每年的3-4月份是跳槽的高峯期，無論是應聘Python web開發，爬蟲工程師，或是數據分析，還是自動化運維，都涉及到一些基礎的知識！我挑了一些Python的基礎面試題，看看你能不能的答上來，也許面試的同學用的着！
NO.1
Python這麼好
說說它的特性吧
關鍵特性
Python是一種解釋型語言,這意味着，與C,C++不同，Python不需要在運行之前進行編譯。它是邊運行邊解釋。
Python是動態類型化的，這意味着當你聲明它們或類似的東西時，你不需要聲明變量的類型。你可以x=1 ，然後x="abc"沒有錯誤。
Python非常適合面向對象編程，因爲它允許定義類以及組合和繼承。Python沒有訪問修飾符（如C ++的public，private).
在Python中函數是一等對象，這意味着它們可以在運行時動態創建，能賦值給變量或者作爲參數傳給函數，還能能作爲函數的返回值
Python代碼容易上手，開發速度很快，但運行速度通常比編譯語言慢。幸運的是，Python允許包含基於C的擴展，所以瓶頸可以被優化掉，比如,numpy包就是一個很好的例子，它非常快，因爲它所做的很多運算在底部都是用C編
寫的!
在這裏還是要推薦下我自己建的Python開發學習羣:483546416，羣裏都是學Python開發的，如果你正在學習Python ，小編歡迎你加入,大家都是軟件開發黨，不定期分享乾貨（只有Python軟件開發相關的），包括我自己整理的一份2018最新的Python進階資料和高級開發教程，歡迎進階中和進想深入Python的小夥伴
NO.2
Python中的賦值
淺拷貝和深拷貝的區別
深淺拷貝區別
1).對象的賦值
Python中對象的賦值實際上是簡單的對象引用也就是說，當你創建一個對象，然後把它複製給另一個變量的時候，Python並沒有拷貝這個對象，而是拷貝了這個對象的引用。
2).淺拷貝
一般使用copy.copy(),可以進行對象的淺拷貝.它複製了對象但對於對象中的元素，依然使用原始的引用.
使用copy對a進行淺拷貝，b複製了a的對象，但是b裏面的[2,3,4]和a裏面的[2,3,4]其實都是指向同一塊內存地址,所以改變了a[1]之後，b裏面的b[1]也發生了改變！
3).深度拷貝
深度拷貝需要用copy.deepcopy()進行深拷貝。它會複製一個容器對象，以及它裏面的所有元素（包含元素的子元素）
當對a列表進行深度拷貝之後，b複製了a的對象，但是b裏面的[2,3,4]和a裏面的[2,3,4]其實都是指向不同的內存地址.
a[1].append(5) print (a) print (b)>> [1, [2, 3, 4, 5]]#因爲是深度拷貝,改變了a[1],b[1]內容不會改變 [1, [2, 3, 4]]
NO.3
Python中的==
和is的區別
==和is
Python中==和is的區別
is是判讀對象標識符是否一致，而==是判讀兩個對象的內容是否相等！
x is y 相當於 id(x)==id(y)
==是檢查兩個對象的內容是否相等，會調用對象的內部__eq__().
NO.4
線程如何在Python
中實現
多線程問題
線程如何在Python中實現
Python有一個多線程包threading，可以使用多線程來加快你的代碼。但是Python有一個叫做Global Interpreter Lock（GIL）的構造。GIL確保只有一個'線程'可以在任何時候執行。
線程獲取GIL，做一些工作，然後將GIL傳遞到下一個線程。這種情況發生得非常快，所以對於人眼而言，它可能看起來像你的線程並行執行，但它們實際上只是輪流使用相同的CPU內核。因此GIL的存在使得Python中的多線程無法真正的利用多核的優勢來提高性能。
對於IO密集型操作，在等待操作系統返回的時候會釋放GIL；再比如爬蟲因爲有等待的服務器的響應時間，可以利用多線程來加速！但是對於CPU密集型操作，只能通過多進程Multiprocess來加速。
NO.5
Python中的
猴子補丁式啥
猴子補丁
Python中的猴子補丁是什麼？
考慮下面的例子：
>>
f()
猴子補丁：
是一種非常Pythonic的用法，即函數在python中可以像使用變量一樣對它進行賦值等操作,我們可以在運行時動態替換模塊，俗稱手法稱爲猴子補丁！我們通過對MyClass.f 重新賦值，動態的改變了輸出的結果.
NO.6
Python中的
負數index
負值索引
Python中的負數index是用來做什麼的?
Python中的序列是索引的，它由正數和負數組成。正的數字使用'0'作爲第一個索引，'1'作爲第二個索引。
負數的索引從'-1'開始，表示序列中的最後一個索引，'-2'作爲倒數第二個索引，序列像正數一樣向前。
負數索引也可以用來非常方便的切片,比如:
s='abcdedf'
print (s[1:-1])
>>bcded
NO.7
類裏面的new
和init的區別
new/init區別
說說__new__和__init__的區別
__init__爲初始化方法，而__new__方法纔是是真正的構造函數。只有繼承了object的新式類纔有__new__.
__new__至少要有一個參數cls，代表要實例化的類，此參數在實例化時由Python解釋器自動提供，__new__必須要有返回值，返回實例化出來的實例。
__init__有一個參數self，就是這個__new__返回的實例， 先運行__new__ 然後才運行__init__.
__init__在__new__的基礎上可以完成一些其它初始化的動作，__init__不需要返回值.
NO.8
Python中的
參數
*args和**kwargs
Python中的*args，**kwargs的用法
*args是可變參數，一般用來表示我們不能確定多少參數將被傳遞給函數，或者如果我們想用列表或元組的方式傳遞給函數.
**kwars是可變關鍵字參數,當我們不知道有多少關鍵字參數會傳遞給一個函數時，或者想把一個字典作爲關鍵字參數時使用
注：*args和**kwargs可以同時在函數的定義中,但是*args必須在**kwargs前面.
更多Python面試題，，私信回覆：學習資料。與更多人一起學習Python。
很多人想要了解Python實現人臉識別，今天我們就來講下
人臉識別,乍一聽還是高大上的東西.
今天我們就分享下怎麼玩?
不需要一大坨代碼,只要你會裝……包.
當然,我們的重點不是裝包,歸根結底,還是怎麼玩.
Ok,那麼,我們開始
一、需要安裝什麼?
1.OpenCV 一個圖像處理的強大的包.官網 http://opencv.org/,最新的版本3.3.0
不需要最新的版本直接brew install opencv3,我這裏裝好是3.2.0的
如果需要最新的版本3.3.0的話,請按照這裏安裝 http://www.pyimagesearch.com/2016/12/19/install-opencv-3-on-macos-with-homebrew-the-easy-way/
2.Python2.7或者Python3.x
3.依賴包NumPY. 可以pip install numpy
4.依賴包face recognition.主角就是他了.pip install face recognition
注意事項參照地址 https://github.com/ageitgey/face_recognition
二、怎麼玩
我們首先給定一張被照片
2.從攝像頭捕捉的圖像裏獲取檢測出頭像,跟上面的照片的圖片進行對比.
先看下結果:
從截下來的圖片來看. 我自己因爲沒有放圖片上去進行識別,所以是unknown的. 手機上的圖片被識別到了寫上chu(名字) 標籤.
代碼:
import face_recognition import cv2 import time #獲取攝像頭video_capture = cv2.VideoCapture(0)# 加載圖片obama_image = face_recognition.load_image_file("IMG_20170723_213850R.jpg") # 圖片先識別一遍人臉,後面用來比較obama_face_encoding = face_recognition.face_encodings(obama_image)[0]# 初始化變量face_locations = [] face_encodings = [] face_names = [] process_this_frame = Truewhile True: # 從攝像頭獲取圖像 ret, frame = video_capture.read() # 縮放1/4大小,方便快速處理 small_frame = cv2.resize(frame, (0, 0), fx=0.25, fy=0.25) # 保證只處理一遍 if process_this_frame: #找出所有的人臉 face_locations = face_recognition.face_locations(small_frame) face_encodings = face_recognition.face_encodings(small_frame, face_locations) face_names = [] for face_encoding in face_encodings: # 判斷是否匹配給定的人臉 match = face_recognition.compare_faces([obama_face_encoding], face_encoding) name = "Unknown" if match[0]: name = "CHU<del>" face_names.append(name) process_this_frame = not process_this_frame # 把識別到和爲識別到的人臉進行標記 for (top, right, bottom, left), name in zip(face_locations, face_names): # 原來是1/4的大小,現在放大4倍 top *= 4 right *= 4 bottom *= 4 left *= 4 # 給臉部畫框 cv2.rectangle(frame, (left, top), (right, bottom), (0, 0, 255), 2) # 臉部下面顯示標籤 cv2.rectangle(frame, (left, bottom - 35), (right, bottom), (0, 0, 255), 2) font = cv2.FONT_HERSHEY_DUPLEX cv2.putText(frame, name, (left + 6, bottom - 6), font, 1.5, (255, 255, 255), 3) #識別到時候進行抓屏 for name in face_names: if name=="CHU</del>": cv2.imwrite('img-%d.png'%int(time.time()), frame) # 顯示加了頭像框視頻 cv2.imshow('Video', frame) # Hit 'q' on the keyboard to quit! if cv2.waitKey(1) & 0xFF == ord('q'): break# 釋放攝像頭句柄video_capture.release() cv2.destroyAllWindows()如果我的分享對你有幫助，與你分享更多Python方面的知識。