Lassen Sie uns über den achtteiligen Python-Aufsatz sprechen

​Hallo Genossen, heute werde ich Sie auf die grundlegenden Probleme in Python eingehen. Wir alle wissen, dass Python eine interpretierte Sprache ist und seine Effizienz geringer ist als bei anderen Sprachen. Dies bedeutet jedoch nur eine etwas geringere Laufzeit Dies ist in vielen Szenarien trivial

Mit der leicht verständlichen und erlernbaren Syntax können Sie mehr Arbeit in kurzer Zeit erledigen und die Entwicklungseffizienz wird höher

Gleichzeitig wird Python mit verschiedenen fertigen Funktionen geliefert. Die erstellten Bibliotheken stehen uns zur Verwendung bei der Entwicklung von Programmen zur Verfügung. Python bietet uns außerdem eine sehr vollständige Basiscodebibliothek, die eine große Anzahl von Inhalten wie Netzwerk, Dateien, GUI, Datenbank, Text usw. abdeckt . Es wird anschaulich als „eingebaute Batterien (Batterien im Lieferumfang enthalten)“ bezeichnet. Viele in Python entwickelte Funktionen müssen nicht von Grund auf geschrieben werden, sondern können einfach vorgefertigte Funktionen verwenden.

Zusätzlich zu den integrierten Bibliotheken verfügt Python auch über eine große Anzahl von Bibliotheken von Drittanbietern, bei denen es sich um von anderen entwickelte Dinge handelt, die Sie direkt verwenden können. Wenn der von Ihnen entwickelte Code gut gekapselt ist, kann er natürlich auch als Bibliothek eines Drittanbieters für die Nutzung durch andere verwendet werden.

Was ist ein Python-Generator?

Generator, es gibt zwei Möglichkeiten, Generatorobjekte zu generieren: Eine ist die Listengenerierung mit Klammern:

g1 = (x für x in range(10))

Die andere ist in der Funktionsdefinition Enthält das Schlüsselwort yield :

def fib(max):
n, a, b = 0, 0, 1
while n < max:yield b
a, b = b, a + b
n = n + 1
return 'done'g2 = fib(8)

Für die Generatorobjekte g1 und g2 können Sie den Wert des nächsten Elements kontinuierlich über next(g1) abrufen, wenn kein Element mehr vorhanden ist. Es wird ein StopIteration-Fehler gemeldet

Sie können den Wert des Elements auch über eine for-Schleife abrufen.

Der Vorteil des Generators besteht darin, dass er nicht viel Speicher beansprucht. Sie müssen bei der Verwendung nur den Wert des Elements berechnen.

Was sind Python-Iteratoren?

Was in Python in For-Schleifen verwendet werden kann, wird als iterierbar bezeichnet. Iterierbar, einschließlich list/set/tuple/str/dict und anderen Datenstrukturen und Generatoren, können Sie die folgende Anweisung verwenden, um zu bestimmen, ob ein Objekt iterierbar ist:

from collections import Iterableisinstance(x, Iterable)

Iterator Iterator bedeutet, dass er von der Funktion next() aufgerufen werden kann und kontinuierlich den nächsten Wert zurückgibt, bis StopIteration alle Iteratoren sind, Datenstrukturen wie Listen jedoch nicht

Durch die folgende Anweisung wird Liste zum Iterator:

iter([1,2,3,4,5])

Generatoren sind alle Iteratoren, aber Iteratoren sind nicht unbedingt Generatoren.

Was ist der Unterschied zwischen Liste und Tupel?

list hat eine variable Länge, aber

list kann den Wert von Elementen ändern, aber

• list unterstützt append;
• Wie werden Liste und Diktat in Python implementiert?

Liste: Es handelt sich im Wesentlichen um eine sequentielle Tabelle, aber die Erweiterung der Tabelle erfolgt jedes Mal exponentiell. Daher ändert sich die physische Struktur der Tabelle nicht häufig. Es profitiert von der Effizienz der sequentiellen Tabellendurchquerung (durch Winkel) Der Index wird mit der physischen Adresse des Tabellenkopfes kombiniert, um die Position des Zielelements zu berechnen), was die Gesamtleistung der Python-Liste relativ gut macht

dict: Es handelt sich im Wesentlichen um eine sequentielle Liste, aber der Index des Speicherorts jedes Elements wird nicht durch die Reihenfolge der Einfügung bestimmt, sondern dynamisch durch den Schlüssel durch den Hash-Algorithmus und andere Mechanismen generiert, dh der Schlüssel wird durchgehasht Hashing, um den Ort zu generieren, an dem der Wert gespeichert werden soll, sodass die Abfragezeitkomplexität von dict O (1) ist. Daher kann der Schlüssel von dict nur ein hashbares Objekt sein ist ein unveränderlicher Typ;

Können Multi-Core-CPUs mithilfe von Multithreading in Python zusammen verwendet werden?

In Python gibt es etwas namens Global Interpreter Lock (GIL), das sicherstellt, dass immer nur einer Ihrer mehreren Threads ausgeführt wird.

Die Ausführungsgeschwindigkeit von Threads ist sehr hoch, was dazu führt, dass Sie fälschlicherweise denken, dass Threads parallel ausgeführt werden, aber tatsächlich werden sie alle nacheinander ausgeführt. Nach der Verarbeitung auf GIL-Ebene erhöht sich der Ausführungsaufwand.

Multi-Core-Aufgaben können durch mehrere Prozesse erreicht werden.

Der Unterschied zwischen py3 und py2

print ist eine Funktion in py3, aber nur ein Schlüsselwort in py2

Die Standardkodierung von py3-Dateien ist utf8 und die Standardkodierung von py2-Dateien ist ascii

py3s str ist ein Unicode-String, während py2s str Bytes sind

py3s range() gibt ein iterierbares Objekt zurück, py2s range() gibt eine Liste zurück, xrange() gibt ein iterierbares Objekt zurück, py3s Division gibt Float zurück, py2s Die Division gibt int zurück. Variable Objekte und unveränderliche Objekte iterierbare Objekte

Iterierbare Objektklassen, Sie müssen die magische Methode __iter__() anpassen, und die instanziierten Objekte der Bereichs- und Listenklassen sind alle iterierbare Objekte

Iteration Iter-Klasse, Sie müssen die __iter__() und __next__ anpassen () magische Methoden. Verwenden Sie die Funktion iter(), um einen Iterator iterierbarer Objekte zu erstellen.

Closure ist eine verschachtelte Funktion. Die innere Funktion verwendet die Variablen oder Parameter der äußeren Funktion und ihrer äußeren Funktion gibt die innere Funktion zurück

可以保存外部函数内的变量，不会随着外部函数调用完而销毁

什么是装饰器?

装饰器是一个接收函数作为参数的闭包函数

它可以在不修改函数内部源代码的情况下，给函数添加额外的功能

import time
def calc_time(func):
def inner():
t1 = time.time()
func()
t2 = time.time()
print('cost time: {}s'.format(t2-t1))
return inner

什么是元类? 使用场景

元类是创建类的类，type还有继承自type的类都是元类

作用: 在类定义时（new, init）和 类实例化时(call) 可以添加自定义的功能

使用场景: ORM框架中创建一个类就代表数据库中的一个表，但是定义这个类时为了统一需要把里面的类属性全部改为小写，这个时候就要用元类重写new方法，把attrs字典里的key转为小写

GIL(Global Interpreter Lock)

全局解释器锁

全局解释器锁(Global Interpreter Lock)是计算机程序设计语言解释器用于同步线程的一种机制，它使得任何时刻仅有一个线程在执行。

即便在多核处理器上，使用 GIL 的解释器也只允许同一时间执行一个线程，常见的使用 GIL 的解释器有CPython与Ruby MRI。可以看到GIL并不是Python独有的特性，是解释型语言处理多线程问题的一种机制而非语言特性。

GIL的设计初衷?

单核时代高效利用CPU, 针对解释器级别的数据安全(不是thread-safe 线程安全)。首先需要明确的是GIL并不是Python的特性，它是在实现Python解析器(CPython)时所引入的一个概念。

当Python虚拟机的线程想要调用C的原生线程需要知道线程的上下文，因为没有办法控制C的原生线程的执行，所以只能把上下文关系传给原生线程，同理获取结果也是线 程在python虚拟机这边等待。那么要执行一次计算操作，就必须让执行程序的线程组串行执行。

为什么要加在解释器,而不是在其他层?

展开 GIL锁加在解释器一层，也就是说Python调用的Cython解释器上加了GIL锁，因为你python调用的所有线程都是原生线程。原生线程是通过C语言提供原生接口，相当于C语言的一个函数。

你一调它，你就控制不了了它了，就必须等它给你返回结果。只要已通过python虚拟机 ，再往下就不受python控制了，就是C语言自己控制了。

加在Python虚拟机以下加不上去，只能加在Python解释器这一层。

GIL的实现是线程不安全?为什么?

python2.x和3.x都是在执行IO操作的时候，强制释放GIL，使其他线程有机会执行程序。

Python2.x Python使用计数器ticks计算字节码，当执行100个字节码的时候强制释放GIL，其他线程获取GIL继续执行。ticks可以看作是Python自己的计数器，专门作用于GIL，释放后归零，技术可以调整。

Python3.x Python使用计时器，执行时间达到阈值后，当前线程释放GIL。总体来说比Python3.x对CPU密集型任务更好，但是依然没有解决问题。

什么是 lambda 表达式？

简单来说，lambda表达式通常是当你需要使用一个函数，但是又不想费脑袋去命名一个函数的时候使用，也就是通常所说的匿名函数。

lambda表达式一般的形式是：关键词lambda后面紧接一个或多个参数，紧接一个冒号“：”，紧接一个表达式

什么是深拷贝和浅拷贝？

赋值（=），就是创建了对象的一个新的引用，修改其中任意一个变量都会影响到另一个。

浅拷贝 copy.copy：创建一个新的对象，但它包含的是对原始对象中包含项的引用（如果用引用的方式修改其中一个对象，另外一个也会修改改变）

深拷贝：创建一个新的对象，并且递归的复制它所包含的对象（修改其中一个，另外一个不会改变）{copy模块的deep.deepcopy()函数}​

Das obige ist der detaillierte Inhalt vonLassen Sie uns über den achtteiligen Python-Aufsatz sprechen. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!