python三位面试者的基本数据 代码

1 简述解释型和编译型编程语言？
解释型语言编写的程序不需要编译，在执行的时候，专门有一个解释器能够将VB语言翻译成机器语言，每个语句都是执行的时候才翻译。这样解释型语言每执行一次就要翻译一次，效率比较低。
用编译型语言写的程序执行之前，需要一个专门的编译过程，通过编译系统，把源高级程序编译成为机器语言文件，翻译只做了一次，运行时不需要翻译，所以编译型语言的程序执行效率高，但也不能一概而论，
部分解释型语言的解释器通过在运行时动态优化代码，甚至能够使解释型语言的性能超过编译型语言。
2 Python解释器种类以及特点？
CPython
当 从Python官方网站下载并安装好Python27后，就直接获得了一个官方版本的解释器：Cpython，这个解释器是用C语言开发的，所以叫 CPython，在命名行下运行python，就是启动CPython解释器，CPython是使用最广的Python解释器。
IPython
IPython是基于CPython之上的一个交互式解释器，也就是说，IPython只是在交互方式上有所增强，但是执行Python代码的功能和CPython是完全一样的，好比很多国产浏览器虽然外观不同，但内核其实是调用了IE。
PyPy
PyPy是另一个Python解释器，它的目标是执行速度，PyPy采用JIT技术，对Python代码进行动态编译，所以可以显著提高Python代码的执行速度。
Jython
Jython是运行在Java平台上的Python解释器，可以直接把Python代码编译成Java字节码执行。
IronPython
IronPython和Jython类似，只不过IronPython是运行在微软Net平台上的Python解释器，可以直接把Python代码编译成Net的字节码。
在Python的解释器中，使用广泛的是CPython，对于Python的编译，除了可以采用以上解释器进行编译外，技术高超的开发者还可以按照自己的需求自行编写Python解释器来执行Python代码，十分的方便！
3 位和字节的关系？
bit就是位，也叫比特位，是计算机表示数据最小的单位
byte就是字节
1byte=8bit
1byte就是1B
一个字符=2字节
1KB=1024B
字节就是Byte，也是B
位就是bit也是b
转换关系如下：1)1KB=1024B
1B= 8b

建议你用面向对象的方式去画图，一个图作为一个对象，这样每次调用一个对象的保存方法就可以只保存当前。

你这种用法第三张图会有三个子图是因为三个子图都画在同一个对象上。

为了将面向对象的绘图库包装成只使用函数的调用接口，pyplot模块的内部保存了当前图表以及当前子图等信息。当前的图表和子图可以使用gcf()和gca()获得，它们分别是“Get Current Figure”和“Get Current Axis”的开头字母缩写。gcf()获得的是表示图表的Figure对象，而gca()则获得的是表示子图的Axes对象。下面我们在IPython中运行上节的“matplotlib_simple_plotpy”程序，然后调用gcf()和gca()查看当前的Figure和Axes对象。

给你个例子

import numpy as np
import matplotlibpyplot as plt
 
pltfigure(1) # 创建图表1
pltfigure(2) # 创建图表2
ax1 = pltsubplot(211) # 在图表2中创建子图1
ax2 = pltsubplot(212) # 在图表2中创建子图2
 
x = nplinspace(0, 3, 100)
for i in xrange(5):
    pltfigure(1)  ❶ # 选择图表1
    pltplot(x, npexp(ix/3))
    pltsca(ax1)   ❷ # 选择图表2的子图1
    pltplot(x, npsin(ix))
    pltsca(ax2)  # 选择图表2的子图2
    pltplot(x, npcos(ix))
 
pltshow()

第一、NumPy

NumPy是NumericalPython的简写，是Python数值计算的基石。它提供多种数据结构、算法以及大部分涉及Python数值计算所需的接口。NumPy还包括其他内容：

①快速、高效的多维数组对象ndarray

②基于元素的数组计算或数组间数学 *** 作函数

③用于读写硬盘中基于数组的数据集的工具

④线性代数 *** 作、傅里叶变换以及随机数生成

除了NumPy赋予Python的快速数组处理能力之外，NumPy的另一个主要用途是在算法和库之间作为数据传递的数据容器。对于数值数据，NumPy数组能够比Python内建数据结构更为高效地存储和 *** 作数据。

第二、pandas

pandas提供了高级数据结构和函数，这些数据结构和函数的设计使得利用结构化、表格化数据的工作快速、简单、有表现力。它出现于2010年，帮助Python成为强大、高效的数据分析环境。常用的pandas对象是DataFrame，它是用于实现表格化、面向列、使用行列标签的数据结构;以及Series，一种一维标签数组对象。

pandas将表格和关系型数据库的灵活数据 *** 作能力与Numpy的高性能数组计算的理念相结合。它提供复杂的索引函数，使得数据的重组、切块、切片、聚合、子集选择更为简单。由于数据 *** 作、预处理、清洗在数据分析中是重要的技能，pandas将是重要主题。

第三、matplotlib

matplotlib是最流行的用于制图及其他二维数据可视化的Python库，它由John D
Hunter创建，目前由一个大型开发者团队维护。matplotlib被设计为适合出版的制图工具。

对于Python编程者来说也有其他可视化库，但matplotlib依然使用最为广泛，并且与生态系统的其他库良好整合。

第四、IPython

IPython项目开始于2001年，由FernandoPérez发起，旨在开发一个更具交互性的Python解释器。在过去的16年中，它成为Python数据技术栈中最重要的工具之一。

尽管它本身并不提供任何计算或数据分析工具，它的设计侧重于在交互计算和软件开发两方面将生产力最大化。它使用了一种执行-探索工作流来替代其他语言中典型的编辑-编译-运行工作流。它还提供了针对 *** 作系统命令行和文件系统的易用接口。由于数据分析编码工作包含大量的探索、试验、试错和遍历，IPython可以使你更快速地完成工作。

第五、SciPy

SciPy是科学计算领域针对不同标准问题域的包集合。以下是SciPy中包含的一些包：

①scipyintegrate数值积分例程和微分方程求解器

②scipylinalg线性代数例程和基于numpylinalg的矩阵分解

③scipyoptimize函数优化器和求根算法

④scipysignal信号处理工具

⑤scipysparse稀疏矩阵与稀疏线性系统求解器

SciPy与Numpy一起为很多传统科学计算应用提供了一个合理、完整、成熟的计算基础。

第六、scikit-learn

scikit-learn项目诞生于2010年，目前已成为Python编程者首选的机器学习工具包。仅仅七年，scikit-learn就拥有了全世界1500位代码贡献者。其中包含以下子模块：

①分类：SVM、最近邻、随机森林、逻辑回归等

②回归：Lasso、岭回归等

③聚类：K-means、谱聚类等

④降维：PCA、特征选择、矩阵分解等

⑤模型选择：网格搜索、交叉验证、指标矩阵

⑥预处理：特征提取、正态化

scikit-learn与pandas、statsmodels、IPython一起使Python成为高效的数据科学编程语言。

方法/步骤
1
首先打开终端，用root登录。
2
安装很简单，如果你还没有安装pip，请看前面的经验如何安装pip。只要执行一条语句就好，执行：pip install ipython，如下图：
3
只要这样，你就安装完成了，接下来就可以使用了。

1、自定义编译安装python3x版本
[html] view plain copy 在CODE上查看代码片派生到我的代码片
tar Jxf Python-352tarxz
cd Python-352
/configure --prefix=/usr/local/Python3
make && make install
2、安装pip3x，安装会提示需要setuptools模块，所以需要先安装setuptools模块
[objc] view plain copy 在CODE上查看代码片派生到我的代码片
tar zxf pip-812targz
tar zxf setuptools-2402zip
cd setuptools-2402
ln -s /usr/local/Python/bin/python3 /usr/bin/python3
python3 setuppy install
cd
cd pip-812
python3 setuppy install
ln -s /usr/local/Python3/bin/pip3 /usr/bin/pip3
3、验证模块是否正常安装
[html] view plain copy 在CODE上查看代码片派生到我的代码片
python3 -m pip list

decorator (4010)
ipython (421)
ipython-genutils (010)
pexpect (420)
pickleshare (072)
pip (812)
ptyprocess (051)
setuptools (2402)
simplegeneric (081)
traitlets (422)
4、安装ipython
[html] view plain copy 在CODE上查看代码片派生到我的代码片
python3 -m pip install ipython
ln -s /usr/local/Python3/bin/ipython3 /usr/bin/ipython3

---