内存管理机制：引用计数、垃圾回收、内存池。引用计数：引用计数是一种非常高效的内存管理手段， 当一个 Python 对象被引用时其引用计数增加 1， 当其不再被一个变量引用时则计数减 1. 当引用计数等于 0 时对象被删除。
垃圾回收 ：
1 引用计数：引用计数也是一种垃圾收集机制，而且也是一种最直观，最简单的垃圾收集技术。当 Python 的某个对象的引用计数降为 0 时，说明没有任何引用指向该对象，该对象就成为要被回收的垃圾了。比如某个新建对象，它被分配给某个引用，对象的引用计数变为 1。如果引用被删除，对象的引用计数为 0， 那么该对象就可以被垃圾回收。不过如果出现循环引用的话，引用计数机制就不再起有效的作用了
2 标记清除：如果两个对象的引用计数都为 1，但是仅仅存在他们之间的循环引用，那么这两个对象都是需要被回收的，也就是说，它们的引用计数虽然表现为非 0，但实际上有效的引用计数为 0。所以先将循环引用摘掉，就会得出这两个对象的有效计数。
3 分代回收：从前面“标记-清除”这样的垃圾收集机制来看，这种垃圾收集机制所带来的额外操作实际上与系统中总的内存块的数量是相关的，当需要回收的内存块越多时，垃圾检测带来的额外操作就越多，而垃圾回收带来的额外操作就越少；反之，当需回收的内存块越少时，垃圾检测就将比垃圾回收带来更少的额外操作。举个例子：
当某些内存块 M 经过了 3 次垃圾收集的清洗之后还存活时，我们就将内存块 M 划到一个集合A 中去，而新分配的内存都划分到集合 B 中去。当垃圾收集开始工作时，大多数情况都只对集合 B 进行垃圾回收，而对集合 A 进行垃圾回收要隔相当长一段时间后才进行，这就使得垃圾收集机制需要处理的内存少了，效率自然就提高了。在这个过程中，集合 B 中的某些内存块由于存活时间长而会被转移到集合 A 中，当然，集合 A 中实际上也存在一些垃圾，这些垃圾的回收会因为这种分代的机制而被延迟。内存池：
Python 的内存机制呈现金字塔形状，-1，-2 层主要有操作系统进行操作；
第 0 层是 C 中的 malloc，free 等内存分配和释放函数进行操作；
第 1 层和第 2 层是内存池，有 Python 的接口函数 PyMem_Malloc 函数实现，当对象小于256K 时有该层直接分配内存；
第 3 层是最上层，也就是我们对 Python 对象的直接操作；Python 在运行期间会大量地执行 malloc 和 free 的操作，频繁地在用户态和核心态之间进行切换，这将严重影响 Python 的执行效率。为了加速 Python 的执行效率，Python 引入了一个内存池机制，用于管理对小块内存的申请和释放。Python 内部默认的小块内存与大块内存的分界点定在 256 个字节，当申请的内存小于 256 字节时，PyObject_Malloc 会在内存池中申请内存；当申请的内存大于 256 字节时，PyObject_Malloc 的行为将蜕化为 malloc 的行为。当然，通过修改 Python 源代码，我们可以改变这个默认值，从而改变 Python 的默认内存管理行为。调优手段（了解）
1. 手动垃圾回收
2. 调高垃圾回收阈值
3. 避免循环引用（手动解循环引用和使用弱引用） 

1.1  Python 函数调用的时候参数的传递方式是值传递还是引用传递？
Python 的参数传递有：位置参数、默认参数、可变参数、关键字参数。函数的传值到底是值传递还是引用传递，要分情况：
不可变参数用值传递：像整数和字符串这样的不可变对象，是通过拷贝进行传递的，因为你无论如何都不可能在原处改变不可变对象
可变参数是引用传递的：比如像列表，字典这样的对象是通过引用传递、和 C 语言里面的用指针传递数组很相似，可变对象能在函数内部改变。

1.2 对缺省参数的理解 ？ 缺省参数指在调用函数的时候没有传入参数的情况下，调用默认的参数，在调用函数的同时赋值时， 所传入的参数会替代默认参数。
*args 是不定长参数，他可以表示输入参数是不确定的，可以是任意多个。
**kwargs 是关键字参数，赋值的时候是以键 = 值的方式，参数是可以任意多对在定义函数的时候不确定会有多少参数会传入时，就可以使用两个参数。

1.3  为什么函数名字可以当做参数用?
Python 中一切皆对象，函数名是函数在内存中的空间，也是一个对象。 1.4  Python 中pass 语句的作用是什么？
在编写代码时只写框架思路，具体实现还未编写就可以用 pass 进行占位，使程序不报错，不会进行任何操作。

1.5  有这样一段代码，print c 会输出什么，为什么？a = 10b = 20c = [a]
 a = 15        答：10 对于字符串、数字，传递是相应的值。 

2.1  map 函数和reduce 函数？
①从参数方面来讲：
map()包含两个参数，第一个参数是一个函数，第二个是序列（列表 或元组）。其中，函数（即 map 的第一个参数位置的函数）可以接收一个或多个参数。
reduce()第一个参数是函数，第二个是序列（列表或元组）。但是，其函数必须接收两个参数。②从对传进去的数值作用来讲：
map()　　是将传入的函数依次作用到序列的每个元素，每个元素都是独自被函数“作用”一次 。
reduce()是将传人的函数作用在序列的第一个元素得到结果后，把这个结果继续与下一个元素作用（累积计算）。

2.2 递归函数停止的条件？
递归的终止条件一般定义在递归函数内部，在递归调用前要做一个条件判断，根据判断的结果选择是继续调用自身，还是 return;返回终止递归。终止的条件：
判断递归的次数是否达到某一限定值
判断运算的结果是否达到某个范围等，根据设计的目的来选择

2.3 回调函数，如何通信的?
回调函数是把函数的地址作为参数传递给另一个函数，将整个函数当作一个对象，赋值给调用的函数。2.4  Python 主要的内置数据类型都有哪些？ print dir( ‘a ’) 的输出？
内建类型：布尔类型、数字、字符串、列表、元组、字典、集合； 输出字符串‘a’的内建方法；2.5  print(list(map(lambda x: x * x, [y for y in range(3)])))的输出？
[0， 1， 4] 

2.6 hasattr() getattr() setattr() 函数使用详解？hasattr(object, name)函数：
判断一个对象里面是否有name 属性或者name 方法，返回bool 值，有name 属性(方法)返回True， 否则返回 False。
注意：name 要使用引号括起来。

In [19]: class function_demo(object):...:     name = 'demo'...:     def run(self):...:         return "hello function"...: functiondemo = function_demo()...: res = hasattr(functiondemo, 'name') #判断对象是否有 name 属性，True...: res2 = hasattr(functiondemo, "run") #判断对象是否有 run 方法，True...: res3 = hasattr(functiondemo, "age") #判断对象是否有 age 属性，Falsw...: print(res,res2,res3)...:...:
True True False

getattr(object, name[,default]) 函数：
获取对象 object 的属性或者方法，如果存在则打印出来，如果不存在，打印默认值，默认值可选。注意：如果返回的是对象的方法，则打印结果是：方法的内存地址，如果需要运行这个方法，可以在后面添加括号()。

functiondemo = function_demo()
getattr(functiondemo, 'name') #获取 name 属性，存在就打印出来--- demo
getattr(functiondemo, "run") #获取 run 方法，存在打印出 方法的内存地址---<bound method function_demo.run of
< main .function_demo object at 0x10244f320>>
getattr(functiondemo, "age") #获取不存在的属性，报错如下：
Traceback (most recent call last):
File "/Users/liuhuiling/Desktop/MT_code/OpAPIDemo/conf/OPCommUtil.py", line 39, in <module>
res = getattr(functiondemo, "age")
AttributeError: 'function_demo' object has no attribute 'age'
getattr(functiondemo, "age", 18) #获取不存在的属性，返回一个默认值

setattr(object,name,values)函数：
给对象的属性赋值，若属性不存在，先创建再赋值
综合使用：

class function_demo(object):name = 'demo'def run(self):return "hello function"      functiondemo = function_demo()
res = hasattr(functiondemo, 'age') # 判断 age 属性是否存在，False print(res)
setattr(functiondemo, 'age', 18 ) #对 age 属性进行赋值，无返回值
res1 = hasattr(functiondemo, 'age') #再次判断属性是否存在，True

2.7 一句话解决阶乘函数？
在 Python2 中：
reduce(lambda x,y: x*y, range(1,n+1))
注意：Python3 中取消了该函数。

3.1  什么是 lambda 函数？ 有什么好处？
lambda 函数是一个可以接收任意多个参数(包括可选参数)并且返回单个表达式值的函数
1、lambda 函数比较轻便，即用即仍，很适合需要完成一项功能，但是此功能只在此一处使用， 连名字都很随意的情况下；
2、匿名函数，一般用来给 filter， map 这样的函数式编程服务;
3、作为回调函数，传递给某些应用，比如消息处理

3.2  下面这段代码的输出结果将是什么？请解释。
In [1]: def multipliers():
...: return [lambda x: i * x for i in range(4)]
...: print( [m(2) for m in multipliers()])
...:
[6, 6, 6, 6]上面代码输出的结果是[6， 6， 6， 6] (不是我们想的[0， 2， 4， 6])。你如何修改上面的 multipliers 的定义产生想要的结果？
上述问题产生的原因是 Python 闭包的延迟绑定。这意味着内部函数被调用时，参数的值在闭包内进行查找。因此，当任何由 multipliers()返回的函数被调用时，i 的值将在附近的范围进行查找。那时，不管返回的函数是否被调用，for 循环已经完成，i被赋予了最终的值3。
因此，每次返回的函数乘以传递过来的值 3，因为上段代码传过来的值是 2，它们最终返回的都是 6。
(3*2)碰巧的是，《The Hitchhiker’s Guide to Python》也指出，在与 lambdas 函数相关也有一个被广泛被误解的知识点，不过跟这个 case 不一样。由 lambda 表达式创造的函数没有什么特殊的地方， 它其实是和 def 创造的函数式一样的。下面是解决这一问题的一些方法。
一种解决方法就是用 Python 生成器。

In [2]: def multipliers():
...: for i in range(4):
...: yield lambda x : i * x
...:In [3]: print( [m(2) for m in multipliers()])
[0, 2, 4, 6]

另外一个解决方案就是创造一个闭包，利用默认函数立即绑定。

In [10]: def multipliers():...:     return [lambda x,i=i : i * x for i in range(4)]  In [11]: print( [m(2) for m in multipliers()])
[0, 2, 4, 6]