python函数面试的简单介绍

python面试注意什么

一、自我介绍

之前讲过很多关于如何应对面试官提出的“自我介绍”这个问题，今天，针对Python程序员这个岗位，给大家重新梳理一下答题的结构。我们在做自我介绍时，可以按照：个人基本信息+基本技术构成+项目经验(具体项目以及在项目中的负责部分)+自我评价的结构来回答。注意一定要紧紧围绕招聘岗位的需求做介绍，在此之前要做好准备工作，看看招聘方具体需要什么方向的研发工程师。目前针对Python，有自动化测试平台的设计与开发、数据的挖掘与清洗以及Python开发等具体岗位，所以面试Python方向的同学注意，可以多和运维以及自动化方面靠拢。当然，具体还是要看公司空缺岗位与你的专业是否对口。

二、不要给自己挖坑

确保你在回答面试官的过程中，回答的每个知识点都了然于胸，不然被问住，是很难堪的。如果遇到不会的问题，一定不要盲目乱答一通。比如有一次，有位同学在回答Web安全问题时，顺嘴说了SQL注入，面试官便顺水推舟，让这位同学接着讲讲SQL的原理及解决方法。然而这位同学却把XSS跨站注入攻击和SQL注入搞混了，归根结底，还是知识掌握得不够牢固。所以，在面试时，要斟酌每一句话，聪明的同学还可以引导面试官，让他问出自己想要被问的问题。当然，化被动为主动，就是面试中比较高的一种境界了。

三、有足够的自信

如果你学历不是特别高，在面试时，面试官很有可能会问你是怎样看待学历和能力的。学历和能力在当今的社会都不可或缺，学历往往是你面试的敲门砖，但敲完门用途就不大了，后面才是证明你能力的时刻。针对这个问题，我们一定要不卑不亢地说出自己看法：“我想只要完成了大学校园内的学业，就表明已经具备了一定的学习能力。如果我们努力学习代码技能，并且有能力学好，那么是学士还是博士就不是很重要。竞争这个岗位的关键是看你能在这个领域上发挥什么作用，而不单单是学了多少书本上的知识。”

相关问答

Q1: python面试必备题目有哪些

给你一份千锋python的面试题吧

1、多线程使用Python是个好主意吗？列出一些方法可以让一些Python代码以并行方式运行。

答：Python不允许真正意义上的多线程。它有一个多线程包，但如果你想使用多线程来加速你的代码，那么使用它通常不是一个好主意。Python有一个名为全局解释器锁(Global

Interpreter

Lock（GIL）)的结构。GIL确保每次只能执行一个“线程”。一个线程获取GIL，做一点工作，然后将GIL传递到下一个线程。这种情况发生的很快，因此对于人眼看来，你的线程似乎是并行运行的，但它们实际上只是轮流使用相同的CPU核心。所有这些GIL传递都增加了运行的内存。这意味着如果你想让代码运行得更快，那么使用线程包通常不是一个好主意。

使用Python的线程包也是有原因的。如果你想同时运行一些东西，并且效率不是一个问题，那么它就完全没问题了。或者，如果你正在运行需要等待某些事情的代码（例如某些IO），那么它可能会很有意义。但是线程库不会让你使用额外的CPU核心。

多线程可以外包到操作系统（通过多处理），一些调用Python代码的外部应用程序（例如，Spark或Hadoop），或者Python代码调用的一些代码例如：你可以使用你的Python代码调用一个C函数来完成昂贵的多线程事务。

2、这段代码输出了什么：

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

3、如何在Python中管理内存？

Python中的内存管理由Python私有堆空间管理。所有Python对象和数据结构都位于私有堆中。程序员无权访问此私有堆。Python解释器负责处理这个问题。Python对象的堆空间分配由Python的内存管理器完成。核心API提供了一些程序员编写代码的工具Python还有一个内置的垃圾收集器，它可以回收所有未使用的内存，并使其可用于堆空间。

4、range＆xrange有什么区别？

在大多数情况下，xrange和range在功能方面完全相同。它们都提供了一种生成整数列表的方法，唯一的区别是range返回一个Python列表对象，x range返回一个xrange对象。

这就表示xrange实际上在运行时并不是生成静态列表。它使用称为yielding的特殊技术根据需要创建值。该技术与一种称为生成器的对象一起使用。因此如果你有一个非常巨大的列表，那么就要考虑xrange。

5、Python中help()和dir()函数的用法是什么？

Help()和dir()这两个函数都可以从Python解释器直接访问，并用于查看内置函数的合并转储。

help()函数：help()函数用于显示文档字符串，还可以查看与模块，关键字，属性等相关的使用信息。

dir()函数：dir()函数用于显示定义的符号。

6、NumPy中有哪些操作Python列表的函数？

Python的列表是高效的通用容器。它们支持（相当）有效的插入，删除，追加和连接，Python的列表推导使它们易于构造和操作。

它们有一定的局限性：它们不支持像素化加法和乘法等“向量化”操作，并且它们可以包含不同类型的对象这一事实意味着Python必须存储每个元素的类型信息，并且必须执行类型调度代码在对每个元素进行操作时。

NumPy不仅效率更高; 它也更方便。你可以免费获得大量的向量和矩阵运算，这有时可以避免不必要的工作。它们也得到有效实施。

NumPy数组更快，你可以使用NumPy，FFT，卷积，快速搜索，基本统计，线性代数，直方图等内置。

这些内容还是比较重要的，如果有帮到你，麻烦采纳谢谢

Q2: 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。

Q3: 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!

Q4: Python面试基础题十大陷阱，你中招了吗

我们在会碰到各种各样的面试，有的甚至是HR专门为你设置的障碍，在python面试中也是，无论你是应聘Python web开发，爬虫工程师，或是数据分析，还是自动化运维，这些python面试基础题十大陷阱也许你会遇到，今天的python培训总结出来给你以防万一：

问题1：请问如何修改以下Python代码，使得下面的代码调用类A的show方法?

class A(object)

def show(self):

print 'derived show'

class B(A)

def show(self):

print 'derived show'

obj=B()

obj.show()

答：这道题的考点是类继承，只要通过__class__ 方法指定类对象就可以了。补充的代码如下：

obj._class_=A

obj.show()

问题2：请问如何修改以下Python代码，使得代码能够运行?

class A(object):

def _init_ (self,a,b):

self._a = a

self._b = b

def myprint(self):

print 'a=',self._a,'b=',self._b

a1=A(10,20)

a1.myprint()

a1=(80)

答：此题考察得是方法对象，为了能让对象实例能被直接调用，需要实现 __call__ 方法，补充代码如下：

class A(object):

def _init_ (self,a,b):

self._a = a

self._b = b

def myprint(self):

print 'a=',self._a,'b=',self._b

def_call_(self,num):

print'call:',num+self._a

问题3：下面这段代码的输出是什么?

class B(object):

def fn(self):

print"B fn"

def_init_(self):

print"B INIT"

class A(object):

def fn(self):

print"A fn"

def_new_(cls,a):

print"NEW",a

if a10:

return super(A,cls)._new_(cls)

return B()

def_init_(self,a):

print "INIT",a

a1=A(5)

a1,fn()

a2=A(20)

a2,fn()

答：

NEW 5

B INIT

B fn

NEW 20

INIT 20

A fn

此题考察的是new和init的用法，使用 __new__ 方法，可以决定返回那个对象，也就是创建对象之前调用的，这个常见于于设计模式的单例、工厂模式。__init__ 是创建对象是调用的。

问题4：下面这段代码输出什么?

1s=[1,2,3,4]

list1 =[i for i in ls if i2

print list1

list2 =[1*2 for i in ls if 12

print list2

dicl={x: x**2 for x in(2, 4, 6)}

print dic1

dic2={x: ' item'+ str(x**2)for x in (2, 4, 6)}

print dic2

setl ={x for x in 'hello world' if x not in 'low level'}

print set1

答:

[3,4]

[6,8]

{2:4,4:16,6:36}

{2:'item4',4:'item16’,6:'item36"}set(["h",'r','d"])

此题考察的是列表和字典的生成。

问题5：下面这段代码输出什么?

num= 9

def f1():

um=20

def f2():

print num

f2()

f1()

f2()

答:

9

9

此题考察全局变量和局部变量。num 不是个全局变量，所以每个函数都得到了自己的 num 拷贝，如果你想修改 num ，则必须用 global 关键字声明。比如下面这样

num=9

def f1():

global num

um=20

def f2():

print num

f2()

f1()

f2()

#prints:

#9

#20

问题6：如何使用一行代码交换两个变量值?

a=8

b=9

答：

(a,b)=(b,a)

问题7：如何添加代码，使得没有定义的方法都调用mydefault方法?

class A(object):

def_init_(self,a,b):

self.a1=a

self.b1=b

print'init'

def mydefault(self):

print'default'

a1=A(10,20)

a1.fn1()

a1.fn2()

a1.fn3()

答：

class A(object):

def_init_(self,a,b):

self.a1=a

self.b1=b

print'init'

def mydefault(self):

print'default'

def_getattr_(self,name):

return self.mydefault

a1=A(10,20)

a1.fn1()

a1.fn2()

a1.fn3()

此题的考的是Python的默认方法， 只有当没有定义的方法调用时，才会调用方法 __getattr__。当 fn1 方法传入参数时，我们可以给 mydefault 方法增加一个 *args 不定参数来兼容。

class A(object):

def_init_(self,a,b):

self.a1=a

self.b1=b

print'init'

def mydefault(self,*args):

print'default:'+str(args[0])

def_getattr_(self,name):

print"other fn:",name

return self.mydefault

a1=A(10,20)

a1.fn1(33)

a1.fn2('hello')

a1.fn3(10)

问题8：一个包里有三个模块，mod1.py , mod2.py , mod3.py ，但使用 from demopack import * 导入模块时，如何保证只有 mod1 、 mod3 被导入了。

答:在包中增加 __init__.py 文件，并在文件中增加：

_all_=['mod1','mod3']

问题9：写一个函数，接收整数参数 n ，返回一个函数，函数返回n和参数的积。

答:

def mulby(num):

def gn(val):

return num*val

return gn

zw=mulby(7)

print(zw(9));

问题10：请问下面的代码有什么隐患?(Python2中)

def strtest1(num):

str='first'

for i in range(num):

str+="X"

return str

答：由于变量str是个不可变对象，每次迭代，python都会生成新的str对象来存储新的字符串，num越大，创建的str对象越多，内存消耗越大。

Q5: Python后端开发工程师面试

第一步：自python函数面试我介绍

第二步：公司介绍

第三步：技术基础

第四步：项目介绍

第五步：待遇

自我介绍python函数面试，简单直接，姓名，籍贯，大学，工作经历

示例如下：

你好，面试官，我叫XX，来自XX，本科毕业于XX，主修XX专业，有X年工作经验，在上一家公司担任python后端开发工程师的职位。

公司名称是XX、公司主要做外包软件、都有软件定制/商城定制、前端2个后端2个运维1个

主要是根据你简历中填写的技术，根据我的简历中所写的，总结几点如下：

字典的查询流程：

不可变对象可哈希， str ， fronzenset ， tuple ，自己实现的类，要重载 __hash__ 方法。

dict内存花销大，但是查询速度快，自定义的对象或者python内部的对象都是dict包装的。

dict的存储顺序和元素添加顺序有关，添加顺序可能改变已有数据的顺序。

集合：是一个可以存放任意数据类型的可变无序的映射集合。

set和dict类似，set的核心也是散列表，但是表元只包含值的引用。 由于散列表的特性，set的元素不能重复，且无序。 内部由哈希实现，查找的时间复杂度为O(1)，所以性能很高，实现python函数面试了魔法函数 __contains__ 可以使用in来查找。 set的去重是通过两个函数 __hash__ 和 __eq__ 实现的。

（1）浅拷贝

定义：浅拷贝只是对另外一个变量的内存地址的拷贝，这两个变量指向同一个内存地址的变量值。

浅拷贝的特点：

（2）深拷贝：

定义：一个变量对另外一个变量的值拷贝。

深拷贝的特点：

Python GC主要使用引用计数（reference counting）来跟踪和回收垃圾。在引用计数的基础上，通过“标记-清除”（mark and sweep）解决容器对象可能产生的循环引用问题，通过“分代回收”（generation collectio n）以空间换时间的方法提高垃圾回收效率。

GIL全称 Global Interpreter Lock ，中文解释为全局解释器锁。它并不是Python的特性，而是在实现python的主流Cpython解释器时所引入的一个概念，GIL本质上就是一把互斥锁，将并发运行变成串行，以此来控制同一时间内共享数据只能被一个任务所修改，从而保证数据的安全性。

GIL保护的是解释器级别的数据，但是用户自己的数据需要自己加锁处理。

既然有了GIL的存在，一个进程中同一时刻只有一个线程能够被执行，无法利用cpu的多核机制，导致多线程用于I/O密集型，多进程用于计算密集型，如金融分析等。

死锁：两个或两个以上的进程或者线程在执行过程中，因为争夺资源而造成的互相等待现象，若无外力的作用，都将一直处于阻塞状态，这些互相等待的进程或者线程就被称为死锁。

解决方法，使用递归锁（RLock）

这个RLock内部有一个Lock和一个counter变量，counter记录着acquire的次数，从而使得资源可以被多次require。直到一个线程所有的acquire都被release，其他的线程才能获得资源。上面的例子如果使用RLock代替Lock，则不会发生死锁

可以直接认为是linux，毕竟搞后端的多数是和linux打交道。

那么如何避免粘包问题呢? 归根结底就是一句话, 明确两个包之间的边界.

UDP不存在粘包问题，是由于UDP发送的时候，没有经过Negal算法优化，不会将多个小包合并一次发送出去。另外，在UDP协议的接收端，采用了链式结构来记录每一个到达的UDP包，这样接收端应用程序一次recv只能从socket接收缓冲区中读出一个数据包。也就是说，发送端send了几次，接收端必须recv几次（无论recv时指定了多大的缓冲区）。

存储可能包含rdbms，nosql以及缓存等，我以mysql,redis举例**

python函数面试的介绍就聊到这里吧，感谢你花时间阅读本站内容，更多关于、python函数面试的信息别忘了在本站进行查找喔。