一个python新浪面试题

Finder / 2024-08-18

以下是一道新浪微博面试题，我们将详细拆解该题目。

data_list = [lambda x: x + i for i in range(10)]  # [函数, 函数, 函数]   i=9

v1 = data_list[0](100)
v2 = data_list[3](100)
print(v1, v2)  # 109 109

如果不仔细阅题，可能会得出"100"和"102"的答案。有趣的是，如果将此题目输入ChatGPT-4或Kimi，它们会给出"100"和"103"的答案。唯一给出正确答案的是Claude 3.5（值得表扬）。

为了便于后续拆解题目，让我们先复习一些相关知识：

推导式 #

推导式（Comprehension）是Python中一种简洁而强大的语法特性，用于创建列表、字典、集合或生成器。它允许你用一行简洁的代码替代更冗长的for循环。让我们详细了解各种类型的推导式：

列表推导式（List Comprehension）:

基本语法：[expression for item in iterable if condition]

例子：
```
squares = [x**2 for x in range(10)]
# 结果：[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
```
字典推导式（Dictionary Comprehension）:

基本语法：{key_expression: value_expression for item in iterable if condition}

例子：
```
square_dict = {x: x**2 for x in range(5)}
# 结果：{0: 0, 1: 1, 2: 4, 3: 9, 4: 16}
```
集合推导式（Set Comprehension）:

基本语法：{expression for item in iterable if condition}

例子：
```
even_squares = {x**2 for x in range(10) if x % 2 == 0}
# 结果：{0, 4, 16, 36, 64}
```
生成器表达式（Generator Expression）:

基本语法：(expression for item in iterable if condition)

例子：
```
gen = (x**2 for x in range(10))
# 创建一个生成器对象，可以逐个生成平方数
```

特点和注意事项：

简洁性：推导式通常比等效的for循环更简洁。
可读性：对于简单操作，推导式可提高代码可读性。但对于复杂逻辑，可能会降低可读性。
性能：在某些情况下，推导式可能比等效的for循环更高效。
条件筛选：可以使用if子句进行筛选。
嵌套：可以使用嵌套的for循环。例如：[(x, y) for x in [1,2,3] for y in [3,1,4] if x != y]
变量作用域：推导式有自己的局部作用域。
lambda函数：可以在推导式中使用lambda函数。

示例：结合多个特性的复杂推导式

matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]]
flattened = [num for row in matrix for num in row if num % 2 != 0]
# 结果：[1, 3, 5, 7, 9]

推导式是Python中非常有用的特性，能够使代码更加简洁和富有表现力。但是，过度使用或在复杂情况下使用可能会降低代码的可读性，所以需要权衡使用。

匿名函数 #

Python中的匿名函数通常被称为lambda函数。它们是简洁的一行函数，没有名字，适合用于需要简单功能的小场景。以下是关于匿名函数的定义、使用场景、原理和一些例子的详细介绍。

定义 #

匿名函数使用lambda关键字定义，语法如下：

lambda 参数1, 参数2, ... : 表达式

例如，一个简单的匿名函数如下：

add = lambda x, y: x + y
print(add(3, 5))  # 输出: 8

使用场景 #

简化代码：在需要简单功能的地方，如排序、过滤等，可以使用匿名函数，避免定义额外的函数。
函数式编程：与高阶函数（如map、filter、reduce）一起使用，可以使代码更简洁。
回调函数：在事件处理或异步编程中，匿名函数可以作为回调函数传递。

原理 #

匿名函数本质上是一个内联函数（inline function），它在定义时即创建，不需要命名。与普通函数不同，匿名函数只能包含一个表达式，不能包含复杂的语句或多行代码。这使得匿名函数非常轻量，适合用于简单的操作。

题目代码拆解 #

根据上面的两个知识点，我们可以将

data_list = [lambda x: x + i for i in range(10)]

代码拆解成常规函数的样子，如下：

data_list = []
for i in range(10):
    def func(x):
        return x + i
    data_list.append(func)

起初，我理所当然地将函数拆解成了如下的样子：

# 错误写法
data_list = []
def func(x):
    for i in range(10):
        return x + i

分析列表推导式

data_list = [lambda x: x + i for i in range(10)]

首先确定的应该是data_list的元素，也就是for前面的部分lambda x: x + i。这意味着匿名函数是列表的元素。所以可以写成：

for i in range(10):
    lambda x: x + i

进而可以整理出它的完整函数写法（如上所示）。

接下来查看

v1 = data_list[0](100)  # 列表第1个函数，参数x为100
v2 = data_list[3](100)  # 列表第4个函数，参数x为100
print(v1, v2)  # 109 109

这里需要确定的是隐藏参数i的值。由于Python的后期绑定特性，i的值都为9。因此，可以确定v1和v2都是109。

Python的后期绑定（late binding）是一个重要的语言特性，它主要涉及到闭包（closures）和变量作用域。让我详细解释一下：

定义：后期绑定指的是在闭包中，自由变量（在内部函数中使用但不在其中定义的变量）的值是在函数被调用时确定的，而不是在函数定义时确定。
工作原理：
- 当Python创建一个闭包时，它不会复制外部变量的值。
- 相反，它保存了对变量的引用。
- 当闭包最终被执行时，它会查找当前的变量值。

示例：

这会打印 `[6, 6, 6, 6]`，而不是预期的 `[0, 2, 4, 6]`，因为所有的 lambda 函数都引用了最终的 `i` 值（3）。

```python
def create_multipliers():
    return [lambda x: i * x for i in range(4)]

multipliers = create_multipliers()
print([m(2) for m in multipliers])
```

影响：
- 这可能导致一些反直觉的行为，特别是在使用循环创建函数时。
- 它影响到列表推导式、生成器表达式和 lambda 函数中的变量绑定。
优点：
- 允许更灵活的编程模式。
- 在某些情况下可以节省内存，因为不需要在闭包创建时复制值。
缺点：
- 可能导致难以追踪的bug，特别是对于不熟悉这个特性的程序员。
- 在循环中创建函数时可能会产生意外结果。
解决方法：
- 使用默认参数来捕获当前值：lambda x, i=i: i * x
- 在 Python 3.x 中，可以使用 nonlocal 关键字（虽然在列表推导式中不适用）。
为什么存在：这是 Python 设计的一个有意识的选择，旨在保持语言的一致性和简洁性。它与 Python 的整体变量作用域规则相一致。
其他语言的对比：不同的编程语言处理这种情况的方式不同。例如，JavaScript 在引入 let 关键字之前也有类似的行为。

#Python学习记录

最后一次修改于 2024-08-18