Python 面试时需要知道的 10 个问题及详解
Python 面试时需要知道的 10 个问题及详解
在 Python 的面试中，考察的重点通常是基础知识、编程思维和实际应用能力。掌握 Python 的核心概念不仅能帮助你在面试中脱颖而出，还能让你在实际工作中高效编写代码。下面我们将详细解答 10 个 Python 面试中常见的问题，帮助你更加深入理解 Python 的基本特性和应用。
1. Python 中的全局、受保护和私有属性是什么？
在 Python 中，属性的访问权限并不像 Java 或 C++ 那样严格区分，但我们可以通过一些约定来控制变量的访问范围。理解这些修饰符能帮助你编写更具可维护性和安全性的代码。
访问权限：
- Public（公共属性）：公共属性没有访问限制，可以在类的任何地方、甚至类外部访问。
- Protected（受保护属性）：受保护属性通常用单个下划线（
_）表示，它表示这个属性是类内部或子类中使用的，不建议在类外部访问。 - Private（私有属性）：私有属性通常使用双下划线（
__）前缀表示，表示该属性只能在类内部使用，无法直接访问或修改。
示例代码：
class Mobile:
m1 = "Samsung Mobiles" # Global attribute (Public)
def __init__(self):
self._m2 = "Costly mobiles" # Protected attribute
def __price(self):
self.__m3 = "Premium mobiles" # Private attribute
return self.__m3
mobile = Mobile()
print(mobile.m1) # 访问公共属性
# 不能直接访问受保护属性和私有属性
# print(mobile._m2) # 不建议访问
# print(mobile.__price()) # 会抛出错误
总结：
- 公共属性：不加限制，可以随意访问。
- 受保护属性：通过约定不在类外部使用，但在继承时可以使用。
- 私有属性：只能在类内部访问，Python 会通过名字重整（name mangling）机制使其“难以访问”。
2. Python 中的关键字是什么？
Python 关键字是语言的保留字，它们具有特殊的意义，并且不能作为标识符（变量名、函数名等）。理解和记住这些关键字是掌握 Python 语法的第一步。
Python 中的关键字（Python 3.7）：
False, class, finally, is, return, None, continue, for, lambda, try, True, def,
from, nonlocal, while, and, del, global, not, with, if, for, yield, assert, else,
import, pass, break, except
你可以使用 Python 自带的 keyword 模块查看当前版本的所有关键字：
import keyword
print(keyword.kwlist)
小贴士：
- 关键字的作用：它们定义了 Python 的语法结构，比如
if、else控制流结构，def用于定义函数等。 - 避免冲突：不要将这些关键字用作变量或函数的名称。
3. Python 中列表和元组有什么区别？
列表和元组是 Python 中的基本数据结构，都可以存储多个元素，但它们有着不同的特性和用途。理解它们的区别能帮助你在代码中做出正确的数据结构选择。
主要区别：
-
可变性：
- 列表是可变的，意味着可以随时修改其中的元素。
- 元组是不可变的，定义后不可更改。
-
性能：
- 元组由于不可变，所以迭代速度更快，占用内存更少，适合存储不需要修改的数据。
- 列表则更灵活，适合需要频繁修改的场景。
-
方法数量：
- 列表有许多内置方法，如
append()、remove()等，适合频繁操作。 - 元组的方法相对较少，仅有
count()和index()。
- 列表有许多内置方法，如
示例：
# 列表：可变数据结构
list_example = [100, "伟大的学问", 30]
list_example.append("新增元素") # 可以修改
print(list_example)
# 元组：不可变数据结构
tuple_example = (100, "伟大的学问", 20)
# tuple_example.append("新增元素") # 不能修改，抛出错误
print(tuple_example)
总结：
- 使用 列表 时，需要频繁修改元素。
- 使用 元组 时，数据不需要改变，并且需要提高性能时。
4. 如何连接两个元组？
元组是不可变的，但我们可以通过使用 + 运算符将两个元组合并成一个新的元组。
示例：
tup1 = (1, "a", True)
tup2 = (4, 5, 6)
# 使用 + 运算符连接两个元组
result = tup1 + tup2
print(result) # 输出 (1, "a", True, 4, 5, 6)
总结：
- 使用
+运算符可以将元组连接起来，生成一个新的元组。
5. Python 中的函数是什么？
函数是组织好的、可重用的代码块。Python 中的函数可以是内置的，也可以是用户定义的。理解函数的定义和使用是 Python 编程的重要部分。
函数定义：
函数使用 def 关键字定义，可以接受输入参数，并返回一个结果。
示例：
def greet(name):
return f"Hello, {name}!"
print(greet("Alice")) # 输出 "Hello, Alice!"
总结：
- 定义：通过
def关键字。 - 参数和返回值：可以定义输入参数并返回处理结果。
6. 如何初始化一个只有零的 5x5 Numpy 数组？
Numpy 是一个非常强大的科学计算库，可以高效地进行数组操作。创建一个全零的 5x5 数组非常简单。
示例：
import numpy as np
# 创建一个 5x5 的零矩阵
n1 = np.zeros((5, 5))
print(n1)
输出：
[[0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0.]
[0. 0. 0. 0. 0.]]
总结：
- 使用
np.zeros()可以创建一个指定形状的全零矩阵。
7. 什么是 Pandas？
Pandas 是 Python 中用于数据分析的一个开源库，提供了两种主要的数据结构：DataFrame 和 Series。它能方便地进行数据清洗、处理、分析等工作，特别适用于数据科学和机器学习。
主要特点：
- DataFrame：类似于二维表格，可以按行和列进行操作。
- Series：类似于一维数组，可以存储一系列数据。
示例：
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [24, 27, 22]}
df = pd.DataFrame(data)
print(df)
8. 什么是数据框（DataFrame）？
DataFrame 是 Pandas 中的核心数据结构，是一个二维的表格形式的数据。它既可以存储数值型数据，也可以存储字符串等其他类型的数据。你可以方便地对 DataFrame 进行数据清洗、聚合、筛选等操作。
示例：
import pandas as pd
data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [24, 27, 22]}
df = pd.DataFrame(data)
print(df)
9. 什么是 Pandas 系列（Series）？
Series 是 Pandas 的一维数据结构，类似于列表或数组。它由一组数据和相应的索引组成。
示例：
import pandas as pd
data = [1, 2, 3, 4, 5]
series = pd.Series(data)
print(series)
10. 你对 Pandas groupby 有什么理解？
groupby 是 Pandas 中非常强大的功能，用于按指定列对数据进行分组，接
着可以对每个分组应用聚合操作（例如求和、求平均等）。
示例：
import pandas as pd
df = pd.DataFrame({'Vehicle': ['Etios', 'Lamborghini', 'Apache200', 'Pulsar200'],
'Type': ['car', 'car', 'motorcycle', 'motorcycle']})
grouped = df.groupby('Type').count()
print(grouped)