Python基础知识问答

1.列表和元组之间的区别是？

列表和元组都是python内置的集合类型，列表用list表示，元组用tuple表示

list是有序的动态数组，引用不可变但是可以改变元素的个数，列表元素下标从0开始，列表用[ ] 表示，列表相关操作的方法有append()，len(),extend（+）,insert(index, object)等等。

元组与列表类似，但是元组的元素不能修改，用（）表示，Python在显示只有1个元素的tuple时，会加一个逗号,以免引起歧义，例如 t (1,) 。

2.解释一下Python中的继承

python支持多继承，一个类可以继承多个父类，父类中非私有的属性和方法都会被继承，如果多个父类中有同名方法，在子类调用个方法的时候，调用的是父类类名列表中第一个父类的方法。

子类可以调用mro()查看子类对象查找类的先后顺序。

3.Python中的字典是什么？

dict全称dictionary，在其他语言中也称为map，使用键-值（key-value）存储，具有极快的查找速度。字典中的key唯一,value可以重复可以为空。set集合相当于没有值的dict

dict是一个可变类型

• 字典和列表一样，能够存储多个数据
• 列表中找某个元素时，根据下标进行的
• 字典中找某个元素时，根据’名字’（就是冒号:前面的那个值，例如上面代码中的’name’、‘id’、‘sex’）
• 字典的每个元素由2部分组成，键:值。例如 ‘name’:‘班长’ ,'name’为键，'班长’为值

若访问不存在的键，则会报错，如果不确定字典中是否存在某个键而又想获取其值，可以使用get方法，还可以设置默认值：

age = info.get(‘age’, q) # 若info中不存在’age’这个键，就返回默认值18

4.请解释使用*args和kwargs的含义

• 加*的args存放所有未命名的变量参数，args是元组；
• 加**的变量kwargs存放命名参数，如key=value的参数， kwargs为字典。
• *args:表示一组值的集合,普通数据
• **kwargs:表示k-v格式的数据

5.请写一个Python逻辑，计算一个文件中的大写字母数量

w = open("test.txt",'r',True)
sum = 0
while True:
    ff = w.read(1)
    if not ff:
        break
    if ff.isupper():
        sum+=1
print("大写字母个数：%d"%sum)
w.close()

6.什么是负索引？

Python中的序列索引可以是正也可以是负。如果是正索引，0是序列中的第一个索引，1是第二个索引。如果是负索引，（-1）是最后一个索引而（-2）是倒数第二个索引。

7.Python区分大小写吗？

python严格区分大小写， Ange != ange

8.怎么移除一个字符串中的前导空格？

使用lstrip()删除字符串中的前导空格

9.怎样将字符串转换为小写？

lower() 大写转小写

upper() 小写转大写

10 .Python中的pass语句是什么？

pass 是空语句，不做任何事情，用做占位语句。为了保持程序结构的完整性。

如果定义一个空函数会报错，但是是可以用 pass 填充，使程序可以正常运行。

11.解释一下Python中的//，%和 ** 运算符

运算符	描述	实例
//	取整除	返回商的整数部分, 9//2 输出结果 4 , 9.0//2.0 输出结果 4.0
%	取余（取模）	返回除法的余数
**	幂	返回x的y次幂

12.在Python中有多少种运算符？解释一下算数运算符。

python中主要有7种运算符:算术运算符,赋值运算符,关系运算符,逻辑运算符,位运算符,成员运算符,身份运算符等等

运算符	描述	实例
+	加	1+2=3
-	减	3-1=2
*	乘	3*2=6
/	除	6/3=2
//	取整除	9.0//2.0=4.0
%	取余	9.0%2.0=1.0
**	幂	返回x的y次幂,2**3=8

身份运算符

运算符	描述	实例
is	is 是判断两个标识符是不是引用自一个对象	x is y, 类似 id(x) == id(y) , 如果引用的是同一个对象则返回 True，否则返回 False
is not	is not 是判断两个标识符是不是引用自不同对象	x is not y ， 类似 id(a) != id(b)。如果引用的不是同一个对象则返回结果 True，否则返回 False。

13.解释一下Python中的关系运算符

运算符	描述	示例
==	检查两个操作数的值是否相等，如果是则条件变为真。	如a=3,b=3则（a == b) 为 true.
!=	检查两个操作数的值是否相等，如果值不相等，则条件变为真。	如a=1,b=3则(a != b) 为 true.
<>	检查两个操作数的值是否相等，如果值不相等，则条件变为真。	如a=1,b=3则(a <> b) 为 true。这个类似于 != 运算符
>	检查左操作数的值是否大于右操作数的值，如果是，则条件成立。	如a=7,b=3则(a > b) 为 true.
<	检查左操作数的值是否小于右操作数的值，如果是，则条件成立。	如a=7,b=3则(a < b) 为 false.
>=	检查左操作数的值是否大于或等于右操作数的值，如果是，则条件成立。	如a=3,b=3则(a >= b) 为 true.
<=	检查左操作数的值是否小于或等于右操作数的值，如果是，则条件成立。	如a=3,b=3则(a <= b) 为 true.

14.解释一下Python中的赋值运算符

运算符	描述	实例
+=	加法赋值运算符	c += a 等效于 c = c + a
-=	减法赋值运算符	c -= a 等效于 c = c - a
*=	乘法赋值运算符	c *= a 等效于 c = c * a
/=	除法赋值运算符	c /= a 等效于 c = c / a
%=	取模赋值运算符	c %= a 等效于 c = c % a
**=	幂赋值运算符	c = a 等效于 c = c a
//=	取整除赋值运算符	c //= a 等效于 c = c // a
=	赋值运算符	把=号右边的结果给左边的变量 num=1+2*3 结果num的值为7

15.解释一下Python中的逻辑运算符

运算符	逻辑表达式	描述	实例
and	x and y	布尔"与" - 如果 x 为 False，x and y 返回 False，否则它返回 y 的计算值。	(a and b) 返回 20。
or	x or y	布尔"或" - 如果 x 是 True，它返回 True，否则它返回 y 的计算值。	(a or b) 返回 10。
not	not x	布尔"非" - 如果 x 为 True，返回 False 。如果 x 为 False，它返回 True。	not(a and b) 返回 False

16.解释一下Python中的成员运算符

运算符	描述	实例
in	如果在指定的序列中找到值返回 True，否则返回 False。	x 在 y 序列中 , 如果 x 在 y 序列中返回 True。
not in	如果在指定的序列中没有找到值返回 True，否则返回 False。	x 不在 y 序列中 , 如果 x 不在 y 序列中返回 True。

17 。讲讲Python中的位运算符

运算符

运算符	描述	实例
&	按位与运算符：参与运算的两个值,如果两个相应位都为1,则该位的结果为1,否则为0	(a & b) 输出结果 12 ，二进制解释： 0000 1100
|	按位或运算符：只要对应的二个二进位有一个为1时，结果位就为1。	(a | b) 输出结果 61 ，二进制解释： 0011 1101
^	按位异或运算符：当两对应的二进位相异时，结果为1	(a ^ b) 输出结果 49 ，二进制解释： 0011 0001
~	按位取反运算符：对数据的每个二进制位取反,即把1变为0,把0变为1 。~x 类似于 -x-1	(~a ) 输出结果 -61 ，二进制解释： 1100 0011，在一个有符号二进制数的补码形式。
<<	左移动运算符：运算数的各二进位全部左移若干位，由 << 右边的数字指定了移动的位数，高位丢弃，低位补0。	a << 2 输出结果 240 ，二进制解释： 1111 0000
>>	右移动运算符：把">>"左边的运算数的各二进位全部右移若干位，>> 右边的数字指定了移动的位数	a >> 2 输出结果 15 ，二进制解释： 0000 1111

18.怎样获取字典中所有键的列表？

调用字典的keys()，然后遍历

dict = {"a": 22, "b": 23, "c": 24}
for i in dict.keys():
    print(i)

19.怎样声明多个变量并赋值？

#1.
a = b = c = 1
#2.s
a, b = 45, 54
#3.使用元组为多个变量赋值
data = ("zhangsan", "China", "Python")
name, country, language = data
#4.为多个列表同时赋值
list1, list2 = ["hello", "world"], ["word", "count"]

20 .为何不建议以下划线作为标识符的开头

Python 没有私有变量的概念，以下划线__为开头来声明一个私有变量。如果变量非私有，不能使用下划线开头。

21.一行代码实现1到100的求和

print(sum([i for i in range(1, 101)]))

22 .详细描述单例模式的实现

class Singleton(object):
    __instance = None
    __First_init = True

    def __init__(self, name):

        if self.__First_init:
            self.__First_init = False
            self.name = name
            print("init")

    def __new__(cls, name):
        print("new")
        # 如果类数字能够__instance没有或者没有赋值
        # 那么就创建一个对象，并且赋值为这个对象的引用，保证下次调用这个方法时
        # 能够知道之前已经创建过对象了，这样就保证了只有1个对象
        if not cls.__instance:
            cls.__instance = object.__new__(cls)
        return cls.__instance

    def run(self):
        print("runing")


a = Singleton("zs")
b = Singleton("ls")
print(id(a))
print(id(b))

print(a.name)
print(b.name)

日常使用的电脑上都有一个回收站，在整个操作系统中，回收站只能有一个实例，整个系统都使用这个唯一的实例，而且回收站自行提供自己的实例。因此回收站是单例模式的应用。

确保某一个类只有一个实例，而且自行实例化并向整个系统提供这个实例，这个类称为单例类，单例模式是一种对象创建型模式。

23、详细描述工厂模式的实现

class Person(object):
    def __init__(self, name):
        self.name = name

    def work(self, type):
        print(self.name, "开始工作")
        axe = Factory.getAxe(type)
        axe.cut_tree()


class Axe(object):
    def __init__(self, name):
        self.name = name

    def cut_tree(self):
        print("使用", self.name, "砍树")


class StoneAxe(Axe):
    def __init__(self):
        pass

    def cut_tree(self):
        print("使用石斧砍树")


class StreeAxe(Axe):
    def __init__(self):
        pass

    def cut_tree(self):
        print("使用钢斧砍树")


# 工厂类
class Factory(object):
    @staticmethod
    def getAxe(type):
        if "storn" == type:
            return StoneAxe()
        elif "stell" == type:
            return StreeAxe()
        elif "ju" == type:
            return ju()
        else:
            print("参数有误")


class ju(Axe):
    def __init__(self):
        pass

    def cut_tree(self):
        print("电锯砍树")


p = Person("zs")
p.work("ju")

Simple Factory模式是Factory Method模式的一种简单的、特殊的实现。也被称为静态工厂模式，通常创建者的创建方法被设计为static方便调用。

1、静态的工厂类

2、用全局函数改写工厂类

24、python操作数据库的步骤

from pymysql import *

conn = connect("192.168.200.24", "root", "123", "mydb", 3306)  # 建立连接
cur = conn.cursor()
# 查询
# count = cur.execute("select * from emp")  # 执行sql  返回影响的行数
# print(count)
# result = cur.fetchall() 
# for i in result:
#     print(i)

# 一条查询结果
# result2 = cur.fetchone()  
# print(result2)

# 指定个数的查询结果
# result2 = cur.fetchmany(5)  
# print(result2)

# 添加
# count = cur.execute("insert into emp(empno,ename) values(1111,'abcd')")

print(count)
conn.commit()# 提交事务
conn.close()

25 、NumPy中几个熟悉的函数的使用

import numpy as np

print(np.abs(-1))  # 绝对值
print(np.sqrt(9))  # 平方根
print(np.square(3))  # 平方np ** 2
print(np.exp(2))  # e^x
print(np.log2(2))  # log2^2 底数为2的对数
print(np.log10(10))  # log10^10 底数为10的对数
print(np.log(np.e))  # loge^e 自然对数
print(np.sign(-165), ":", np.sign(321), ":", np.sign(0))  # 返回各元素的正负号 1正 0零 -1负
print(np.ceil(3.65))  # 大于等于该值的最小整数
print(np.ceil(-3.65))
print(np.floor(3.65))  # 小于等于该值的最小整数
print(np.floor(-3.65))

array = np.random.randint(1, 10, 9).reshape(3, 3)
print(array.sum())  # 所有元素的和 零长度的数组的sum为0
print(array.sum(0))  # 每一列的求和
print(array.sum(1))  # 每一行的求和

list = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
print(np.mean(list))  # 算术平均数 (1+2+3+...+10)/10
# list = []
# print(np.mean(list))# NaN     零长度的数组的mean为NaN
print(np.max(list))
print(np.min(list))
print(np.argmax(list))  # 数组最大值的索引
print(np.argmin(list))

print(np.cumsum(list))  # 所有元素的累计和
print(np.cumprod(list))  # 所有元素的累计积

print("np.modf(100.12) : ", np.modf(100.12))  # 将数组中的小数部分和整数部分以两个独立数组的形式返回
print("np.modf(100.72) : ", np.modf(100.72))
print("np.modf(math.pi) : ", np.modf(np.pi))

list2 = [112, 113.65, 125, 365.56, 788.98]
print("np.modf(list2) : ", np.modf(
    list2))  # np.modf(list2) :  (array([0.  , 0.65, 0.  , 0.56, 0.98]), array([112., 113., 125., 365., 788.]))

# subtract:从第一个数组中减去第二个数组中的元素
list3 = [3, 4, 5]
list4 = [1, 1, 1]
print(np.subtract(list3, list4))
# add:将数组中对应的元素相加
array1 = np.random.randint(1, 10, 9).reshape(3, 3)
array2 = np.random.randint(1, 10, 9).reshape(3, 3)
print(array1)
print(array2)
print(np.add(array1, array2))
# multiply:数组元素相乘(对应元素相乘) 区别于矩阵乘法
print(np.multiply(array1, array2))
# diag以一维数组的形式返回方阵的对角线元素
print(np.diag(array1))
print(np.diag(array2))
# dot矩阵乘法
print(np.dot(array1, array2))
# trace计算对角线元素的和
print(np.trace(array1))
print(np.trace(array2))
# det 计算矩阵行列式
print(np.linalg.det(array1))
print(np.linalg.det(array2))
# eig 计算方阵的特征值和特征向量
a2 = np.array([[1, 2, 3], [2, 3, 4]])  # 建立一个二维数组
b2 = np.array([[1, 2, 3], [2, 3, 4]], dtype=int)  # 可以输出指定数据类型
# print(np.linalg.eig(a2))  # 返回矩阵a2的特征值与特征向量

矩阵&切片

import numpy as np

# 矩阵的逆
array = np.random.randint(1, 10, 9).reshape(3, 3) # n*n的矩阵一定会有逆矩阵
# print(array)
# array2 = np.linalg.inv(array)# 生成矩阵的逆
# print(array2)
# 矩阵的乘法
# array3 = np.dot(array2, array)# 矩阵*逆矩阵=单位矩阵
# print(array3)# 单位矩阵:对角线元素为1

# 矩阵转置
# print(array.T)

# 基本运算
# print(array.sum())  # 所有元素的和
# print(array.sum(0))  # 每一列的求和
# print(array.sum(1))  # 每一行的求和

# 切片
# array = np.random.randint(1, 10, 20).reshape(4, 5)
# # array2 = np.ones(20).reshape(4, 5)# 加减时  reshape中数字与array中一样
# array2 = np.ones(20).reshape(5, 4)# 矩阵乘法a*b时,要保证a的列数等于b的行数    a:m*p  b:p*n


# 切片
array = np.random.randint(1, 10, 16).reshape(4, 4)
print(array)
print("-------分割线---------")
# 取出第一行的所有值
print(array[0]) # 相当于 array[0,:]
print("-------分割线---------")
# 取第一列
print(array[:, 0])
print("-------分割线---------")
# 取第一行和第三行
print(array[0::2, :])
print("-------分割线---------")
# 取第二列和第四列
print(array[::, 1::2])
print("-------分割线---------")
# 取第一行和第三行的第二列和第四列
print(array[0::2, 1::2])
print("-------分割线---------")
# 遍历多维数组
for i in range(0, array.shape[0]):
    for j in range(0, array.shape[1]):
        print(array[i][j], end="	")
    print()
    

array = np.random.randint(1, 10, 9).reshape(3, 3)
print(array)
print(np.where(array > 5, array, 0))# 将大于5的值留下来,小于5的用0代替
print(array[2][2])