Python 面试实训 100 题,哪道难住了你?| 文末附答案

2019 年 11 月 30 日 CSDN

作者 | 天元浪子
责编 | maozz
出品 | CSDN博客
编程语言虽然不是自然语言,细细琢磨的话,其实在很多方面也是符合传统语言学(linguistics)规律的。比如,编程语言也讲究词汇学(关键字),结构学(程序结构),句法(语法),语义(代码功能)等;在语言的学习方法上,编程语言和自然语言也高度相似。
回想一下学习英语的过程,都有这样一个阶段:语法都搞明白了,词汇量也比英国农民多得多(据说英国的农民,平均词汇量800,但我一直未找到资料验证真伪),可就是说也说不出来,听也听不明白,急得捶胸顿足。再来看看初学者学习 Python 的情况,是不是也有这样一个阶段呢?基础语法都学完了,可是读别人的代码特别吃力,自己写又茫茫然不知从何处着手。
为什么会这样呢?我给出的答案是:缺乏语感!何谓语感,专业的定义如下:语感,是比较直接、迅速地感悟语言的能力,是语言水平的重要组成部分,是对语言分析、理解、体会、吸收全过程的高度浓缩,是一种经验色彩很浓的能力,其中牵涉到学习经验、生活经验、心理经验、情感经验,包含着理解能力、判断能力、联想能力等诸多因素。
以上就是我提出编程也要讲“语感训练”的理论基础。语感训练,并不等同于语法学习,也不是完整的小项目、小课题练习,而是针对编程实践中经常遇到的字符串处理、文件读写、列表字典元组集合对象操作等基本技能进行训练,帮助初学者建立语感。
一旦建立起了语感,初学者就可以专注于功能的实现,而不会随时被一些小问题中断思维。
Python 语感训练涵盖列表、字典、元组、集合、字符串、格式化输出、类型和整数转换、文件读写、杂项等9个类别,共100道练习题。
  1. 将元组 (1,2,3) 和集合 {4,5,6} 合并成一个列表。
  2. 在列表 [1,2,3,4,5,6] 首尾分别添加整型元素 7 和 0。
  3. 反转列表 [0,1,2,3,4,5,6,7] 。
  4. 反转列表 [0,1,2,3,4,5,6,7] 后给出中元素 5 的索引号。
  5. 分别统计列表 [True,False,0,1,2] 中 True,False,0,1,2的元素个数,发现了什么?
  6. 从列表 [True,1,0,‘x’,None,‘x’,False,2,True] 中删除元素‘x’。
  7. 从列表 [True,1,0,‘x’,None,‘x’,False,2,True] 中删除索引号为4的元素。
  8. 删除列表中索引号为奇数(或偶数)的元素。
  9. 清空列表中的所有元素。
  10. 对列表 [3,0,8,5,7] 分别做升序和降序排列。
  11. 将列表 [3,0,8,5,7] 中大于 5 元素置为1,其余元素置为0。
  12. 遍历列表 [‘x’,‘y’,‘z’],打印每一个元素及其对应的索引号。
  13. 将列表 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] 拆分为奇数组和偶数组两个列表。
  14. 分别根据每一行的首元素和尾元素大小对二维列表 [[6, 5], [3, 7], [2, 8]] 排序。
  15. 从列表 [1,4,7,2,5,8] 索引为3的位置开始,依次插入列表 [‘x’,‘y’,‘z’] 的所有元素。
  16. 快速生成由 [5,50) 区间内的整数组成的列表。
  17. 若 a = [1,2,3],令 b = a,执行 b[0] = 9, a[0]亦被改变。为何?如何避免?
  18. 将列表 [‘x’,‘y’,‘z’] 和 [1,2,3] 转成 [(‘x’,1),(‘y’,2),(‘z’,3)] 的形式。
  19. 以列表形式返回字典 {‘Alice’: 20, ‘Beth’: 18, ‘Cecil’: 21} 中所有的键。
  20. 以列表形式返回字典 {‘Alice’: 20, ‘Beth’: 18, ‘Cecil’: 21} 中所有的值。
  21. 以列表形式返回字典 {‘Alice’: 20, ‘Beth’: 18, ‘Cecil’: 21} 中所有键值对组成的元组。
  22. 向字典 {‘Alice’: 20, ‘Beth’: 18, ‘Cecil’: 21} 中追加 ‘David’:19 键值对,更新Cecil的值为17。
  23. 删除字典 {‘Alice’: 20, ‘Beth’: 18, ‘Cecil’: 21} 中的Beth键后,清空该字典。
  24. 判断 David 和 Alice 是否在字典 {‘Alice’: 20, ‘Beth’: 18, ‘Cecil’: 21} 中。
  25. 遍历字典 {‘Alice’: 20, ‘Beth’: 18, ‘Cecil’: 21},打印键值对。
  26. 若 a = dict(),令 b = a,执行 b.update({‘x’:1}), a亦被改变。为何?如何避免?
  27. 以列表 [‘A’,‘B’,‘C’,‘D’,‘E’,‘F’,‘G’,‘H’] 中的每一个元素为键,默认值都是0,创建一个字典。
  28. 将二维结构 [[‘a’,1],[‘b’,2]] 和 ((‘x’,3),(‘y’,4)) 转成字典。
  29. 将元组 (1,2) 和 (3,4) 合并成一个元组。
  30. 将空间坐标元组 (1,2,3) 的三个元素解包对应到变量 x,y,z。
  31. 返回元组 (‘Alice’,‘Beth’,‘Cecil’) 中 ‘Cecil’ 元素的索引号。
  32. 返回元组 (2,5,3,2,4) 中元素 2 的个数。
  33. 判断 ‘Cecil’ 是否在元组 (‘Alice’,‘Beth’,‘Cecil’) 中。
  34. 返回在元组 (2,5,3,7) 索引号为2的位置插入元素 9 之后的新元组。
  35. 创建一个空集合,增加 {‘x’,‘y’,‘z’} 三个元素。
  36. 删除集合 {‘x’,‘y’,‘z’} 中的 ‘z’ 元素,增j加元素 ‘w’,然后清空整个集合。
  37. 返回集合 {‘A’,‘D’,‘B’} 中未出现在集合 {‘D’,‘E’,‘C’} 中的元素(差集)。
  38. 返回两个集合 {‘A’,‘D’,‘B’} 和 {‘D’,‘E’,‘C’} 的并集。
  39. 返回两个集合 {‘A’,‘D’,‘B’} 和 {‘D’,‘E’,‘C’} 的交集。
  40. 返回两个集合 {‘A’,‘D’,‘B’} 和 {‘D’,‘E’,‘C’} 未重复的元素的集合。
  41. 判断两个集合 {‘A’,‘D’,‘B’} 和 {‘D’,‘E’,‘C’} 是否有重复元素。
  42. 判断集合 {‘A’,‘C’} 是否是集合 {‘D’,‘C’,‘E’,‘A’} 的子集。
  43. 去除数组 [1,2,5,2,3,4,5,‘x’,4,‘x’] 中的重复元素。
  44. 返回字符串 ‘abCdEfg’ 的全部大写、全部小写和大下写互换形式。
  45. 判断字符串 ‘abCdEfg’ 是否首字母大写,字母是否全部小写,字母是否全部大写。
  46. 返回字符串 ‘this is python’ 首字母大写以及字符串内每个单词首字母大写形式。
  47. 判断字符串 ‘this is python’ 是否以 ‘this’ 开头,又是否以 ‘python’ 结尾。
  48. 返回字符串 ‘this is python’ 中 ‘is’ 的出现次数。
  49. 返回字符串 ‘this is python’ 中 ‘is’ 首次出现和最后一次出现的位置。
  50. 将字符串 ‘this is python’ 切片成3个单词。
  51. 返回字符串 ‘blog.csdn.net/xufive/article/details/102946961’ 按路径分隔符切片的结果。
  52. 将字符串 ‘2.72, 5, 7, 3.14’ 以半角逗号切片后,再将各个元素转成浮点型或整形。
  53. 判断字符串 ‘adS12K56’ 是否完全为字母数字,是否全为数字,是否全为字母,是否全为ASCII码。
  54. 将字符串 ‘there is python’ 中的 ‘is’ 替换为 ‘are’。
  55. 清除字符串 ‘\t python \n’ 左侧、右侧,以及左右两侧的空白字符。
  56. 将三个全英文字符串(比如,‘ok’, ‘hello’, ‘thank you’)分行打印,实现左对齐、右对齐和居中对齐效果。
  57. 将三个字符串(比如,‘Hello, 我是David’, ‘OK, 好’, ‘很高兴认识你’)分行打印,实现左对齐、右对齐和居中效果。
  58. 将三个字符串 ‘15’, ‘127’, ‘65535’ 左侧补0成同样长度。
  59. 提取 url 字符串 ‘https://blog.csdn.net/xufive’ 中的协议名。
  60. 将列表 [‘a’,‘b’,‘c’] 中各个元素用’|'连接成一个字符串。
  61. 将字符串 ‘abc’ 相邻的两个字母之间加上半角逗号,生成新的字符串。
  62. 从键盘输入手机号码,输出形如 ‘Mobile: 186 6677 7788’ 的字符串。
  63. 从键盘输入年月日时分秒,输出形如 ‘2019-05-01 12:00:00’ 的字符串。
  64. 给定两个浮点数 3.1415926 和 2.7182818,格式化输出字符串 ‘pi = 3.1416, e = 2.7183’。
  65. 将 0.00774592 和 356800000 格式化输出为科学计数法字符串。
  66. 将十进制整数 240 格式化为八进制和十六进制的字符串。
  67. 将十进制整数 240 转为二进制、八进制、十六进制的字符串。
  68. 将字符串 ‘10100’ 按照二进制、八进制、十进制、十六进制转为整数。
  69. 求二进制整数1010、八进制整数65、十进制整数52、十六进制整数b4的和。
  70. 将列表 [0,1,2,3.14,‘x’,None,’’,list(),{5}] 中各个元素转为布尔型。
  71. 返回字符 ‘a’ 和 ‘A’ 的ASCII编码值。
  72. 返回ASCII编码值为 57 和 122 的字符。
  73. 将二维列表 [[0.468,0.975,0.446],[0.718,0.826,0.359]] 写成名为 csv_data 的 csv 格式的文件,并尝试用 excel 打开它。
  74. 从 csv_data.csv 文件中读出二维列表。
  75. 向 csv_data.csv 文件追加二维列表 [[1.468,1.975,1.446],[1.718,1.826,1.359]],然后读出所有数据。
  76. 交换变量 x 和 y 的值。
  77. 判断给定的参数 x 是否是整形。
  78. 判断给定的参数 x 是否为列表或元组。
  79. 判断 ‘https://blog.csdn.net’ 是否以 ‘http://’ 或 ‘https://’ 开头。若是,则返回 ‘http’ 或 ‘https’;否则,返回None。
  80. 判断 ‘https://blog.csdn.net’ 是否以 ‘.com’ 或 ‘.net’ 结束。若是,则返回 ‘com’ 或 ‘net’;否则,返回None。
  81. 将列表 [3,‘a’,5.2,4,{},9,[]] 中 大于3的整数或浮点数置为1,其余置为0。
  82. a,b 是两个数字,返回其中较小者或最大者。
  83. 找到列表 [8,5,2,4,3,6,5,5,1,4,5] 中出现最频繁的数字以及出现的次数。
  84. 将二维列表 [[1], [‘a’,‘b’], [2.3, 4.5, 6.7]] 转为 一维列表。
  85. 将等长的键列表和值列表转为字典。
  86. 使用链状比较操作符重写逻辑表达式 a > 10 and a < 20。
  87. 写一个函数,以0.1秒的间隔不换行打印30次由函数参数传入的字符,实现类似打字机的效果。
  88. 数字列表求和。
  89. 返回数字列表中的最大值和最小值。
  90. 计算 5 的 3.5 方和 3 的立方根。
  91. 对 3.1415926 四舍五入,保留小数点后5位。
  92. 判断两个对象是在内存中是否是同一个。
  93. 返回给定对象的属性和方法。
  94. 计算字符串表达式 ‘(2+3)*5’ 的值。
  95. 实现字符串 ‘x={“name”:“David”, “age”:18}’ 包含的代码功能。
  96. 使用 map 函数求列表 [2,3,4,5] 中每个元素的立方根。
  97. 使用 sys.stdin.readline() 写一个和 input() 函数功能完全相同的函数。
  98. 使用二维列表描述9x9围棋局面,'w’表示白色棋子,‘b’表示黑色棋子,’-'表示无子,打印成下图左所示的文本棋盘。
  99. 对于9x9围棋盘,用a-i标识各行,用1-9标识各列,设计函数go(),输入位置和颜色,即输出文本棋盘,模拟围棋对弈的过程。
  100. 下图中是国际跳棋的初始局面,10x10的棋盘上只有50个深色格子可以落子,'w’表示白色棋子,‘b’表示黑色棋子,’-'表示无子,字符串 phase = ‘b’*20 + ‘-’*10 + ‘w’*20 表示下图中的局面,请将 phase 打印成下图右所示的样子。
题目就到此为止啦,各位小伙伴们做的怎么样呢?

接下来,是公布答案的时间啦。
解答:

1. 将元组 (1,2,3) 和集合 {4,5,6} 合并成一个列表。

>>> list((1,2,3)) + list({4,5,6})
[123456]
2. 在列表 [1,2,3,4,5,6] 首尾分别添加整型元素 7 和 0。
>>> a = [1,2,3,4,5,6]
>>> a.insert(0,7)
>>> a.append(0)
>>> a
[71234560]
3. 反转列表 [0,1,2,3,4,5,6,7] 。
>>> a = [0,1,2,3,4,5,6,7]
>>> a.reverse()
>>> a
[76543210]
>>> a[::-1]
[01234567]
4. 反转列表 [0,1,2,3,4,5,6,7] 后给出中元素 5 的索引号。
>>> [0,1,2,3,4,5,6,7][::-1].index(5)
2
5. 分别统计列表 [True,False,0,1,2] 中 True,False,0,1,2的元素个数,发现了什么?
>>> a = [True,False,0,1,2]
>>> a.count(True),a.count(False),a.count(0),a.count(1),a.count(2)
(22221) # count()不区分True1False0,但None、''不会被视为False
以上是前 5 题的答案,因篇幅有限,更多答案内容,欢迎扫描下方海报二维码或点击【阅读原文】,加入 Python 大本营,点击查看!
另有任何关于 Python 问题,专家将及时在线解答!

热 文 推 荐 

8 年经验面试官解读程序员的技能瓶颈,以及突破瓶颈的忠告 | CSDN 博文精选
Python 爬取 6271 家死亡公司数据,一眼看尽十年创业公司消亡史!
震惊!雷军表示要出千元5G手机!
自学编程、玩 vlog,90 后程序员们的冠军之路

警惕!程序员万字揭露被空姐骗到香港做传销的来龙去脉!

【经典必看】14个实用的数据库设计技巧

贾扬清:为什么说数据智能和云原生之间是“天作之合”?

大白话讲解比特币白皮书,十年后它依然是学习区块链的最佳资料,你真的读懂了吗?

点击阅读原文,加入 Python 大本营!
你点的每个“在看”,我都认真当成了喜欢
登录查看更多
2

相关内容

Python是一种面向对象的解释型计算机程序设计语言,在设计中注重代码的可读性,同时也是一种功能强大的通用型语言。
【干货书】用于概率、统计和机器学习的Python,288页pdf
专知会员服务
287+阅读 · 2020年6月3日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
224+阅读 · 2020年3月22日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
338+阅读 · 2020年3月17日
算法与数据结构Python,369页pdf
专知会员服务
161+阅读 · 2020年3月4日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
179+阅读 · 2020年1月1日
Python 热图进阶
专知
15+阅读 · 2019年5月4日
深度学习面试100题(第71-75题)
七月在线实验室
5+阅读 · 2018年8月2日
深度学习面试100题(第56-60题)
七月在线实验室
9+阅读 · 2018年7月23日
Python中机器学习的特征选择工具
云栖社区
8+阅读 · 2018年7月16日
深度学习面试100题(第6-10题)
七月在线实验室
7+阅读 · 2018年7月9日
AI笔试面试题库-Python题目解析1
七月在线实验室
5+阅读 · 2018年6月27日
实战 | 用Python做图像处理(三)
七月在线实验室
15+阅读 · 2018年5月29日
【干货】Python无监督学习的4大聚类算法
新智元
14+阅读 · 2018年5月26日
实战 | 用Python做图像处理(二)
七月在线实验室
17+阅读 · 2018年5月25日
python数据分析师面试题选
数据挖掘入门与实战
6+阅读 · 2017年11月21日
Adversarial Mutual Information for Text Generation
Arxiv
13+阅读 · 2020年6月30日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Real-time Scalable Dense Surfel Mapping
Arxiv
5+阅读 · 2019年9月10日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
7+阅读 · 2019年1月8日
Arxiv
6+阅读 · 2018年1月14日
VIP会员
相关VIP内容
【干货书】用于概率、统计和机器学习的Python,288页pdf
专知会员服务
287+阅读 · 2020年6月3日
【干货书】流畅Python,766页pdf,中英文版
专知会员服务
224+阅读 · 2020年3月22日
【干货书】机器学习Python实战教程,366页pdf
专知会员服务
338+阅读 · 2020年3月17日
算法与数据结构Python,369页pdf
专知会员服务
161+阅读 · 2020年3月4日
【书籍推荐】简洁的Python编程(Clean Python),附274页pdf
专知会员服务
179+阅读 · 2020年1月1日
相关资讯
Python 热图进阶
专知
15+阅读 · 2019年5月4日
深度学习面试100题(第71-75题)
七月在线实验室
5+阅读 · 2018年8月2日
深度学习面试100题(第56-60题)
七月在线实验室
9+阅读 · 2018年7月23日
Python中机器学习的特征选择工具
云栖社区
8+阅读 · 2018年7月16日
深度学习面试100题(第6-10题)
七月在线实验室
7+阅读 · 2018年7月9日
AI笔试面试题库-Python题目解析1
七月在线实验室
5+阅读 · 2018年6月27日
实战 | 用Python做图像处理(三)
七月在线实验室
15+阅读 · 2018年5月29日
【干货】Python无监督学习的4大聚类算法
新智元
14+阅读 · 2018年5月26日
实战 | 用Python做图像处理(二)
七月在线实验室
17+阅读 · 2018年5月25日
python数据分析师面试题选
数据挖掘入门与实战
6+阅读 · 2017年11月21日
相关论文
Adversarial Mutual Information for Text Generation
Arxiv
13+阅读 · 2020年6月30日
A Survey on Deep Learning for Named Entity Recognition
Arxiv
26+阅读 · 2020年3月13日
Meta-Learning to Cluster
Arxiv
17+阅读 · 2019年10月30日
Real-time Scalable Dense Surfel Mapping
Arxiv
5+阅读 · 2019年9月10日
Risk-Aware Active Inverse Reinforcement Learning
Arxiv
7+阅读 · 2019年1月8日
Arxiv
6+阅读 · 2018年1月14日
Top
微信扫码咨询专知VIP会员