用python实现下面的题目，谢谢啦_百度知道
用python实现下面的题目，谢谢啦
小明和女朋友买了一堆士力架，先是女朋友吃了一半，然后小明又吃了一个，第二天他女朋友吃了一半，然后小明吃了一个，直到第六天只剩下一个，问小明到底买了多少士力架
我有更好的答案
n=1for&i&in&range(6):&&&&n+=1&&&&n=n*2print(n)我的理解是女友吃的是剩余总数量的1/2(而不是半个士力架),第六天结束时剩1个,逆向思维
采纳率：36%
来自团队：
a=1n=1while n&=6:n+=1a=(a+1)*2print(a)
为您推荐：
其他类似问题
换一换
回答问题，赢新手礼包
个人、企业类
违法有害信息,请在下方选择后提交
色情、暴力
我们会通过消息、邮箱等方式尽快将举报结果通知您。11道Python基本面试题|深入解答 - 简书
11道Python基本面试题|深入解答
分享给大家的11道Python面试题，好多小伙伴都很积极的去思考分析，给我留言的同学非常多,非常欣慰有这么多好学的小伙伴，大家一起学习，一起加油，把Python学好,今天我就把11道面试题细细解答一下1.单引号，双引号，三引号的区别分别阐述3种引号用的场景和区别1),单引号和双引号主要用来表示字符串比如:单引号:'python'双引号:"python"2).三引号三单引号:'''python ''',也可以表示字符串一般用来输入多行文本,或者用于大段的注释三双引号："""python"""，一般用在类里面,用来注释类,这样省的写文档,直接用类的对象__doc__访问获得文档区别:若你的字符串里面本身包含单引号,必须用双引号比如:"can't find the log\n"2.Python的参数传递是值传递还是引用传递举例说明Python函数参数传递的几种形式，并说明函数传参是值传递还是引用传递1).Python的参数传递有：位置参数默认参数，可变参数,关键字参数2).函数的传值到底是值传递还是引用传递，要分情况a.不可变参数用值传递：像整数和字符串这样的不可变对象，是通过拷贝进行传递的，因为你无论如何都不可能在原处改变不可变对象b.可变参数是用引用传递的比如像列表，字典这样的对象是通过引用传递，和C语言里面的用指针传递数组很相似，可变对象能在函数内部改变.3.什么是lambda函数？它有什么好处?举例说明lambda的用法，并说明用lambda的优点1).lambda的用法：lambda是匿名函数，用法如下:lambda arg1,arg2..argN:expression using args2).优点lambda能和def做同样种类的工作，特别是对于那些逻辑简单的函数，直接用lambda会更简洁，而且省去取函数名的麻烦(给函数取名是个技术活)
4.字符串格式化:%和.format的区别
字符串的format函数非常灵活，很强大,可以接受的参数不限个数，并且位置可以不按顺序，而且有较为强大的格式限定符(比如:填充，对齐,精度等)
5.Python是如何进行内存管理的
1).对象的引用计数机制Python内部使用引用计数，来保持追踪内存中的对象，所有对象都有引用计数。引用计数增加的情况：一个对象分配一个新名称将其放入一个容器中（如列表、元组或字典）引用计数减少的情况：使用del语句对对象别名显示的销毁引用超出作用域或被重新赋值2).垃圾回收当一个对象的引用计数归零时，它将被垃圾收集机制处理掉。3).内存池机制Python提供了对内存的垃圾收集机制，但是它将不用的内存放到内存池而不是返回给操作系统:Pymalloc机制：为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。对于Python对象，如整数，浮点数和List，都有其独立的私有内存池，对象间不共享他们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。
6.写一个函数, 输入一个字符串, 返回倒序排列的结果
输入: string_reverse(‘abcdef’), 返回: ‘fedcba’,写出你能想到的多种方法1).利用字符串本身的翻转def string_reverse1(text='abcdef'):return text[::-1]2).把字符串变成列表，用列表的reverse函数
3).新建一个列表，从后往前取
4).利用双向列表deque中的extendleft函数
7.按升序合并如下两个list, 并去除重复的元素
list1 = [2, 3, 8, 4, 9, 5, 6]list2 = [5, 6, 10, 17, 11, 2]1).最简单的方法用setlist3=list1+list2print sorted(list(set(list3)))2).递归先选一个中间数，然后一边是小的数字，一边是大的数字，然后再循环递归，排完序(是不是想起了c里面的冒泡)
8.以下的代码的输出将是什么? 说出你的答案并解释
class Parent(object):x = 1class Child1(Parent):passclass Child2(Parent):passprint Parent.x, Child1.x, Child2.xChild1.x = 2print Parent.x, Child1.x, Child2.xParent.x = 3print Parent.x, Child1.x, Child2.x&&1 1 11 2 13 2 3解答:使你困惑或是惊奇的是关于最后一行的输出是 3 2 3 而不是 3 2 1。为什么改变了 Parent.x 的值还会改变 Child2.x 的值，但是同时 Child1.x 值却没有改变？这个答案的关键是，在 Python中，类变量在内部是作为字典处理的。如果一个变量的名字没有在当前类的字典中发现，将搜索祖先类（比如父类）直到被引用的变量名被找到.首先，在父类中设置 x = 1 会使得类变量 x 在引用该类和其任何子类中的值为 1。这就是因为第一个 print 语句的输出是 1 1 1然后，如果任何它的子类重写了该值（例如，我们执行语句 Child1.x = 2）该值仅仅在子类中被改变。这就是为什么第二个 print 语句的输出是 1 2 1最后，如果该值在父类中被改变（例如，我们执行语句 Parent.x = 3），这个改变会影响到任何未重写该值的子类当中的值（在这个示例中被影响的子类是 Child2）。这就是为什么第三个 print 输出是 3 2 39.下面的代码会不会报错list = ['a', 'b', 'c', 'd', 'e']print list[10:]不会报错，而且会输出一个 []，并且不会导致一个 IndexError解答:当试图访问一个超过列表索引值的成员将导致 IndexError（比如访问以上列表的 list[10]）。尽管如此，试图访问一个列表的以超出列表长度数作为开始索引的切片将不会导致 IndexError，并且将仅仅返回一个空列表一个讨厌的小问题是它会导致出现 bug ，并且这个问题是难以追踪的，因为它在运行时不会引发错误，吐血啊~~10.说出下面list1,list2,list3的输出值def extendList(val, list=[]):list.append(val)return listlist1 = extendList(10)list2 = extendList(123,[])list3 = extendList('a')print "list1 = %s" % list1print "list2 = %s" % list2print "list3 = %s" % list3&&list1 = [10, 'a']list2 = [123]list3 = [10, 'a']许多人会错误的认为 list1 应该等于 [10] 以及 list3 应该等于 ['a']。认为 list 的参数会在 extendList 每次被调用的时候会被设置成它的默认值 []。尽管如此，实际发生的事情是，新的默认列表仅仅只在函数被定义时创建一次。随后当 extendList 没有被指定的列表参数调用的时候，其使用的是同一个列表。这就是为什么当函数被定义的时候，表达式是用默认参数被计算，而不是它被调用的时候。因此，list1 和 list3 是操作的相同的列表。而list2是操作的它创建的独立的列表（通过传递它自己的空列表作为list参数的值）所以这一点一定要切记切记.下面我们把list置为None就可以避免一些麻烦了
11.写出你认为最Pythonic的代码
Pythonic编程风格是Python的一种追求的风格，精髓就是追求直观，简洁而容易读.下面是一些比较好的例子1).交互变量非Pythonictemp = aa = bb = temppythonic:a,b=b,a2).判断其值真假name = 'Tim'langs = ['AS3', 'Lua', 'C']info = {'name': 'Tim', 'sex': 'Male', 'age':23 }非Pythonicif name != '' and len(langs) & 0 and info != {}:print('All True!')pythonic:if name and langs and info:print('All True!')3).列表推导式[x for x in range(1,100) if x%2==0]4).zip创建键值对keys = ['Name', 'Sex', 'Age']values = ['Jack', 'Male', 23]dict(zip(keys,values))pythonic的代码很多，这里举几个典型的例子
请关注微信公众号：菜鸟学Python ,获源码和电子书
http://python.jobbole.com/85231/ 关于专业技能写完项目接着写写一名3年工作经验的Java程序员应该具备的技能，这可能是Java程序员们比较关心的内容。我这里要说明一下，以下列举的内容不是都要会的东西—-但是如果你掌握得越多，最终能得到的评价、...
Python 函数式编程入门教程 - 后端 - 掘金本文为作者原创，转载请先与作者联系。同发于博客园和 SegmentFault专栏 Functional Programming 引言 Functional Programming(函数式编程)的概念最早起源于LISP，由约...
Python黑帽编程2.3字符串、列表、元组、字典和集合 本节要介绍的是Python里面常用的几种数据结构。通常情况下，声明一个变量只保存一个值是远远不够的，我们需要将一组或多组数据进行存储、查询、排序等操作，本节介绍的Python内置的数据结构可以满足大多数情况下的需求。...
Python简介 Python历史 Python 是由 Guido van Rossum 在八十年代末和九十年代初，在荷兰国家数学和计算机科学研究所设计出来的。Python 本身也是由诸多其他语言发展而来的,这包括 ABC、Modula-3、C、C++、Algol-68、S...
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。 问题1：什么是pyt...
文：木木酱@漫七八遭 不知道大家最近有没有关注全运会啊！！！ 作为一个四肢不勤、五谷不分的二次元死宅，以前的运动量也就是每天两次去门口取过外卖小哥的餐盒！ 啊？问我为啥不是三次，请问你见过死宅能在中午前起床吃早饭吗？ 咳咳…… 回归正题，这段时间，每天都守着五号大裤衩看体育...
情衫袖，琴声奏。吟诗作画相思扣。才子对，佳人配。余晖散落，满眸霞蔚。醉！醉！醉！
切丝藕，断肠酒。杯杯难续封了口。昔人贵，爱融内。到了无痕，不再回味。梦！梦！梦！
什么是断舍离？ 断：对于那些自己不需要的东西不买、不收；舍：处理掉堆放在家里没用的东西；离：远离物质的诱惑，放弃对物品的执著，让自己处于宽敞舒适，自由自在的空间。 太多事情了所以今天直接捡的别人读书简介来看了看概览，在疯狂的草莓那里看到我认为最干货的一篇。非常受鼓舞。 所以...
昨天给我做美容护肤的小姑娘，二十岁就结婚、怀孕、生育了，老公是老家的人，比她大八岁，结婚半年，就去了广东打工，一年回来两次。 她一个人在武汉打工，孩子留在老家，给老人带，她一个月回去看望两次。 我问她，跟老公长期分居，想他么？ 她说，我挺喜欢现在的生活，不喜欢男人一天到晚陪...最新Python编程语言教程信息以及Python资源下载尽在玩蛇网！
欢迎来到玩蛇网，学习Python知识 !
2018年玩蛇网以简单易懂的Python教程讲解、实例源码、各种应用编程让您可以轻松愉快的学习编程技术，快速成为一名Python程序员。
提示：大家可以通过玩蛇网上的所有免费Python教程来学习软件编程知识 ，如果需要深入系统的学习、较短时间达到理想学习效果可以参加班学习。
一、进入玩蛇网Python学习指南：
1、Python基础学习：进入频道学习入门必备的知识。
2、Python技术提高：可以通过频道得到快速的提升。
3、实用编程技术：参加玩蛇网Python程序员培训班 ，系统全面学习编程技术。
4、Python资源：在这里可以找到各类电子书、、第三方模块等资源下载。
5、网络Web编程：在和找到网站程序设计和网络通信应用编程。
6、有任何Python问题：各种编程相关的疑问大家都可以：①
二、学习Python有疑问？
PYTHON必知必会： 与
PYTHON编程必备：
Python精彩图文教程：更多
PYTHON编程100例：
Python视频教程 超高清：更多
更多精彩PYTHON相关内容：
PYTHON相关Tags标签：
Navigation
玩蛇网Python之家，简称玩蛇网，是一个致力于推广python编程技术、程序源码资源的个人网站。站长 斯巴达 是一位 长期关注 软件、互联网、服务器与各种开发技术的Python爱好者，建立本站旨在与更多朋友分享派森编程的乐趣！
2018本站团队成员： 斯巴达
| 欢迎加入团队...Python 的练手项目有哪些值得推荐？ - 知乎<strong class="NumberBoard-itemValue" title="5被浏览<strong class="NumberBoard-itemValue" title=",995,611分享邀请回答aosabook.org/en/index.html可以在线看哦前两本每章介绍出名开源软件的架构，你说的上名字的开源基本上都能找到，短小精悍的介绍框架第三本介绍开源软件中实际遇到的一些performance的问题以及解决方案，同样浓缩啊！！ 每章的作者大多就是此开软软件的开发者啊！！！不用多说，点开你就知道啊不想看英文的怒点 前两卷的中文版，不知道翻译的怎么样----------------------------------------割了你--------------------------------------------------------------和楼主一样在学习python， 最近找到一本python神书 500 line or less. 有兄弟提到了git的源码，这里不只是源码，而是这么一本书，目前还没出版，但是在网上有已经看到了 review版本。强烈推荐！！！强烈推荐！！！强力推荐！！！这本书共16个章节，每章均是由该领域的大牛完成，用不到500行的代码实现一个特（装）定（逼）功能。本书链接 目录页：以下是章节目录，每一章都让你热血澎湃，看完介绍你就向往下读。1. A Template Engine （）
MVC模型中的view层如何解析html中的静态变量和简单的语句，如下：&p&Welcome, {name}!&/p&
&p&Products:&/p&
{products}
web中的view层不只是html代码，还有支持其他的代码。比如 {products}是一个变量。 同时view层还支持{if} , {for}, {foreach}等等。django，velocity等是如何解析他们的？大牛用不到500行代码告诉你，是如何实现的？ （不是替换，替换需要每次请求都需要解析）2. Web Spreadsheet （）
web的电子表格如何实现的？ 好像比较简单，但是介绍了 web storage 和 web worker，还是很值得一看的3. A Web Crawler
不多说，几百行代码实现高效的网络爬虫， 高效！4. Static Analysis
成熟的IDE都有代码检查和代码提示，怎么做的？ 看这章5. Clustering by Consensus
分布式系统 paxos原理与实现。不知道paxos说明你没接触过分布式体统，接触过分布式还不懂，说明你只会用分布式系统6. A Simple Object Modle
Python是面向对象语言，对象，继承，多态，怎么用代码实现的，不到500行代码，实际不到400 行， 666.。。7. An Archaeology-Inspired Database
如何用python实现一个数据库，支持 query，index, transaction， 2，3百行代码和对每个函数的讲解。看完你就知道知道数据库原理，太值了8. Dog Bed Database
类似上一章，不过这次实现的是key-value的非关系型数据库，详细的讲解和2，3百行代码9. A 3D Modeller
用python实现一个3D设计，显示到屏幕，可以交互。不是很懂，但不明觉厉10. A Python Interpreter Written in Python
手把手教你如何实现python解析器。11. A Pedometer in the Real World
你用过手机应用记录你每天走的步数，然后发送到朋友圈吗？ （没有？ 没关系。）这章告诉你如何实现步数记录，怎么算走一步。手机中有加速记，很容易获得你某一时刻在x,y,z三个方向的加速度，用这些参数，如何计算你走了多少步？ 知道吗？ 不知道，看这章，讲解加实现12. A Continuous Intergration System
CI System是一个专门用来测试新代码的系统，根据代码提交记录，拿到新的代码，测试，生成报告。这不是关键，关键是 如果test失败，它还会 恢复，然后从失败的那个点在跑，相当于把出错环境重现了。。。13 A Rejection Sampler
不是很懂，和机器学习相关，如何 计算你赢得象棋比赛的概率，天气对飞机的影响等类似的问题14 A visual programming toolkit
不太明白15.
A Flow Shop Scheduler
flowshop调度问题，好像很出名的样子，最优化问题，如何从局部最优解找全局最优解16
Optical Character Recognition
几百行代码使用人工神经网络实现识别手写字母。。。github源码：7.4K129 条评论分享收藏感谢收起98444 条评论分享收藏感谢收起到底什么是Python？你可以在回答中与其他技术进行对比（也鼓励这样做）。
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。
补充缺失的代码
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
def print_directory_contents(sPath):
for sChild in os.listdir(sPath):
sChildPath = os.path.join(sPath,sChild)
if os.path.isdir(sChildPath):
print_directory_contents(sChildPath)
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！
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
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 = [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]
A0 = {'a': 1, 'c': 3, 'b': 2, 'e': 5, 'd': 4}
A1 = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
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。
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。
Python并不支持真正意义上的多线程。Python中提供了，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。
你如何管理不同版本的代码？
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！
下面代码会输出什么：
def f(x,l=[]):
for i in range(x):
l.append(i*i)
f(3,[3,2,1])
[3, 2, 1, 0, 1, 4]
[0, 1, 0, 1, 4]
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 = []
# the first call
for i in range(2):
l.append(i*i)
l = [3,2,1]
# the second call
for i in range(3):
l.append(i*i)
# [3, 2, 1, 0, 1, 4]
# the third call
for i in range(3):
l.append(i*i)
# [0, 1, 0, 1, 4]
“猴子补丁”（monkey patching）指的是什么？这种做法好吗？
“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。
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。
这两个参数是什么意思：*args，**kwargs？我们为什么要使用它们？
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}
# (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}
# (1, 2, 3) {'a': 7, 'c': 9, 'b': 8}
# (4, 5, 6) {'a': 7, 'c': 9, 'b': 8}
# (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
# 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。
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_decorator
def my_func(stuff):
Is equivalent to
def my_func(stuff):
my_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：
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)
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]
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 0x7fdd&&
o.class_method()
# class_method((&class __main__.MyClass at 0x7fdd&,),{})
o.class_method(1,2,x=3,y=4)
# class_method((&class __main__.MyClass at 0x7fdd&, 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 0x7fdd&
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&,(),{})
阅读下面的代码，它的输出结果是什么？
class A(object):
def go(self):
print "go A go!"
def stop(self):
print "stop A stop!"
def pause(self):
raise Exception("Not Implemented")
class B(A):
def go(self):
super(B, self).go()
print "go B go!"
class C(A):
def go(self):
super(C, self).go()
print "go C go!"
def stop(self):
super(C, self).stop()
print "stop C stop!"
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
# 说明下列代码的输出结果
输出结果以注释的形式表示：
# go A go!
# go A go!
# go B go!
# go A go!
# go C go!
# go A go!
# go C go!
# go B go!
# go D go!
# go A go!
# go C go!
# go B go!
# stop A stop!
# stop A stop!
# stop A stop!
# stop C stop!
# stop A stop!
# stop C stop!
# stop D stop!
# stop A stop!
# ... Exception: Not Implemented
# ... Exception: Not Implemented
# ... Exception: Not Implemented
# wait D wait!
# ...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。
阅读下面的代码，它的输出结果是什么？
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()
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。
简要描述Python的垃圾回收机制（garbage collection）。
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。
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)]
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，下面我们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
percall filename:lineno(function)
0.044 &stdin&:1(f1)
0.045 &string&:1(&module&)
0.000 {method 'disable' of '_lsprof.Profiler' objects}
0.035 {sorted}
&&& cProfile.run('f2(lIn)')
4 function calls in 0.024 seconds
Ordered by: standard name
percall filename:lineno(function)
0.023 &stdin&:1(f2)
0.024 &string&:1(&module&)
0.000 {method 'disable' of '_lsprof.Profiler' objects}
0.016 {sorted}
&&& cProfile.run('f3(lIn)')
4 function calls in 0.055 seconds
Ordered by: standard name
percall filename:lineno(function)
0.054 &stdin&:1(f3)
0.055 &string&:1(&module&)
0.000 {method 'disable' of '_lsprof.Profiler' objects}
0.038 {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。
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。
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。
我给出的这些问题时，有意涉及了多个领域。而且答案也是特意写的较为啰嗦。在编程面试中，你需要展示你对语言的理解，如果你能简要地说清楚，那请务必那样做。
我尽量在答案中提供了足够的信息，即使是你之前从来没有了解过这些领域，你也可以从答案中学到些东西。我希望本文能够帮助你找到满意的工作。
本文由EarlGrey@编程派独家编译，转载请务必注明作者及出处。
原文：&译文：
阅读(...) 评论()