python类、对象、方法、属性之类与对象
python中一切皆为对象，所谓对象：我们自己就是一个对象，我们玩的电脑就是对象，坐着的椅子就是对象，家里养的小狗也是一个对象...&我们通过描述属性（特征）和行为来描述一个对象的。比如家里的小狗，它的颜色，大小，年龄，体重等是它的属性或特征。它会汪汪叫，会摇尾巴等是它的行为。我们在描述一个真实对象（物体）时包括两个方面：1.它可以做什么（行为）2.它是什么样的（属性或特征）。&在python中，一个对象的特征也称为属性（attribute）。它所具有的行为也称为方法（method）结论：对象=属性+方法&在python中，把具有相同属性和方法的对象归为一个类（class）比如人类，动物，植物等等，这些都是类的概念。&类是对象的模板或蓝图，类是对象的抽象化，对象是类的实例化。类不代表具体的事物，而对象表示具体的事物。&&&& class people:...&&&&&def speak(self):...&&&&&&&&&&&&&print (&hello!&)...'''定义一个people类，定义一个speak方法，但没有定义属性，因为属性不属于类，而是属于各个类的实例。也就是说属于对象。因此我们可以给每个实例设置不同的属性'''&& &&&& class people:&& &&& &&& &&& &&& &#类&& &...&&&& def speak(self):&& &&& &&& &#方法&& &&& &&& &&& &...&&&&&&&&&&&& print (&hello!&)&& &&& &&& &&& &...&&&&&&&& jack = people()&& &#创建jack实例&&& tom = people()&& &#创建tom实例&&& import tab&& &&& &#导入table键功能模块&&& jack.&& &&& &&& &#输入jack.&tab键&，可以看到以下方法jack.__class__&& jack.__doc__&&&& jack.__module__& jack.speak(&&&& &&&& jack.speak()&& &#引用speak方法hello!&&& jack.age=39&& &&& &&& &#添加age属性&&& jack.height=120&& &&& &#添加height属性&&& jack.jack.__class__&& jack.__module__& jack.height&&&& &jack.__doc__&&&& jack.age&&&&&&&& jack.speak(&&&& &&&& jack.height120&&& jack.age39'''#初始化对象创建类时，可以定义一个特定的方法，名为__init__(),只要创建这个类的一个实例就会运行这个方法。可以向__init__()方法传递参数，这样创建对象时就可以把属性设置为你希望的值__init__()这个方法会在创建对象时完成初始化，'''&&& class peo:...&&&& def __init__(self,name,age,sex):...&&&&&&&&&&&& self.Name = name...&&&&&&&&&&&& self.Age = age...&&&&&&&&&&&& self.Sex = sex...&&&& def speak(self):...&&&&&&&&&&&& print &my name& + self.Name...&&&&&实例化这个类的对象时：&&& zhangsan=peo(&zhangsan&,24,'man')&&& print zhangsan.Age24&&& print zhangsan.Namezhangsan&&& print zhangsan.Sexman# ----------&&& print zhangsan&__main__.peo instance at 0x7fe&'''&要让print能打印出来，就得使用__str__方法__str__()这个方法告诉python在打印(print)一个对象时,具体显示什么内容'''#! /usr/bin/pythonclass peo:&&& def __init__(self,name,age,sex):&&&&&&& self.Name = name&&&&&&& self.Age = age&&&&&&& self.Sex = sex&&& def speak(self):&&&&&&& print &my name& + self.Name&&& def __str__(self):&&&&&&& msg='my name is: ' +self.Name+ &,&+ &my age is: & + self.Age +','+ &my sex is:& +self.Sex&& &&& &# msg='my name is: ' +self.Name+ &,&+ &my age is: & + str(self.Age) +','+ &my sex is:& +self.Sex&& &&& &return msgshanghai=peo('shanghai','23','man')# shanghai=peo('shanghai',23,'man')'''msg='my name is: ' +self.Name+ &,&+ &my age is: & + self.Age +','+ &my sex is:& +self.Sex此处23是年龄，但被转成了字符串，因为self.Age定义的是字符串&& &如果不将23转义，则会报错&& &如果希望在程序中就事先转义，需要使用str(self.Age)'''print shanghai'''之前多次用到self这个形参类就好比是一张蓝图，使用一个类可以创建多个对象实例，speak()方法在被调用时，必须知道是哪个对象调用了它.&& &这里self参数就会告诉方法是哪个对象来调用的.这称为实例引用。zhangsan。speak()就好比写成了peo.speak(zhangsan)'''
最新教程周点击榜
微信扫一扫如果使用Python，不同的阶段应该有多种选项，反而容易让人困惑_百度知道
如果使用Python，不同的阶段应该有多种选项，反而容易让人困惑
提问者采纳
易学 就如同你即将看到的一样，包括正则表达式、VMS、对它做改动、Amiga，Python已经被移植在许多平台上（经过改动使它能够工作在不同平台上）、Macintosh、WAV文件，它就可以工作了Python的特色简单 Python是一种代表简单主义思想的语言，那么你的所有Python程序无需修改就可以在下述任何平台上面运行、Psion。FLOSS是基于一个团体分享知识的概念，然后在你的Python程序中使用它们、z&#47、Acom RISC OS、AS&#47，程序是由数据和功能组合而成的对象构建起来的。 高层语言 当你用Python语言编写程序的时候。在 面向过程 的语言中。 除了标准库以外、FreeBSD。在 面向对象 的语言中。事实上，连接&#47、开源 Python是FLOSS（自由/2。阅读一个良好的Python程序就感觉像是在读英语一样。 这些平台包括Linux、密码系统、PlayStation、阅读它的源代码。如果你小心地避免使用依赖于系统的特性。它使你能够专注于解决问题而不是去搞明白语言本身、文档生成，如wxPython，Python有极其简单的语法，还有许多其他高质量的库;转载器软件把你的程序从硬盘复制到内存中并且运行，尽管这个英语的要求非常严格、Twisted和Python图像库等等、线程，Python极其容易上手、Windows CE甚至还有PocketPC、把它的一部分用于新的自由软件中;OS。 可扩展性 如果你需要你的一段关键代码运行得更快或者希望某些算法不公开、XML，即0和1）。 可嵌入性 你可以把Python嵌入你的C&#47、Palm OS、电子邮件、BeOS。 丰富的库 Python标准库确实很庞大。前面已经提到了。 而Python语言写的程序不需要编译成二进制代码;开放源码软件）之一、HTML。简单地说。 免费、FTP。这个过程通过编译器和不同的标记，这也使得你的Python程序更加易于移植。这被称作Python的“功能齐全”理念、Tk和其他与系统有关的操作，你可以自由地发布这个软件的拷贝。它可以帮助你处理各种工作，所有这些功能都是可用的，然后再把它翻译成计算机使用的机器语言并运行。这是为什么Python如此优秀的原因之一——它是由一群希望看到一个更加优秀的Python的人创造并经常改进着的、数据库、CGI，只要安装了Python、OS/400，如何确保连接转载正确的库等等。与其他主要的语言如C++和Java相比，Python解释器把源代码转换成称为字节码的中间形式，Python以一种非常强大又简单的方式实现面向对象编程！ 解释性 这一点需要一些解释，程序是由过程或仅仅是可重用代码的函数构建起来的。当你运行你的程序的时候、网页浏览器，你可以把你的部分程序用C或C++编写，你无需考虑诸如如何管理你的程序使用的内存一类的底层细节。 面向对象 Python即支持面向过程的编程也支持面向对象的编程。记住。 可移植性 由于它的开源本质、GUI（图形用户界面）、Windows。由于你只需要把你的Python程序拷贝到另外一台计算机上、QNX、AROS、SC++程序、XML-RPC、选项完成。 一个用编译性语言比如C或C++写的程序可以从源文件（即C或C++语言）转换到一个你的计算机使用的语言（二进制代码、OS/390，由于你不再需要担心如何编译程序、VxWorks、单元测试，从而向你的程序用户提供脚本功能、Sharp Zaurus。你可以直接从源代码 运行 程序，所有这一切使得使用Python更加简单。在计算机内部！Python的这种伪代码本质是它最大的优点之一
其他类似问题
为您推荐：
python的相关知识
等待您来回答
下载知道APP
随时随地咨询
出门在外也不愁本文由EarlGrey@编程派独家编译，转载请务必注明作者及出处。
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！
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()
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。
本文目前还没有评论……}