（1）.引用计数
成都创新互联公司是一家专业提供钟山企业网站建设,专注与成都网站制作、成都网站建设、H5建站、小程序制作等业务。10年已为钟山众多企业、政府机构等服务。创新互联专业网站设计公司优惠进行中。
（2）. 垃圾回收
(3）. 内存池机制
在python中每创建一个对象，对应的会有一个引用计数，当发生赋值操作如a=b，对应的b的引用计数会自动加1，当引用的对象被清除或者函数结束时，引用计数会自动减1。
在python中使用引用计数，标记清楚，分代回收三种方式进行垃圾回收。
其中，引用计数当对象的引用计数归0时，对象会自动被清除。标记清除机制是首先遍历所有对象，如果对象可达，就说明有变量引用它，则标记其为可达的。如果不可达，则对其进行清除。分代回收是当对象创建时被标记为第0代，经过一次垃圾回收之后，余下的对象被标记为第1代，最高为第2代。其原理是，对象的生存期越长，月可能不是垃越。
ython语言虽然提供了对内存的垃圾收集机制，但实际上它将不用的内存放到内存池而不是返回给操作系统，所以就有了以下：
1 Pymalloc机制；这个主要是为了加速Python的执行效率，Python引入了一个内存池机制，用于管理，为了对小块内存的申请和释放。
2 Python中所有小于256个字节的对象都是依靠pymalloc分配器来实现的，而稍大的对象用的则是系统的malloc。
3 对于Python对象，比如整数、浮点数和List这些，都有自己独立的内存池，对象间并不共享他们的内存池。换句话说就是，假设你分配并且释放了大量的整数，那么用于缓存这些整数的内存就不能再分配给浮点数。
给你一份千锋python的面试题吧
1、多线程使用Python是个好主意吗？列出一些方法可以让一些Python代码以并行方式运行。
答：Python不允许真正意义上的多线程。它有一个多线程包，但如果你想使用多线程来加速你的代码，那么使用它通常不是一个好主意。Python有一个名为全局解释器锁(Global
Interpreter
Lock（GIL）)的结构。GIL确保每次只能执行一个“线程”。一个线程获取GIL，做一点工作，然后将GIL传递到下一个线程。这种情况发生的很快，因此对于人眼看来，你的线程似乎是并行运行的，但它们实际上只是轮流使用相同的CPU核心。所有这些GIL传递都增加了运行的内存。这意味着如果你想让代码运行得更快，那么使用线程包通常不是一个好主意。
使用Python的线程包也是有原因的。如果你想同时运行一些东西，并且效率不是一个问题，那么它就完全没问题了。或者，如果你正在运行需要等待某些事情的代码（例如某些IO），那么它可能会很有意义。但是线程库不会让你使用额外的CPU核心。
多线程可以外包到操作系统（通过多处理），一些调用Python代码的外部应用程序（例如，Spark或Hadoop），或者Python代码调用的一些代码例如：你可以使用你的Python代码调用一个C函数来完成昂贵的多线程事务。
2、这段代码输出了什么：
def f(x,l=[]):for i in range(x):l.append(i*i)print(l) f(2)f(3,[3,2,1])f(3)
答：[0, 1][3, 2, 1, 0, 1, 4][0, 1, 0, 1, 4]
3、如何在Python中管理内存？
Python中的内存管理由Python私有堆空间管理。所有Python对象和数据结构都位于私有堆中。程序员无权访问此私有堆。Python解释器负责处理这个问题。Python对象的堆空间分配由Python的内存管理器完成。核心API提供了一些程序员编写代码的工具Python还有一个内置的垃圾收集器，它可以回收所有未使用的内存，并使其可用于堆空间。
4、range＆xrange有什么区别？
在大多数情况下，xrange和range在功能方面完全相同。它们都提供了一种生成整数列表的方法，唯一的区别是range返回一个Python列表对象，x range返回一个xrange对象。
这就表示xrange实际上在运行时并不是生成静态列表。它使用称为yielding的特殊技术根据需要创建值。该技术与一种称为生成器的对象一起使用。因此如果你有一个非常巨大的列表，那么就要考虑xrange。
5、Python中help()和dir()函数的用法是什么？
Help()和dir()这两个函数都可以从Python解释器直接访问，并用于查看内置函数的合并转储。
help()函数：help()函数用于显示文档字符串，还可以查看与模块，关键字，属性等相关的使用信息。
dir()函数：dir()函数用于显示定义的符号。
6、NumPy中有哪些操作Python列表的函数？
Python的列表是高效的通用容器。它们支持（相当）有效的插入，删除，追加和连接，Python的列表推导使它们易于构造和操作。
它们有一定的局限性：它们不支持像素化加法和乘法等“向量化”操作，并且它们可以包含不同类型的对象这一事实意味着Python必须存储每个元素的类型信息，并且必须执行类型调度代码在对每个元素进行操作时。
NumPy不仅效率更高; 它也更方便。你可以免费获得大量的向量和矩阵运算，这有时可以避免不必要的工作。它们也得到有效实施。
NumPy数组更快，你可以使用NumPy，FFT，卷积，快速搜索，基本统计，线性代数，直方图等内置。
这些内容还是比较重要的，如果有帮到你，麻烦采纳谢谢
这是一位有着五年 Python 经验的好友最近对 Python 岗位面试后的一篇经验总结，从 Python 就业方向到 Python 面试题。
Python 就业方向 ：
下面是 Python 面试知识点，总结了华为、阿里巴巴等互联网公司 Python 常问面试题。每道题都提供参考答案，希望能够帮助你在求职面试中脱颖而出，找到一份高薪工作。
这些面试题分为 Python 基础和 Python高级，内容包含： 基础语法、文件操作、模块与包、数据类型、元类、内存管理与垃圾回收机制以及 Python 函数 等知识点。
（一） Python 基础语法
（二） 文件操作
（三） 模块与包
（四） 数据类型
（五）企业面试题
（一） 元类
（二）内存管理与垃圾回收机制
（三）函数
（四） 面向对象
由于篇幅有限，这份 Python 面试宝典已经被整理成了PDF文档，有需要 Python 面试宝典全套完整文档（面试题+答案解析）的可以 免费领取!
面试题
1、Python是如何进行内存管理的？
Python的内存管理主要有三种机制：引用计数机制、垃圾回收机制和内存池机制。
a. 引用计数
当给一个对象分配一个新名称或者将一个对象放入一个容器（列表、元组或字典）时，该对象的引用计数都会增加。
当使用del对对象显示销毁或者引用超出作用于或者被重新赋值时，该对象的引用计数就会减少。
可以使用sys.getrefcount()函数来获取对象的当前引用计数。多数情况下，引用计数要比我们猜测的大的 多。对于不可变数据（数字和字符串），解释器会在程序的不同部分共享内存，以便节约内存。
b. 垃圾回收
当一个对象的引用计数归零时，它将被垃圾收集机制处理掉。
当
两个对象a和b相互引用时，del语句可以减少a和b的引用计数，并销毁用于引用底层对象的名称。然而由于每个对象都包含一个对其他对象的应用，因此引用
计数不会归零，对象也不会销毁。（从而导致内存泄露）。为解决这一问题，解释器会定期执行一个循环检测器，搜索不可访问对象的循环并删除它们。
c. 内存池机制
Python提供了对内存的垃圾收集机制，但是它将不用的内存放到内存池而不是返回给操作系统。
1）Pymalloc机制。为了加速Python的执行效率，Python引入了一个内存池机制，用于管理对小块内存的申请和释放。
2）Python中所有小于256个字节的对象都使用pymalloc实现的分配器，而大的对象则使用系统的 malloc。
3）对于Python对象，如整数，浮点数和List，都有其独立的私有内存池，对象间不共享他们的内存池。也就是说如果你分配又释放了大量的整数，用于缓存这些整数的内存就不能再分配给浮点数。
【Python环境】12道 Python面试题总结
2、什么是lambda函数？它有什么好处？
lambda 表达式，通常是在需要一个函数，但是又不想费神去命名一个函数的场合下使用，也就是指匿名函数
lambda函数：首要用途是指点短小的回调函数
lambda [arguments]： expression
a=lambda x，y：x+y
a(3，11)
3、Python里面如何实现tuple和list的转换？
直接使用tuple和list函数就行了，type()可以判断对象的类型。
4、请写出一段Python代码实现删除一个list里面的重复元素。
这个地方用set可以实现。
5、Python里面如何拷贝一个对象？（赋值，浅拷贝，深拷贝的区别）
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：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）{1，完全切片方法；2，工厂函数，如list()；3，copy模块的copy()函数}
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}
6、介绍一下except的用法和作用？
try…except…except…[else…][finally…]
执行try下的语句，如果引发异常，则执行过程会跳到except语句。对每个except分支顺序尝试执行，如果引发的异常与except中的异常组匹配，执行相应的语句。如果所有的except都不匹配，则异常会传递到下一个调用本代码的最高层try代码中。
try下的语句正常执行，则执行else块代码。如果发生异常，就不会执行
如果存在finally语句，最后总是会执行。
【Python环境】12道 Python面试题总结
7、Python里面match()和search()的区别？
re模块中match(pattern，string [，flags])，检查string的开头是否与pattern匹配。
re模块中research(pattern，string [，flags])，在string搜索pattern的第一个匹配值。
print(re.match(‘super’， ‘superstition’).span())
(0， 5)
print(re.match(‘super’， ‘insuperable’))
None
print(re.search(‘super’， ‘superstition’).span())
(0， 5)
print(re.search(‘super’， ‘insuperable’).span())
(2， 7)
8、用Python匹配HTML tag的时候，.*和.*？有什么区别？
术语叫贪婪匹配( .* )和非贪婪匹配( .*？ )
例如：
test
.* ：
test
.*？ ：
9、以下的代码的输出将是什么？ 说出你的答案并解释
输出：
使你困惑或是惊奇的是关于最后一行的输出是 3 2 3 而不是 3 2 1。为什么改变了 Parent.x 的值还会改变 Child2.x 的值，但是同时 Child1.x 值却没有改变？
这
个答案的关键是，在 Python
中，类变量在内部是作为字典处理的。如果一个变量的名字没有在当前类的字典中发现，将搜索祖先类（比如父类）直到被引用的变量名被找到（如果这个被引用的
变量名既没有在自己所在的类又没有在祖先类中找到，会引发一个 AttributeError 异常 ）。
因此，在父类中设置 x = 1 会使得类变量 X 在引用该类和其任何子类中的值为 1。这就是因为第一个 print 语句的输出是 1 1 1。
随后，如果任何它的子类重写了该值（例如，我们执行语句 Child1.x = 2），然后，该值仅仅在子类中被改变。这就是为什么第二个 print 语句的输出是 1 2 1。
最后，如果该值在父类中被改变（例如，我们执行语句 Parent.x = 3），这个改变会影响到任何未重写该值的子类当中的值（在这个示例中被影响的子类是 Child2）。这就是为什么第三个 print 输出是 3 2 3。
10、以下代码将输出什么？
答案
以上代码将输出 []，并且不会导致一个 IndexError。
正如人们所期望的，试图访问一个超过列表索引值的成员将导致 IndexError（比如访问以上列表的 list[10]）。尽管如此，试图访问一个列表的以超出列表成员数作为开始索引的切片将不会导致 IndexError，并且将仅仅返回一个空列表。
【Python环境】12道 Python面试题总结
一个讨厌的小问题是它会导致出现 bug ，并且这个问题是难以追踪的，因为它在运行时不会引发错误。
11、以下的代码的输出将是什么？ 说出你的答案并解释？
你将如何修改 extendList 的定义来产生期望的结果
以上代码的输出为：
许多人会错误的认为 list1 应该等于 [10] 以及 list3 应该等于 ['a']。认为 list 的参数会在 extendList 每次被调用的时候会被设置成它的默认值 []。
尽管如此，实际发生的事情是，新的默认列表仅仅只在函数被定义时创建一次。随后当 extendList 没有被指定的列表参数调用的时候，其使用的是同一个列表。这就是为什么当函数被定义的时候，表达式是用默认参数被计算，而不是它被调用的时候。
因此，list1 和 list3 是操作的相同的列表。而 ````list2是操作的它创建的独立的列表（通过传递它自己的空列表作为list``` 参数的值）。
extendList 函数的定义可以做如下修改，但，当没有新的 list 参数被指定的时候，会总是开始一个新列表，这更加可能是一直期望的行为。
12、以下程序输出什么？
好
吧，第一行代码觉对是我第一次见，第一行输出的是[[]， []， []， []， []]，一个含有5个空列表的列表，而第二行输出的是[[10]，
[10]， [10]， [10]，
[10]]，我只能解释为这5个列表指向了同一个列表，所以修改任意一个其它4个都会改变，可以用list[0]=10 断开一个连接试试。
无意间，看到这么一道Python面试题：以下代码将输出什么？
def testFun:
temp = [lambda x : i*x for i in range(4)]
return temp
for everyLambda in testFun:
print (everyLambda(2))
脑中默默一想，这还用说么，肯定是：
2
4
6
最后一看答案，竟然是：
6
6
6
6
于是带着怀疑的心态（其实是不服输，不认错），打开编辑器，快速一敲，果然是：
怀疑了人生半天，本来还想黑，WTF Python…然后才想通是自己太生疏......
最后发现原因竟是：Python 的闭包的后期绑定导致的 late binding。
这意味着在闭包中的变量是在内部函数被调用的时候被查找，所以当任何testFun 返回的函数被调用，i 的值是在它被调用时的周围作用域中查找。
也就是说无论哪个返回的函数被调用，for 循环都已经完成了，i 最后的值是 3，因此，每个返回的函数 testFun 的值都是 3。
因此一个等于 2 的值被传递进以上代码，它们将返回一个值 6 （比如：3 x 2）。
究竟如何才能实现出这样的结果呢？
2
4
6
想了想，若能立即绑定参数，或者直接不用闭包总该行吧，用另一种方式避免 i 的改写。
回忆了之前所学知识，最后酝酿出了四种解决方案。
第一种：创建一个闭包，通过使用默认参数立即绑定它的参数
def testFun:
temp = [lambda x, i=i: i * x for i in range(4)]
return temp
for everyLambda in testFun:
print(everyLambda(2))
第二种：使用functools.partial 函数，把函数的某些参数（不管有没有默认值）给固定住（也就是相当于设置默认值）
from functools import partial
from operator import mul
def testFun:
return [partial(mul, i) for i in range(4)]
for everyLambda in testFun:
print(everyLambda(2))
第三种：优雅的写法，直接用生成器
def testFun:
return (lambda x, i=i: i * x for i in range(4))
for everyLambda in testFun:
print(everyLambda(2))
第四种：利用yield的惰性求值的思想
def testFun:
for i in range(4):
yield lambda x: i * x
for everyLambda in testFun:
print(everyLambda(2))
最终运行结果：
有了解决方案后，又陷入了怀疑自己，这个题目究竟是考察的是什么？是在考面试者闭包相关知识以及Python 的闭包的后期绑定问题么？
若将题目改成：以下代码输出的结果是（0,2,4,6）么？如果不是，你将会怎么做，让它变成（0,2,4,6）？这样会不会更有意思点呢？欢迎大家出妙招，看究竟有多少招？（哈哈哈！！！）
重庆分公司
重庆分公司
