目录
Python中的生成器是什么？如何创建一个生成器？
解释Python中的递归函数及其使用场景。
Python中的迭代器和可迭代对象有什么区别？
什么是Python中的模块和包？它们有什么区别？
如何在Python中处理异常？解释try-except-else-finally块的工作原理。
python中生成器的惰性机制
继承与装饰器区别
适配器模式和装饰器模式区别
类中的“self”指的是什么？
列表和数组有什么区别？
举出几个可变和不可变对象的例子？
什么是pickling?
字典和JSON有什么区别？
模块（module）和包（package）有什么区别？
Python中的生成器是什么？如何创建一个生成器？
答案：生成器是一种特殊的函数，使用yield语句来生成一个值，并且可以暂停和恢复执行。生成器可以按需逐个生成值，而不是一次性生成所有值，从而节省内存。
生成器可以通过两种方式创建：
使用生成器函数：生成器函数是一种普通的函数，使用yield语句来生成值。当调用生成器函数时，它会返回一个生成器对象。每次调用生成器的next()方法或迭代时，它会从上次暂停的位置继续执行，直到遇到下一个yield语句。
使用生成器表达式：生成器表达式是一种类似于列表推导式的语法，但返回一个生成器对象而不是列表。生成器表达式使用圆括号而不是方括号。
解释Python中的递归函数及其使用场景。
答案：递归函数是一种调用自身的函数。递归函数通常用于解决可以被分解为相同问题的子问题的情况。递归函数必须定义一个停止条件，以防止无限递归。
递归函数的使用场景包括：
- 树和图的遍历：递归函数可以用于遍历树或图的节点，以便访问和处理每个节点。
- 数学问题：一些数学问题具有递归性质，例如阶乘、斐波那契数列等。
- 分治算法：分治算法通常使用递归函数将问题分解为更小的子问题，并将结果合并。
Python中的迭代器和可迭代对象有什么区别？
答案：迭代器和可迭代对象是Python中处理迭代的两个相关概念。
可迭代对象：实现了__iter__()方法的对象，或者实现了__getitem__()方法且支持索引的对象。可迭代对象可以通过迭代器进行遍历。
迭代器是一个对象，实现了__iter__()和__next__()方法。迭代器可以迭代可迭代对象，并返回序列中的每个元素。迭代器使用惰性计算，即每次请求一个元素时才计算并返回，从而节省内存。
区别如下：
可迭代对象是一个集合，可以通过迭代器来迭代访问其元素。
迭代器是一个对象，可以在可迭代对象上进行迭代，并逐个返回元素。
可迭代对象可以使用iter()函数来获取迭代器。
迭代器使用next()方法来获取下一个元素，当没有元素时会引发StopIteration异常。
示例：
my_list = [1, 2, 3, 4]
iterable = iter(my_list) # 获取迭代器
print(next(iterable)) # 输出: 1
print(next(iterable)) # 输出: 2
print(next(iterable)) # 输出: 3
在上面的示例中，my_list是一个可迭代对象，可以使用iter()函数获取它的迭代器iterable。然后，通过调用next()方法来逐个访问迭代器的元素。
什么是Python中的模块和包？它们有什么区别？
答案：在Python中，模块是一个包含Python代码的文件，用于组织和重用代码。包是一个包含多个模块的目录，用于更好地组织和管理相关模块。模块可以通过import语句导入，并使用其中的函数、类和变量。包是一个包含__init__.py文件的目录，其中可以包含多个模块和其他子包。
如何在Python中处理异常？解释try-except-else-finally块的工作原理。
答案：在Python中，可以使用try-except-else-finally块来处理异常。try块中包含可能引发异常的代码。如果异常发生，会根据匹配的except块处理异常。如果没有异常发生，else块中的代码将被执行。无论是否发生异常，finally块中的代码总是会被执行。
工作原理如下：
如果try块中的代码引发异常，执行匹配的except块，并跳过else块和finally块。
如果try块中的代码没有引发异常，执行else块，并跳过finally块。
无论是否发生异常，finally块中的代码总是会被执行。
python中生成器的惰性机制
生成器有一个惰性机制，只有当你需要的时候才给你（一个个的取），而不是一下字全部给你。
例：小明和小红两个人想吃鸡蛋，这天，小明和小红一起去街上卖鸡蛋，回到家，小明买了一筐鸡蛋，大概有100个左右吧，小红买了一只母鸡(假设去除一切外界条件，母鸡不吃不喝也能生蛋（在生蛋期间）并且长生不老，只要主人需要，可以随时生蛋)。
小明有一筐鸡蛋，所以可以几个蛋、十几个蛋，乃至一百个蛋一起吃。
但是小红只能一个一个的吃，因为母鸡只会因为主人的需要下蛋。
注意：这时候母鸡的行为就是python中生成器的惰性机制，只会根据需要取出，而且是一个个的，并不会一下子全部取出。这里有个格外注意的是：
生成器并不是取之不竭的，是可以取尽的。就像鸡一直会下蛋，但是会有下蛋的期间。
生成器中的出就像数据结构中的出栈一样，出栈的多少取决于你栈里面有多少，栈里面出完了也就变成空了，什么都没有了。像装了稻谷的袋子一样，倒出的时候不可能无限的倒出稻谷，只能倒出袋子中原有的稻谷。否则我也想要个这样的袋子
继承与装饰器区别
装饰器模式比继承要灵活。避免了继承体系臃肿
装饰器模式降低了类于类之间的关系。
你要说用装饰器实现的功能，继承能否实现，我只能说能，但是在代码的结构层次上来说，装饰器模式比继承灵活了很多。
- 装饰模式与继承关系的目的都是要拓展对象的功能，但是装饰模式可以提供比继承更多的灵活性。装饰模式允许系统动态决定“贴上”一个需要的“装饰”，或者“除掉”一个不需要的“装饰”。
- 继承关系则不同，继承关系是静态的，它在系统运行前就决定了
通过不同的具体装饰类以及这些装饰类的排列组合，设计师可以创造出更多不同行为的组合。
适配器模式和装饰器模式区别
适配器模式和装饰器模式都可以在原类文件方法的基础上修改、增强，但侧重点不一样，
适配器模式重在将一个接口转换为另一个接口
装饰器模式侧重对原类文件方法的增强，但接口还是同一个接口
适配器模式：
适配器模式：解决原类文件（适配者）和现有需求（目标）相似但不能直接使用的情况。
通过加一层适配器，对现有接口进行增强，用户在使用适配器时无需知道适配器内部的工作细节，
所以适配器类内部可以直接组合现有接口（也就是适配者），
适配者的在适配器中的调用对于用户是无感的，用户只需要关心适配器即可
装饰器模式：
装饰器模式：在不必改变原类文件和使用继承的情况下，动态地扩展一个对象的功能，通过创建一个包装对象，也就是装饰来包裹真实的对象。
因为装饰器只是增强了原类文件的功能，所以装饰器类和原类文件的接口应该是一样的，在装饰器模式中采用了接口来规范二者的方法，保证方法的一致性【在适配器模式中不需要保证适配器和适配者接口一致】
用户在使用原类文件时可以有选择的对此类进行装饰（即装饰和不装饰），所以用户对原类文件的存在是有感知的，使用聚合的方式传入要装饰的原类对象。
当不能采用生成子类的方法进行扩充时。一种情况是，可能有大量独立的扩展，为支持每一种组合将产生大量的子类，使得子类数目呈爆炸性增长。另一种情况可能是因为类定义被隐藏，或类定义不能用于生成子类。
类中的“self”指的是什么？
“self”引用类本身的实例。这就是我们赋予方法访问权限并且能够更新方法所属对象的能力。
列表和数组有什么区别？
注意：Python的标准库有一个array（数组）对象，但在这里，我特指常用的Numpy数组。
列表存在于python的标准库中。
数组由Numpy定义。
列表可以在每个索引处填充不同类型的数据。
数组需要同构元素。
列表上的算术运算可从列表中添加或删除元素。
数组上的算术运算按照线性代数方式工作。
列表还使用更少的内存，并显著具有更多的功能。
举出几个可变和不可变对象的例子？
不可变意味着创建后不能修改状态。例如：int、float、bool、string和tuple。
可变意味着可以在创建后修改状态。例如列表（list）、字典（dict）和集合（set）。
什么是pickling?
Pickling是Python中序列化和反序列化对象的常用方法。
pickle 模块实现用于序列化和反序列化 Python 对象结构的二进制协议。“pickling”是将 Python 对象层次结构转换为字节流的过程，
“unpickling”是反向操作，即将字节流(来自二进制文件或类似字节的对象)转换回对象层次结构。“pickling”也称为“序列化”“编组”或“扁平化”,而“unpickling”称为“反序列化”。为避免混淆，应尽量使用术语“pickling”和“unpickling”。
字典和JSON有什么区别？
Dict是Python的一种数据类型，是经过索引但无序的键和值的集合。
JSON只是一个遵循指定格式的字符串，用于传输数据。
模块（module）和包（package）有什么区别？
模块是可以一起导入的文件（或文件集合）。
import sklearn包是模块的目录。
from sklearn import cross_validation因此，包是模块，但并非所有模块都是包。
