将输出[]，并不会产生IndexError 错误。如果尝试用超出成员的个数的index来获取某个列表的成员，那就会报错。例如，尝试获取 list[10] 和之后的成员，会导致IndexError。然而当我们尝试获取列表的切片时，开始的index超过成员个数并不会产生IndexError，而是仅仅返回一个空列表。因为并不会报错，所以这种Bug很难追踪到。
5.请写出一段Python代码，实现删除list里面的重复元素？
l1 = ['b','c','d','c','a','a']l2 = list(set(l1))print(l2)用list类的sort方法可以保证顺序不变：
l1 = ['b', 'c', 'd', 'c', 'a', 'a']l2 = list(set(l1))l2.sort(key=l1.index)print(l2)也可以这样写：
l1 = ['b', 'c', 'd', 'c', 'a', 'a']l2 = sorted(set(l1), key=l1.index)print(l2)
也可以用遍历：
l1 = ['b', 'c', 'd', 'c', 'a', 'a']l2 = []for i in l1:ifnot i in l2: l2.append(i)print(l2)企业面试题
6.设计实现遍历目录与子目录，抓取.pyc文件
第一种方法：
import osdefgetFiles(dir, suffix): res = []for root, dirs, files in os.walk(dir):for filename in files: name, suf = os.path.splitext(filename)if suf == suffix: res.append(os.path.join(root, filename)) print(res)getFiles("./", '.pyc')
第二种方法：
import osdefpick(obj):try:if obj.[-4:] == ".pyc": print(obj)except:returnNonedefscan_path(ph): file_list = os.listdir(ph)for obj in file_list:if os.path.isfile(obj): pick(obj)elif os.path.isdir(obj): scan_path(obj)if __name__ == '__main__': path = input('输入目录') scan_path(path)
7.如何反转一个整数，例如-123--> -321？
classSolution(object):defreerse(self, x):if-10 < x=""><>return x str_x = str(x)if str_x[0] != "-": str_x = str_x[::-1] x = int(str_x)else: str_x = str_x[1:][::-1] x = int(str_x) x = -xreturn x if-2147483648 < x=""><>if __name__ == '__main__': s = Solution() reerse_int = s.reerse(-120) print(reerse_int)
Python高级
Python高级包含很多重要的模块，例如函数、类和实例、系统编程、正则表达式、网络编程等等。根据这些高级属性，Python可用于数据科学、网页开发、机器学习等等。
设计模式
8.对设计模式的理解，简述你的设计模式？
设计模式是为我们经常会碰到的一些编程问题构建的可重用解决方案，它是总结性和经优化的。一个设计模式并不像一个类或一个库那样能够直接作用于我们的代码，反之，设计模式更为高级，它是一种在特定情形下实现的方法模板。常见的是工厂模式和单例模式。
单例模式应用的场景一般发现在以下条件下： 资源共享的情况下，避免由于资源操作时导致的性能或损耗等，如日志文件，应用配置。控制资源的情况下，方便资源之间的互相通信。
9.生成器和迭代器的区别？
迭代器是一个更抽象的概念，任何对象，如果它的类有 next 方法和 iter 方法返回自己本身，它就是可迭代的。对于 string、list、dict、tuple 等这类容器对象，使用for循环遍历是很方便的，for 语句实际上会对容器对象调用 iter() 函数。iter() 会返回一个定义了 next() 方法的迭代器对象，它在容器中逐个访问容器内元素，在没有后续元素时，next()会抛出一个StopIteration异常。
生成器（Generator）是创建迭代器的简单而强大的工具。它们写起来就像是正规的函数，只是在需要返回数据的时候使用yield语句。生成器能做到迭代器能做的所有事，而且因为自动创建iter()和next()方法，生成器显得特别简洁，而且生成器也是高效的，使用生成器表达式取代列表解析可以同时节省内存。除了创建和保存程序状态的自动方法，当发生器终结时，还会自动抛出StopIteration异常。
10.对装饰器的理解，你能写出一个计时器装饰器，它能记录函数的执行时间吗？
装饰器本质上是一个Python函数，它可以让其他函数在不需要做任何代码变动的前提下增加额外功能，装饰器的返回值也是一个函数对象。
import timedeftimeit(func):defwrapper(): start = time.clock() func() end = time.clock() print('used:',end-start)return wrapper @timeitdeffoo(): print('in foo()'foo())
系统编程
11.介绍一下你的进程。
程序运行在操作系统上的一个实例，就称之为进程。进程需要相应的系统资源：内存、时间片、pid。创建进程： 首先要导入multiprocessing中的Process；创建一个Process对象；创建Process对象时，可以传递参数。
p = Process(target=XXX, args=(tuple,), kwargs={key: alue})target = XXX # 指定的任务函数，不用加()args = (tuple,)kwargs = {key: alue} # 给任务函数传递的参数使用start()启动进程 结束进程 给子进程指定函数传递参数Demo
import osfrom mulitprocessing import Processimport timedefpro_func(name, age, **kwargs):for i in range(5): print("子进程正在运行中，name=%s,age=%d,pid=%d" % (name, age, os.getpid())) print(kwargs) time.sleep(0.2)if __name__ == "__main__":# 创建Process对象 p = Process(target=pro_func, args=('小明', 18), kwargs={'m': 20})# 启动进程 p.start() time.sleep(1)# 1秒钟之后，立刻结束子进程 p.terminate() p.join()12.谈谈你对多进程、多线程、以及协程的理解，项目是否用？
进程：一个运行的程序（代码）就是一个进程，没有运行的代码叫程序，进程是系统资源分配的最小单位，进程拥有自己独立的内存空间，所有进程间数据不共享，开销大。线程: cpu调度执行的最小单位，也叫执行路径，不能独立存在，依赖进程存在，一个进程至少有一个线程，叫主线程，而多个线程共享内存可以极大地提高了程序的运行效率。协程: 是一种用户态的轻量级线程，协程的调度完全由用户控制，协程拥有自己的寄存器上下文和栈。协程调度时，将寄存器上下文和栈保存到其他地方，在切回来的时候，恢复先前保存的寄存器上下文和栈，直接操中栈则基本没有内核切换的开销，可以不加锁的访问全局变量，所以上下文的切换非常快。
关于系统编程还有很多问题，例如：
本文为编辑，请联系本获得授权。

E. 面试经验丨百度 测试开发工程师 面试题集（含面试题答案），来瞧瞧

IT互联网的飞速发展，很多人选择从计算机方面开发着手，在整个计算机行业的，不同岗位所需要具备的能力是不同的。这次分享的是我一个朋友网络面试测开的面试题。

面试时间：21年4月。

1.项目介绍（难点，解决方案）
2.介绍黑盒测试和白盒测试
3.Java中的int和Integer
4.Java的权限修饰符（public、private、default、protect的作用域）
5.代码：判断链表是否有环，找出环的长度
6.代码：手写字符串比较函数strcmp，设计测试用例
7.一部电梯设计测试用例（一般设计测试用例从功能性、性能性、安全性、易用性考虑）
8.2个数据库表：表1（id name），表2（id sroce class），找出姓名张三的分数和班级
select sroce,class from table2 where table2.id = (select id from table1 where name = "张三")
9.Liunx查看指定进程 ps -ef|grep 进程名 查看端口 lsof -i:端口号
10.计网TCP/UDP的区别（有4个区别，但是突然有点脑子短路了，只记起来2个）

11.HTTP状态码

1.linux基本操作

2.http请求

3.三次握手四次挥手

4.网页登录，写测试用例

5.网络地图，写测试用例

6.python init

7.python深拷贝浅拷贝

1.栈和堆的区别

2.多态的意义，用在什么地方

3.内存泄漏和内存溢出有没有什么联系

4.死锁

5.new、delete、malloc、free区别

6.冒泡

7.出现次数最多的数

8.shell命令

1.Python常用内置模块

2.List与numpy的区别（项目里用了numpy）

3.With机制及如何实现

4.Range的方法

5.迭代器的了解

6.c++和python的并发编程了解多少

7.Linux常用命令

8.网络层作用是什么
9.Tcp/udp的区别及应用场景
10.什么时候创建索引

11.索引的类别

12.索引的数据结构及具体实现介绍

13.不同数据库的比较，即对不同场景怎样选用数据库

14.在字符串中寻找长度最长的回文字符串，可假设isPalindrome返回是否是回文的判断

1.快速排序

2.测试快速排序

3.移动通信是什么

4.osi七层模型。

5.应用层用什么协议传输视频和传输文字的

6.应用层怎么区分不同应用进程

7.TCP、UDP协议的区别

8.在Web上搜索东西的过程经历了什么，详细说说

9.微信聊天界面的测试用例

10.Linux常用命令

11.说一说项目以及项目统筹

12.觉得测试是做什么

13.你觉得项目的流程是怎么样

14.项目上线前是交由产品还是测试人员测试

15.你觉得测试在项目里是怎样的角色。

我根据这次面试整理了下资料，资料实在太多了，所以只把部分截图放出来。提醒大家一下，资料按需索取，千万不要一味的收藏，反正你都看不完的。把时间浪费在找资料上不值得。

如何获取免费架构学习资料？

关注我+转发文章+私信【测试】获取这份全面的资料。

F. 这个python题目怎么写

无意间，看到这么一道Python面试题：以下代码将输出什么？

def testFun:
temp = [lambda x : i*x for i in range(4)]
return temp
for everyLambda in testFun:
print (everyLambda(2))

脑中默默一想，这还用说么，肯定是：

0
2
4
6

最后一看答案，竟然是：

6
6
6
6

于是带着怀疑的心态（其实是不服输，不认错），打开编辑器，快速一敲，果然是：
怀疑了人生半天，本来还想黑，WTF Python…然后才想通是自己太生疏......
最后发现原因竟是：Python 的闭包的后期绑定导致的 late binding。
这意味着在闭包中的变量是在内部函数被调用的时候被查找，所以当任何testFun 返回的函数被调用，i 的值是在它被调用时的周围作用域中查找。
也就是说无论哪个返回的函数被调用，for 循环都已经完成了，i 最后的值是 3，因此，每个返回的函数 testFun 的值都是 3。
因此一个等于 2 的值被传递进以上代码，它们将返回一个值 6 （比如：3 x 2）。
究竟如何才能实现出这样的结果呢？

0
2
4
6

想了想，若能立即绑定参数，或者直接不用闭包总该行吧，用另一种方式避免 i 的改写。
回忆了之前所学知识，最后酝酿出了四种解决方案。
第一种：创建一个闭包，通过使用默认参数立即绑定它的参数

def testFun:
temp = [lambda x, i=i: i * x for i in range(4)]
return temp
for everyLambda in testFun:
print(everyLambda(2))

第二种：使用functools.partial 函数，把函数的某些参数（不管有没有默认值）给固定住（也就是相当于设置默认值）

from functools import partial
from operator import mul
def testFun:
return [partial(mul, i) for i in range(4)]
for everyLambda in testFun:
print(everyLambda(2))

第三种：优雅的写法，直接用生成器

def testFun:
return (lambda x, i=i: i * x for i in range(4))
for everyLambda in testFun:
print(everyLambda(2))

第四种：利用yield的惰性求值的思想

def testFun:
for i in range(4):
yield lambda x: i * x
for everyLambda in testFun:
print(everyLambda(2))

最终运行结果：
有了解决方案后，又陷入了怀疑自己，这个题目究竟是考察的是什么？是在考面试者闭包相关知识以及Python 的闭包的后期绑定问题么？
若将题目改成：以下代码输出的结果是（0,2,4,6）么？如果不是，你将会怎么做，让它变成（0,2,4,6）？这样会不会更有意思点呢？欢迎大家出妙招，看究竟有多少招？（哈哈哈！！！）

G. BAT面试题28：Python是如何进行内存管理的

Python的内存管理，一般从以下三个方面来说：

1)对象的引用计数机制(四增五减)

2)垃圾回收机制(手动自动，分代回收)

3)内存池机制(大m小p)

1)对象的引用计数机制

要保持追踪内存中的对象，Python使用了引用计数这一简单的技术。sys.getrefcount(a)可以查看a对象的引用计数，但是比正常计数大1，因为调用函数的时候传入a，这会让a的引用计数+1

2)垃圾回收机制

吃太多，总会变胖，Python也是这样。当Python中的对象越来越多，它们将占据越来越大的内存。不过你不用太担心Python的体形，它会在适当的时候“减肥”，启动垃圾回收(garbage
collection)，将没用的对象清除

从基本原理上，当Python的某个对象的引用计数降为0时，说明没有任何引用指向该对象，该对象就成为要被回收的垃圾了

比如某个新建对象，它被分配给某个引用，对象的引用计数变为1。如果引用被删除，对象的引用计数为0，那么该对象就可以被垃圾回收。

然而，减肥是个昂贵而费力的事情。垃圾回收时，Python不能进行其它的任务。频繁的垃圾回收将大大降低Python的工作效率。如果内存中的对象不多，就没有必要总启动垃圾回收。

所以，Python只会在特定条件下，自动启动垃圾回收。当Python运行时，会记录其中分配对象(object
allocation)和取消分配对象(object deallocation)的次数。当两者的差值高于某个阈值时，垃圾回收才会启动。

我们可以通过gc模块的get_threshold()方法，查看该阈值。

3)内存池机制

Python中有分为大内存和小内存：(256K为界限分大小内存)

1、大内存使用malloc进行分配

2、小内存使用内存池进行分配

python中的内存管理机制都有两套实现，一套是针对小对象，就是大小小于256K时，pymalloc会在内存池中申请内存空间;当大于256K时，则会直接执行系统的malloc的行为来申请内存空间。

H. 2022年Python技术类面试题总结（面试题+答案解析）

这是一位有着五年 Python 经验的好友最近对 Python 岗位面试后的一篇经验总结，从 Python 就业方向到 Python 面试题。

Python 就业方向 ：

下面是 Python 面试知识点，总结了华为、阿里巴巴等互联网公司 Python 常问面试题。每道题都提供参考答案，希望能够帮助你在求职面试中脱颖而出，找到一份高薪工作。

这些面试题分为 Python 基础和 Python高级，内容包含： 基础语法、文件操作、模块与包、数据类型、元类、内存管理与垃圾回收机制以及 Python 函数 等知识点。

（一） Python 基础语法

（二） 文件操作

（三） 模块与包

（四） 数据类型

（五）企业面试题

（一） 元类

（二）内存管理与垃圾回收机制

（三）函数

（四） 面向对象

由于篇幅有限，这份 Python 面试宝典已经被整理成了PDF文档，有需要 Python 面试宝典全套完整文档（面试题+答案解析）的可以 免费领取!