Python面试高频100题【11~15题】
Python面试必知100例。收集整理了目前Python岗位常见的面试题，希望大家通过学习理解相关知识点。下面介绍的是11~15道题。
十一、请介绍下Python中单下划线与双下划线区别
在Python中，单下划线和双下划线主要用于命名变量和方法，而它们具有不同的含义。
- 单下划线 _ ：
- 单下划线开头（例如 _var）是一种约定，用来指示这个名称是供内部使用的。它告诉读代码的人该变量或者方法主要被用于类或模块的内部，尽管Python并不会真正地阻止你在外部访问它。
class MyClass:
def __init__(self):
self._internal_var = 10
def internal_method(self):
pass
obj = MyClass()
print(obj._internal_var) # 可以访问，但是应该避免这么做
- 双下划线 __ ：
- 双下划线开头（例如 __var）表示这个变量或方法不仅仅是用于内部，Python会对其进行名称修饰（name mangling），用来避免命名冲突。这意味着类定义中以双下划线开头的名称如 __var 实际上会被改写为 _classname__var。
class MyClass:
def __init__(self):
self.__internal_var = 10
obj = MyClass()
print(obj.__internal_var) # 这会引发AttributeError错误
print(obj._MyClass__internal_var) # 这样可以访问
双下划线开头和结尾的变量（例如 var）是特殊变量，它们有特殊的含义，这些变量通常被称为"魔术"变量或方法。比如 init、str 等。
class MyClass:
def __init__(self, value):
self.value = value
def __str__(self):
return f"MyClass with value {self.value}"
obj = MyClass(10)
print(obj) # 输出：MyClass with value 10
十二、一个服务器有4GB的内存，怎么去读取5GB 的数据？
当需要处理的数据集大于可用内存时，我们不能一次性将所有数据加载到内存中。但我们可以使用一些策略来处理这种情况：
- 分块处理（Chunking）：这种方法涉及到将数据分割成小块，每次只读取一部分到内存中进行处理。例如，如果你正在处理一个大文件，你可以使用Python的文件读取方法，如read(size)或readline()，每次只读取一部分数据。
- 流处理（Streaming）：如果数据可以按照某种顺序处理，你可以使用流处理，也就是一次处理一个数据项，然后丢弃它，再处理下一个。这种方式常常用于处理日志文件或网络流等。
- 使用内存映射文件：内存映射文件是一种将文件的一部分或全部映射到内存空间的技术，使得这部分文件能够像内存一样被访问。Python的mmap模块提供了这种功能。但需要注意的是，这种方法适用于随机访问文件，不适合顺序读取大文件。
- 使用分布式计算：如果数据非常大，而且不能在单机上处理，那么可以考虑使用分布式计算框架，如Hadoop或Spark，将数据分布在多个机器上进行处理。
十三、如何对列表中的元素进行去重？
在Python中，对列表进行去重的一个常见方法是使用set数据结构，然后再转回到list。因为在set中，所有元素都是唯一的。以下是一个简单的代码示例：
def remove_duplicates(lst):
return list(set(lst))
original_list = [1, 2, 2, 3, 4, 4, 5, 6, 6, 7, 8, 8, 9]
print(remove_duplicates(original_list)) # 输出：[1, 2, 3, 4, 5, 6, 7, 8, 9]
需要注意的是，使用set进行去重会丢失原始列表的顺序。如果你希望保留元素的顺序，你可以使用dict从Python 3.7开始，字典保持了插入顺序，所以我们可以通过将列表元素作为字典的键来达到去重且保持顺序的效果。
def remove_duplicates_keep_order(lst):
return list(dict.fromkeys(lst))
original_list = [1, 2, 2, 3, 4, 4, 5, 6, 6, 7, 8, 8, 9]
print(remove_duplicates_keep_order(original_list)) # 输出：[1, 2, 3, 4, 5, 6, 7, 8, 9]
十四、如果列表里面的元素是字典，怎么对列表里面的元素进行去重？
在Python中，列表的元素如果是字典的话，通常情况下不能直接进行去重，因为字典是不可哈希的（unhashable），不能被用作集合（set）或字典的键。但我们可以通过一些其他的方法来去重。
- 使用json序列化：我们可以先将字典转化为JSON字符串，然后添加到集合（set）中，因为集合会自动去重。然后再将去重后的JSON字符串转回字典。
import json
# 列表中的元素是字典
list_of_dicts = [{"a": 1, "b": 2}, {"a": 1, "b": 2}, {"a": 3, "b": 4}]
# 初始化一个空集合来存储json字符串
json_set = set()
# 遍历列表中的每个字典
for d in list_of_dicts:
# 将字典转化为排序后的json字符串，然后添加到集合中
json_set.add(json.dumps(d, sort_keys=True))
# 初始化一个空列表来存储去重后的字典
unique_dicts = []
# 遍历集合中的每个json字符串
for i in json_set:
# 将json字符串转回字典，然后添加到列表中
unique_dicts.append(json.loads(i))
print(unique_dicts)
- 使用元组作为键：
# 列表中的元素是字典
list_of_dicts = [{"a": 1, "b": 2}, {"a": 1, "b": 2}, {"a": 3, "b": 4}]
# 初始化一个空集合来存储元组
tuple_set = set()
# 遍历列表中的每个字典
for d in list_of_dicts:
# 将字典的键值对排序后转化为元组，然后添加到集合中
tuple_set.add(tuple(sorted(d.items())))
# 初始化一个空列表来存储去重后的字典
unique_dicts = []
# 遍历集合中的每个元组
for t in tuple_set:
# 将元组转回字典，然后添加到列表中
unique_dicts.append(dict(t))
print(unique_dicts)
十五、请列举一些正则相关的用法
正则表达式是处理字符串的强大工具，它可以用于匹配、查找、替换特定模式的字符串。Python中的re模块提供了正则表达式相关的操作。
以下是一些基本的正则表达式的使用方法：
- 查找匹配的字符串：**re.search()**函数会在字符串中搜索匹配正则表达式的第一个位置，并返回一个匹配对象，如果没有找到匹配的则返回None。
import re
result = re.search('Python', 'I love Python')
if result:
print("Match found")
else:
print("Match not found")
- 查找所有匹配的字符串：**re.findall()**函数会返回一个列表，包含字符串中所有匹配正则表达式的部分。
import re
result = re.findall('a', 'I am a Python developer')
print(result) # 输出：['a', 'a', 'a']
- 替换匹配的字符串：**re.sub()**函数会将字符串中匹配正则表达式的部分替换为指定的字符串。
import re
result = re.sub('Python', 'Java', 'I am a Python developer')
print(result) # 输出：'I am a Java developer'
- 分割字符串：**re.split()**函数可以按照正则表达式匹配的部分来分割字符串。
import re
result = re.split('\s', 'I am a Python developer')
print(result) # 输出：['I', 'am', 'a', 'Python', 'developer']
- 编译正则表达式：如果你有一个正则表达式需要重复使用，那么可以使用**re.compile()**来提前编译这个正则表达式，这样可以提高效率。
import re
pattern = re.compile('Python')
result = pattern.search('I love Python')
print(result.group()) # 输出：'Python'
以上都是一些基本的用法，实际上正则表达式的功能远不止于此，它有很多的匹配模式和特殊序列可以用于处理复杂的字符串匹配和操作。
关注我，后续题目不断更新中