网站开发工作程序怎么写葫芦岛建设网站

一、Python 基础

1. Python 的特点

• 动态类型：变量无需声明类型。
• 解释型语言：逐行解释执行。
• 支持多种编程范式（面向对象、函数式、过程式）。

---

2. 列表（List）与元组（Tuple）的区别

特性	列表（List）	元组（Tuple）
可变性	可变	不可变
性能	较慢	较快
使用场景	数据需要频繁修改时	数据固定且不可更改时

---

3. 字典（Dict）与集合（Set）的区别

• 字典：键值对存储，用于快速查找。
• 集合：无序且唯一的元素集合，用于去重或集合运算。

---

4. GIL（全局解释器锁）是什么？

• GIL 是 Python 解释器中的一个互斥锁，确保同一时间只有一个线程执行 Python 字节码。
• 影响：多线程在 CPU 密集型任务中性能较差，但不影响 I/O 密集型任务。

---

5. 深拷贝与浅拷贝的区别

• 浅拷贝：只复制对象的引用，内部元素共享。
• 深拷贝：递归复制对象及其内部元素。

import copya = [1, 2, [3, 4]]
b = copy.copy(a)  # 浅拷贝
c = copy.deepcopy(a)  # 深拷贝

---

二、Python 进阶

1. 生成器与迭代器的区别

• 迭代器：实现了 __iter__ 和 __next__ 方法的对象。
• 生成器：通过 yield 关键字定义的函数，返回一个生成器对象。

# 迭代器示例
class MyIterator:def __init__(self, data):self.data = dataself.index = 0def __iter__(self):return selfdef __next__(self):if self.index >= len(self.data):raise StopIterationvalue = self.data[self.index]self.index += 1return value# 生成器示例
def my_generator(data):for item in data:yield item

---

2. 装饰器的作用与实现

• 作用：在不修改原函数代码的情况下扩展其功能。
• 实现：

def my_decorator(func):def wrapper(*args, **kwargs):print("Before function call")result = func(*args, **kwargs)print("After function call")return resultreturn wrapper@my_decorator
def say_hello():print("Hello!")say_hello()

---

3. 上下文管理器

• 使用 with 语句管理资源（如文件、数据库连接）。
• 实现方式：
  • 使用类实现 __enter__ 和 __exit__ 方法。
  • 使用 contextlib 模块的 contextmanager 装饰器。

# 类实现
class MyContextManager:def __enter__(self):print("Entering context")return selfdef __exit__(self, exc_type, exc_val, exc_tb):print("Exiting context")# 使用 contextlib
from contextlib import contextmanager@contextmanager
def my_context_manager():print("Entering context")try:yieldfinally:print("Exiting context")

---

4. 异步编程

• 使用 asyncio 模块实现异步操作。
• 示例：

import asyncioasync def say_hello():print("Hello")await asyncio.sleep(1)print("World")asyncio.run(say_hello())

---

三、算法与数据结构

1. 常见排序算法

• 冒泡排序：

def bubble_sort(arr):n = len(arr)for i in range(n):for j in range(0, n - i - 1):if arr[j] > arr[j + 1]:arr[j], arr[j + 1] = arr[j + 1], arr[j]return arr

• 快速排序：

def quick_sort(arr):if len(arr) <= 1:return arrpivot = arr[0]left = [x for x in arr[1:] if x <= pivot]right = [x for x in arr[1:] if x > pivot]return quick_sort(left) + [pivot] + quick_sort(right)

---

2. 查找算法

• 二分查找：

def binary_search(arr, target):left, right = 0, len(arr) - 1while left <= right:mid = (left + right) // 2if arr[mid] == target:return midelif arr[mid] < target:left = mid + 1else:right = mid - 1return -1

---

四、Python 框架与工具

1. Django 与 Flask 的区别

特性	Django	Flask
复杂度	全栈框架，功能强大	微框架，轻量级
灵活性	较低	较高
适用场景	大型项目	小型项目或 API 开发

---

2. Pandas 常用操作

• 读取 CSV 文件：

import pandas as pddf = pd.read_csv('data.csv')

• 数据筛选：

filtered_df = df[df['age'] > 30]

• 数据聚合：

grouped_df = df.groupby('category').sum()

---

3. NumPy 常用操作

• 创建数组：

import numpy as nparr = np.array([1, 2, 3])

• 矩阵乘法：

matrix_a = np.array([[1, 2], [3, 4]])
matrix_b = np.array([[5, 6], [7, 8]])
result = np.dot(matrix_a, matrix_b)

---