引言
想找一份Python开发工作吗？那你很可能得证明自己知道如何使用Python。下面这些问题涉及了与Python相关的许多技能，问题的关注点主要是语言本身，不是某个特定的包或模块。每一个问题都可以扩充为一个教程，如果可能的话。某些问题甚至会涉及多个领域。
我之前还没有出过和这些题目一样难的面试题，如果你能轻松地回答出来的话，赶紧去找份工作吧！
问题1
到底什么是Python？你可以在回答中与其他技术进行对比（也鼓励这样做）。
答案
下面是一些关键点：
-
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。
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。
问题2
补充缺失的代码
defprint_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
defprint_directory_contents(sPath):importosforsChildinos.listdir(sPath):sChildPath=os.path.join(sPath,sChild)ifos.path.isdir(sChildPath):print_directory_contents(sChildPath)else:printsChildPath
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！
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
问题3
阅读下面的代码，写出A0，A1至An的最终值。
A0=dict(zip(('a','b','c','d','e'),(1,2,3,4,5)))A1=range(10)A2=[iforiinA1ifiinA0]A3=[A0[s]forsinA0]A4=[iforiinA1ifiinA3]A5={i:i*iforiinA1}A6=[[i,i*i]foriinA1]
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={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]]
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。
问题4
Python和多线程（multi-threading）。这是个好主意码？列举一些让Python代码以并行方式运行的方法。
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）。
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。
问题5
你如何管理不同版本的代码？
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）。
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！
问题6
下面代码会输出什么：
deff(x,l=[]):foriinrange(x):l.append(i*i)printlf(2)f(3,[3,2,1])f(3)
答案：
[0,1][3,2,1,0,1,4][0,1,0,1,4]
呃？
第一个函数调用十分明显，for循环先后将0和1添加至了空列表l中。l是变量的名字，指向内存中存储的一个列表。第二个函数调用在一块新的内存中创建了新的列表。l这时指向了新生成的列表。之后再往新列表中添加0、1、2和4。很棒吧。第三个函数调用的结果就有些奇怪了。它使用了之前内存地址中存储的旧列表。这就是为什么它的前两个元素是0和1了。
不明白的话就试着运行下面的代码吧：
l_mem=[]l=l_mem# the first callforiinrange(2):l.append(i*i)printl# [0, 1]l=[3,2,1]# the second callforiinrange(3):l.append(i*i)printl# [3, 2, 1, 0, 1, 4]l=l_mem# the third callforiinrange(3):l.append(i*i)printl# [0, 1, 0, 1, 4]
问题7
“猴子补丁”（monkey patching）指的是什么？这种做法好吗？
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：
importdatetimedatetime.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。
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。
问题8
这两个参数是什么意思：*args，**kwargs？我们为什么要使用它们？
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：
deff(*args,**kwargs):printargs,kwargsl=[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}deff2(arg1,arg2,*args,**kwargs):printarg1,arg2,args,kwargsf2(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}
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。
问题9
下面这些是什么意思：@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_decoratordefmy_func(stuff):do_thingsIsequivalenttodefmy_func(stuff):do_thingsmy_func=my_decorator(my_func)
你可以在本网站上找到介绍装饰器工作原理的教材。
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：
classMyClass(object):def__init__(self):self._some_property="properties are nice"self._some_other_property="VERY nice"defnormal_method(*args,**kwargs):print"calling normal_method({0},{1})".format(args,kwargs)@classmethoddefclass_method(*args,**kwargs):print"calling class_method({0},{1})".format(args,kwargs)@staticmethoddefstatic_method(*args,**kwargs):print"calling static_method({0},{1})".format(args,kwargs)@propertydefsome_property(self,*args,**kwargs):print"calling some_property getter({0},{1},{2})".format(self,args,kwargs)returnself._some_property@some_property.setterdefsome_property(self,*args,**kwargs):print"calling some_property setter({0},{1},{2})".format(self,args,kwargs)self._some_property=args[0]@propertydefsome_other_property(self,*args,**kwargs):print"calling some_other_property getter({0},{1},{2})".format(self,args,kwargs)returnself._some_other_propertyo=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 callableo.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 callableo.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 attributeo.some_other_property# calling some_other_property getter(<__main__.MyClass object at 0x7fb2b7077890>,(),{})
问题10
阅读下面的代码，它的输出结果是什么？
classA(object):defgo(self):print"go A go!"defstop(self):print"stop A stop!"defpause(self):raiseException("Not Implemented")classB(A):defgo(self):super(B,self).go()print"go B go!"classC(A):defgo(self):super(C,self).go()print"go C go!"defstop(self):super(C,self).stop()print"stop C stop!"classD(B,C):defgo(self):super(D,self).go()print"go D go!"defstop(self):super(D,self).stop()print"stop D stop!"defpause(self):print"wait D wait!"classE(B,C):passa=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()b.stop()c.stop()d.stop()e.stop()a.pause()b.pause()c.pause()d.pause()e.pause()
答案
输出结果以注释的形式表示：
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 Implementedb.pause()# ... Exception: Not Implementedc.pause()# ... Exception: Not Implementedd.pause()# wait D wait!e.pause()# ...Exception: Not Implemented
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。
问题11
阅读下面的代码，它的输出结果是什么？
classNode(object):def__init__(self,sName):self._lChildren=[]self.sName=sNamedef__repr__(self):return"<Node '{}'>".format(self.sName)defappend(self,*args,**kwargs):self._lChildren.append(*args,**kwargs)defprint_all_1(self):printselfforoChildinself._lChildren:oChild.print_all_1()defprint_all_2(self):defgen(o):lAll=[o,]whilelAll:oNext=lAll.pop(0)lAll.extend(oNext._lChildren)yieldoNextforoNodeingen(self):printoNodeoRoot=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()
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'>
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。
问题12
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小时，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。
问题13
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。
deff1(lIn):l1=sorted(lIn)l2=[iforiinl1ifi<0.5]return[i*iforiinl2]deff2(lIn):l1=[iforiinlInifi<0.5]l2=sorted(l1)return[i*iforiinl2]deff3(lIn):l1=[i*iforiinlIn]l2=sorted(l1)return[iforiinl1ifi<(0.5*0.5)]
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。
importcProfilelIn=[random.random()foriinrange(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，下面我们给出上述分析代码的输出结果：
>>>cProfile.run('f1(lIn)')4functioncallsin0.045secondsOrderedby:standardnamencallstottimepercallcumtimepercallfilename:lineno(function)10.0090.0090.0440.044<stdin>:1(f1)10.0010.0010.0450.045<string>:1(<module>)10.0000.0000.0000.000{method'disable'of'_lsprof.Profiler'objects}10.0350.0350.0350.035{sorted}>>>cProfile.run('f2(lIn)')4functioncallsin0.024secondsOrderedby:standardnamencallstottimepercallcumtimepercallfilename:lineno(function)10.0080.0080.0230.023<stdin>:1(f2)10.0010.0010.0240.024<string>:1(<module>)10.0000.0000.0000.000{method'disable'of'_lsprof.Profiler'objects}10.0160.0160.0160.016{sorted}>>>cProfile.run('f3(lIn)')4functioncallsin0.055secondsOrderedby:standardnamencallstottimepercallcumtimepercallfilename:lineno(function)10.0160.0160.0540.054<stdin>:1(f3)10.0010.0010.0550.055<string>:1(<module>)10.0000.0000.0000.000{method'disable'of'_lsprof.Profiler'objects}10.0380.0380.0380.038{sorted}
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。
问题14
你有过失败的经历吗？
错误的答案
我从来没有失败过！
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。
问题15
你有实施过个人项目吗？
真的？
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。
