整理一下最近被问到的一些高频率的面试问题。总结一下方便日后复习巩固用，同时希望可以帮助一些朋友们。
主要核心类型分为两类不可变类型：数字(int float bool complex),字符串(string)，元祖(tuple)，不可变集合(frozenset)。
可变类型:列表（list），字典(dict),集合(set)这里的可变不可变，是指内存中的值是否可以被改变
这个就很简单了，首先转换成set，set的去重机制会完成去重然后再转回list即可，例如 去重list ,a=[1,2,3,44,5,6,5]
new_a=list(set(a))给定两个集合a={1,2,4,5},b={2,3,4,1,8}，求其补集，差集，并集。首先我们先来了解set的基本运算有哪些
方法符号解释a.update(b)a|=b并集,两个集合的去重后的合并a.intersection_update(b)a&=b交集,两个集合相同的部分的集合a.difference_update(b)a-=b差集a中有,b中没有的集合a.symmetric_difference_update(b)a^=b对称差分,仅属于a或者仅属于b 上面的例子话是{3,5,8}a.add(b) 加操作,这里会报错因为set是hash存储，必须存储不变的对象，例如字符串、数字、元组等。a.remove(b) 删除操作 如果a里不包含b会引发异常a.discard(b) 删除操作 如果a里不包含b不会引发异常，返回Nonea.pop() 取出一个元素a.clear() 清空列表这个问题比较 需要注意的是list元素添加的区别1.append() 向列表尾部追加一个新元素，列表只占一个索引位，在原有列表上增加2.extend() 向列表尾部追加一个列表，将列表中的每个元素都追加进来，在原有列表上增加3.+ 直接用+号看上去与用extend()一样的效果，但是实际上是生成了一个新的列表存这两个列表的和，只能用在两个列表相加上4.+= 效果与extend()一样，向原列表追加一个新元素，在原有列表上增加可以通过id属性查看内存地址的值，了解其运行状况。
另外附上几个网上搜到的验证Url地址的正则表达式
regex = re.compile(r'^(?:http|ftp)s?://' # http:// or https://r'(?:(?:[A-Z0-9](?:[A-Z0-9-]{0,61}[A-Z0-9])?\.)+(?:[A-Z]{2,6}\.?|[A-Z0-9-]{2,}\.?)|' #domain...r'localhost|' #localhost...r'\d{1,3}\.\d{1,3}\.\d{1,3}\.\d{1,3})' # ...or ipr'(?::\d+)?' # optional portr'(?:/?|[/?]\S+)$', re.IGNORECASE)关于python使用re模块的第三个参数简单了解
re.I(re.IGNORECASE): 忽略大小写（括号内是完整写法） re.M(re.MULTILINE): 多行模式，改变'^'和'$'的行为 re.S(re.DOTALL): 点任意匹配模式，改变'.'的行为
filter() 函数用于过滤序列，过滤掉不符合条件的元素，返回由符合条件元素组成的新列表。该接收两个参数，第一个为函数，第二个为序列，序列的每个元素作为参数传递给函数进行判，然后返回 True 或 False，最后将返回 True 的元素放到新列表中。以下是 filter() 方法的语法:filter(function, iterable)
需要强调的是python3中filter返回的是一个filter对象。下面一个例子是去除列表里面的偶数，其实map和reduce就可以实现这件事了。
def is_odd(n):return n % 2 == 1filter(is_odd, [1, 2, 4, 5, 6, 9, 10, 15])#结果: [1, 5, 9, 15]斐波那契数列的定义f(0) = 1,f(1) = 1,f(n) = f(n-1) + f(n-2)最好理解的写法递归时间复杂度最大的。
# 递归def Fibonacci_Recursion_tool(n):if n <= 0:return 0elif n == 1:return 1else:return Fibonacci_Recursion_tool(n - 1) + Fibonacci_Recursion_tool(n - 2)一般写的最多的是这样
def fib(n): x,y=0,1 while(n): x,y,n=y,x+y,n-1 return xyield的关键字实现
def Fibonacci_Yield_tool(n): a, b = 0, 1while n > 0:yield b a, b = b, a + b n -= 1def Fibonacci_Yield(n):# return [f for i, f in enumerate(Fibonacci_Yield_tool(n))]return list(Fibonacci_Yield_tool(n))尾递归
def fib(n):def fib_iter(n,x,y):if n==0 : return xelse : return fib_iter(n-1,y,x+y)return fib_iter(n,0,1)上述代码简化
fib=lambda n,x=0,y=1:x if not n else f(n-1,y,x+y)下面是效率最高矩阵实现，时间复杂度才logn，仅供参考
Step1: n=2时 Step2：设n=k时，公式成立，则有：等式两边同乘以[1,1;1,0]矩阵可得：
左=右，这正是n=k+1时的形式，即当n=k+1时等式成立。
由Step1和Step2可知，该数学公式成立。
由此可以知道该问题转化为计算右边矩阵的n-1幂问题.我们利用分治的算法思想可以考虑如下求解一个数A的幂。
python代码实现
def multi(a,b): c=[[0,0],[0,0]]for i in range(2):for j in range(2):for k in range(2): c[i][j]=c[i][j]+a[i][k]*b[k][j]return cdef matrix(n): base=[[1,1],[1,0]] ans=[[1,0],[0,1]]while n:if n&1: ans=multi(ans,base) base=multi(base,base) n>>=1return ans[0][1]print(matrix(100))这里就使用时间复杂度为O(nlogn)的快速排序
def quick_sort(array, left, right): if left >= right: return low = left high = right key = array[low] while left < right: while left < right and array[right] > key: right -= 1 array[left] = array[right] while left < right and array[left] <= key: left += 1 array[right] = array[left] array[right] = key quick_sort(array, low, left - 1) quick_sort(array, left + 1, high)关于8大排序算法的一些比较参考:https://www.cnblogs.com/woider/p/6835466.html
切片操作要提供三个参数 [start_index: stop_index: step] start_index是切片的起始位置stop_index是切片的结束位置（不包括）step可以不提供，默认值是1，步长值不能为0，不然会报错ValueError。当 step 是正数时，以list[start_index]元素位置开始， step做为步长到list[stop_index]元素位置（不包括）为止，从左向右截取， start_index和stop_index不论是正数还是负数索引还是混用都可以，但是要保证 list[stop_index]元素的【逻辑】位置必须在list[start_index]元素的【逻辑】位置右边，否则取不出元素。
例如，如何获取一个列表的后两个元素a=[1,2,3,4,6,8]new_a=a[-2:]
当 step 是负数时，以list[start_index]元素位置开始， step做为步长到list[stop_index]元素位置（不包括）为止，从右向左截取，start_index和stop_index不论是正数还是负数索引还是混用都可以，但是要保证 list[stop_index]元素的【逻辑】位置必须在list[start_index]元素的【逻辑】位置左边，否则取不出元素。
alist = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]alist[-1: -5: -1]
假设list的长度（元素个数）是length, start_index和stop_index在符合虚拟的逻辑位置关系时，start_index和stop_index的绝对值是可以大于length的。比如下面两个例子：alist = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]alist[-11:11]
二分法是一种快速查找的方法，时间复杂度低，逻辑简单易懂，总的来说就是不断的除以2除以2… 二分法查找非常快且非常常用，但是唯一要求是要求数组是有序的,关于排序请参考第8条列表排序
代码实现
#!/usr/bin/python3.6# -*- coding: utf-8 -*-def BinarySearch(arr, key):# 记录数组的最高位和最低位 min = 0 max = len(arr) - 1if key in arr:# 建立一个死循环，直到找到keywhile True:# 得到中位数# 这里一定要加int，防止列表是偶数的时候出现浮点数据 center = int((min + max) / 2)# key在数组左边if arr[center] > key: max = center - 1# key在数组右边elif arr[center] < key: min = center + 1# key在数组中间elif arr[center] == key: print(str(key) + "在数组里面的第" + str(center) + "个位置")return arr[center]else: print("没有该数字!")if __name__ == "__main__": arr = [1, 6, 9, 15, 26, 38, 49, 57, 63, 77, 81, 93]while True: key = input("请输入你要查找的数字：")if key == " ": print("谢谢使用！")breakelse: BinarySearch(arr, int(key))目前的话就是这些问题，后续会另起文章做补充，喜欢的同学可以点个赞或者转发到朋友圈，分享给更多的小伙儿伴。
转载于:https://www.cnblogs.com/c-x-a/p/9201803.html
