1 filter() 函数

filter(function, iterable)

filter函数是python中的高阶函数, 第一个参数是一个筛选函数, 第二个参数是一个可迭代对象, 返回的是一个生成器类型, 可以通过next获取值。

filter() 函数是 Python 内置的高阶函数，其主要功能是对可迭代对象中的每个元素运用筛选函数进行判断，然后把符合条件的元素以生成器的形式返回。下面为你详细介绍它的用法和特性：

基础语法

python

运行

filter(function, iterable)

这里的参数 function 是一个用于筛选元素的函数，它会返回布尔值；iterable 则是一个可迭代对象，像列表、元组、集合等都属于此类。

核心特性

1. 返回生成器：filter() 返回的是一个生成器对象，这意味着它是惰性求值的，只有在需要的时候才会生成值，这样能有效节省内存。
2. 筛选逻辑：当 function 返回 True 时，对应的元素会被保留；若返回 False，则该元素会被过滤掉。要是 function 为 None，filter() 会保留 iterable 中所有布尔值为 True 的元素。

示例

示例 1：过滤偶数

python

运行

numbers = [1, 2, 3, 4, 5, 6]
evens = filter(lambda x: x % 2 == 0, numbers)print(list(evens))  # 输出: [2, 4, 6]

示例 2：过滤空字符串

python

运行

words = ["hello", "", "world", "  ", None, "python"]
valid_words = filter(None, words)  # 不传筛选函数时，会过滤掉布尔值为 False 的元素print(list(valid_words))  # 输出: ['hello', 'world', 'python']

示例 3：使用生成器特性

python

运行

numbers = [1, 2, 3, 4, 5]
filtered = filter(lambda x: x > 3, numbers)print(next(filtered))  # 输出: 4
print(next(filtered))  # 输出: 5

替代实现

你也可以通过列表推导式或者生成器表达式来实现相同的筛选功能：

python

运行

# 列表推导式
evens = [x for x in numbers if x % 2 == 0]# 生成器表达式（更节省内存）
evens_gen = (x for x in numbers if x % 2 == 0)

总结

filter() 函数特别适合用于数据筛选场景，它返回的生成器能高效处理大规模数据。不过在 Python 3 中，需要注意 filter() 返回的不再是列表，而是生成器，这一点和 Python 2 有所不同。

filter返回符合后面表达式为真的部分

filter() 函数会保留 function 返回值为 True 的元素，过滤掉返回 False 的元素。具体规则如下：

1. 当 function 是自定义函数或 lambda 时：
   只有当函数对元素的计算结果为 True 时，该元素才会被保留。

   python

   运行

   numbers = [1, 2, 3, 4]
   result = filter(lambda x: x > 2, numbers)  # 保留大于 2 的数
   print(list(result))  # 输出: [3, 4]
   

2. 当 function 为 None 时：
   会自动过滤掉任何布尔值为 False 的元素（如 None、0、空字符串 ""、空列表 [] 等）。

   python

   运行

   values = [0, "", None, "hello", 5]
   result = filter(None, values)  # 保留布尔值为 True 的元素
   print(list(result))  # 输出: ['hello', 5]
   

底层逻辑

可以将 filter() 函数等价理解为一个生成器表达式：

python

运行

# 以下两种写法等价
filter(function, iterable)
(x for x in iterable if function(x))  # 当 function 不为 None 时
(x for x in iterable if x)            # 当 function 为 None 时

注意事项

返回值是生成器：需要用 list() 转换为列表（或用 next() 逐个获取值）。

函数参数的顺序：function 在前，iterable 在后，不要混淆。

以下代码运行结果为：func = lambda x:x%2
result = filter(func, [1, 2, 3, 4, 5])
print(list(result))正确答案：[1,3,5]

2 在 Python 中，没有单独的 char（字符）类型

Python的主要内置数据类型包括：

 - 数值类型:int(整数)、float(浮点数)、complex(复数)

- 序列类型:list(列表)、tuple(元组)、range(范围)

- 字符串类型:str - 映射类型:dict(字典)

- 集合类型:set(集合)、frozenset(不可变集合)

- 布尔类型:bool

- 空值类型:None

所以char并不在Python的数据类型体系中。

而是用长度为 1 的字符串 str 来表示单个字符。例如：

python

运行

char = 'A'  # 这是一个长度为 1 的字符串，而非 char 类型
print(type(char))  # 输出: <class 'str'>

为什么 Python 没有 char 类型？

1. 字符串不可变：Python 的字符串是不可变序列，单个字符本质上就是长度为 1 的字符串，无需额外类型。
2. Unicode 支持：Python 3 的 str 类型默认支持 Unicode，直接用 str 表示字符更符合国际化需求。
3. 简化设计：避免引入多余类型，保持语言简洁性（如 Java 中 char 是基本类型，而 Python 一切皆对象）。

字符操作示例

虽然没有 char 类型，但可以通过索引访问字符串中的字符：

python

运行

s = "hello"
first_char = s[0]  # 'h'
print(type(first_char))  # <class 'str'>

与其他语言的对比

如果你需要处理字符编码（如 ASCII/Unicode 值），可以使用 ord() 和 chr() 函数：

python

运行

char = 'A'
code = ord(char)  # 65 (Unicode 码点)
back_to_char = chr(code)  # 'A'

这种设计让 Python 在处理文本时更加统一和灵活，无需担心字符与字符串的类型转换问题。 😊

3 生成一个PyCodeObject对象是什么意思？

在 Python 中，生成一个 PyCodeObject 对象 意味着将源代码编译为 Python 虚拟机（VM）可以执行的中间表示形式，也称为 字节码（bytecode）。这个过程是 Python 执行代码的关键步骤，理解它有助于掌握 Python 的运行机制。

1. 什么是 PyCodeObject？

PyCodeObject 是 CPython 解释器（用 C 语言实现的 Python 官方解释器）中的一个核心数据结构，它存储了编译后的代码信息，包括：

• 字节码指令：如 LOAD_CONST、CALL_FUNCTION 等，类似于汇编语言。
• 常量池：存储数字、字符串等常量。
• 局部变量信息：变量名、位置等。
• 源代码位置：用于调试（如错误堆栈跟踪）。

可以将 PyCodeObject 看作是源代码的 编译产物，类似于 Java 的 .class 文件或 C 的目标文件（.o）。

2. 为什么需要 PyCodeObject？

Python 是 解释型语言，但执行前需要先将源代码编译为字节码，原因如下：

• 跨平台性：字节码可以在任何 Python 解释器上运行，无需重新编译。
• 性能优化：编译一次，多次执行（字节码可以缓存，如 .pyc 文件）。
• 简化解释器逻辑：解释器只需执行字节码，无需处理源代码的语法解析。

3. 生成 PyCodeObject 的过程

当你运行 Python 代码时：

1. 词法分析：将源代码转换为 token（如 def、class、变量名）。
2. 语法分析：构建抽象语法树（AST）。
3. 代码生成：将 AST 转换为 PyCodeObject（包含字节码）。

这个过程由 Python 解释器自动完成，例如：

python

运行

def add(a, b):return a + b# 编译后，add 函数对应一个 PyCodeObject，包含以下字节码：
#   2           0 LOAD_FAST                0 (a)
#               2 LOAD_FAST                1 (b)
#               4 BINARY_ADD
#               6 RETURN_VALUE

4. 哪些代码会生成 PyCodeObject？

以下情况会生成独立的 PyCodeObject：

• 模块（.py 文件）：每个文件有一个全局的 PyCodeObject。
• 函数定义：每个 def 语句生成一个（包括 lambda 函数）。
• 类定义：每个 class 语句生成一个（类体中的代码会被编译）。
• 生成器表达式：如 (x for x in range(10))。
• 嵌套的代码块：如方法、嵌套函数等。

5. 如何查看字节码？

可以使用 dis 模块反汇编 PyCodeObject：

python

运行

import disdef add(a, b):return a + bdis.dis(add)  # 打印字节码指令

输出：

plaintext

  2           0 LOAD_FAST                0 (a)2 LOAD_FAST                1 (b)4 BINARY_ADD6 RETURN_VALUE

总结

生成 PyCodeObject 是 Python 执行代码的必经之路，它将源代码转换为可执行的字节码，让 Python 兼具解释型语言的灵活性和编译型语言的部分性能优势。理解这一点有助于解释一些 Python 特性，如：

• 为什么函数定义是运行时执行的（因为需要生成 PyCodeObject）。
• 为什么修改源代码后需要重新运行（除非使用 .pyc 缓存）。
• 为什么嵌套函数可以捕获外部变量（PyCodeObject 保存了闭包信息）。

4 Python 作用域与 PyCodeObject

题目
Python 代码经过编译后，一共生成多少个 PyCodeObject 对象？

python

运行

class A:pass
def Fun():pass
a = A()
Fun()

选项
A. 1
B. 2
C. 3
D. 4

你的答案
B. 2

正确答案
C. 3

🔍 错误原因分析

1. 混淆作用域的定义

   • 误将类实例化（a = A()）和函数调用（Fun()）视为独立作用域。
   • 实际上，只有模块、类定义、函数定义会创建新的作用域。

2. 对 PyCodeObject 的生成规则理解不深

   • 每个独立作用域（名字空间）对应一个 PyCodeObject。
   • 题目中存在 3 个作用域：

     python

     运行

     # 作用域1：模块级别（全局命名空间）
     class A:        # 作用域2：类 A 的命名空间passdef Fun():      # 作用域3：函数 Fun 的命名空间passa = A()         # 全局命名空间中的语句
     Fun()           # 全局命名空间中的语句
     

📚 关键知识点

1. PyCodeObject 生成规则

   结构	是否生成 PyCodeObject	示例
   模块（.py 文件）	✅	整个代码文件
   类定义（class）	✅	class A: pass
   函数定义（def）	✅	def Fun(): pass
   实例化对象	❌	a = A()
   函数调用	❌	Fun()
   普通语句	❌	赋值、条件判断、循环等

2. 验证方法
   通过 __code__ 属性查看对象对应的 PyCodeObject（实际是 code 对象）：

   python

   运行

   print(A.__code__)       # 类体对应的 code 对象
   print(Fun.__code__)     # 函数体对应的 code 对象
   print(__code__)         # 当前模块对应的 code 对象
   

💡 记忆技巧

1. 作用域划分口诀

   模块类函数，作用域三分；实例与调用，作用域不分。

2. 嵌套作用域示例

   python

   运行

   def outer():            # 作用域1x = 10class Inner:        # 作用域2passdef inner():        # 作用域3y = 20return inner
   

   上述代码包含 3 个 PyCodeObject（outer、Inner、inner 各一个）。

📝 总结

1. 明确作用域边界：类、函数、模块是作用域的核心划分单位。
2. 区分编译时与运行时：
   • 编译时生成 PyCodeObject（如类 / 函数定义）。
   • 运行时执行代码（如实例化 / 函数调用）不生成新的 PyCodeObject。

下次遇到同类题目的思考步骤

1. 找出代码中的模块、类、函数定义。
2. 统计独立作用域的数量。
3. 忽略实例化、函数调用等运行时操作。

5 Python中浅拷贝和深拷贝的区别，以及列表复制时的引用特性

执行以下程序，输出结果为（）
a = [['1','2'] for i in range(2)]b = [['1','2']]*2a[0][1] = '3'b[0][0] = '4'print(a,b) A [['1', '3'], ['1', '3']] [['4', '2'], ['4', '2']]B [['1', '3'], ['1', '2']] [['4', '2'], ['4', '2']]C [['1', '3'], ['1', '2']] [['4', '2'], ['1', '2']]D [['1', '3'], ['1', '3']] [['4', '2'], ['1', '2']]答案：B

1. 列表初始化方式对比

2. 浅拷贝与深拷贝的区别

• 浅拷贝：
  仅复制容器（如列表）本身，内部元素仍为原对象的引用。
  示例：b = [['1','2']] * 2 中，子列表 ['1','2'] 被重复引用。

• 深拷贝：
  递归复制容器及其所有嵌套对象，生成完全独立的新对象。
  实现方式：使用 copy.deepcopy() 函数。

3. 引用特性导致的修改行为差异

• 独立对象（列表推导式）：
  修改任一子列表仅影响当前对象。
  示例：a[0][1] = '3' 仅修改 a[0]。

• 共享引用（乘法操作）：
  修改任一子列表会影响所有引用同一对象的元素。
  示例：b[0][0] = '4' 同时修改 b[0] 和 b[1]。

4. 验证对象身份的方法

使用 id() 函数检查内存地址：

python

运行

a = [['1','2'] for _ in range(2)]
b = [['1','2']] * 2
print(id(a[0]) == id(a[1]))  # False（独立对象）
print(id(b[0]) == id(b[1]))  # True（共享引用）

5. 实际应用中的注意事项

• 多维数组初始化：
  初始化多维列表时，避免使用 [[val]*n]*m（如 [[0]*3]*3），应使用列表推导式 [[val for _ in range(n)] for _ in range(m)]。

• 数据处理场景：
  在需要独立操作子元素的场景（如矩阵运算、数据分组）中，确保使用独立对象初始化。

6. 总结

• 列表推导式适合创建独立的嵌套结构。
• 乘法操作仅复制引用，适用于不可变元素（如整数、字符串），但不适合嵌套可变对象（如列表）。
• 使用 id() 或 is 操作符验证对象身份，避免因引用共享导致的意外修改。

为了更直观地验证这一行为，我们可以通过以下代码检查对象的内存地址：

python

运行

a = [['1','2'] for i in range(2)]
b = [['1','2']]*2print(f"a[0] 地址: {id(a[0])}")  # 不同地址
print(f"a[1] 地址: {id(a[1])}")print(f"b[0] 地址: {id(b[0])}")  # 相同地址
print(f"b[1] 地址: {id(b[1])}")a[0][1] = '3'
b[0][0] = '4'print("修改后 a:", a)
print("修改后 b:", b)

输出结果：

plaintext

a[0] 地址: 140281423443648
a[1] 地址: 140281423443904
b[0] 地址: 140281423443776
b[1] 地址: 140281423443776
修改后 a: [['1', '3'], ['1', '2']]
修改后 b: [['4', '2'], ['4', '2']]

关键点：

1. 列表推导式创建独立对象：a 的子列表内存地址不同，说明它们是独立的对象。
2. 乘法操作复制引用：b 的子列表内存地址相同，说明它们指向同一个对象。
3. 修改行为验证：对 b 的任一子列表的修改会反映到所有引用中，而 a 的子列表相互独立。

这一特性在处理嵌套数据结构时尤为重要，例如矩阵操作或多维数组的初始化。理解引用机制可以避免潜在的逻辑错误。

理解这些特性可以有效避免 Python 中常见的引用陷阱，提升代码的健壮性。