百度内核数据研发一面凉经

1、上一份实习了4个月之后为什么不继续实习了？
2、我看你上一份实习主要是做机器学习是吧？你机器学习使用的是什么模型？
（1）具体调用哪些算法你有研究过吗？
（2）你的这个项目主要是做什么工作？
（3）是不是大概就是从数据库拿数据，然后对数据进行清洗，然后在进行自动化调度、自动化训练对吧？
（4）你数据库拿数据是使用sql拿吗，还是使用Python拿？
（5）mysql和heidisql的区别是什么？
（6）你实习当中最多的是使用python对吧
3、你这个大语言模型是调研还是在公司里面准备使用？
（1）那就是这个大语言模型已经使用上了对吧？
对，有嵌入系统

（2）你们这个大语言模型的问答主要是做什么问答？
代码提示、文档查询方面的

（3）面试官点评：这个相当于是大语言模型的使用
（4）你有使用过文心一言吗？你觉得文心一言和你们部署的大模型有什么差别？你有没有做过一些对比？
（5）写过shell脚本吗？linux使用过一些对吧？
4、SQL用的多吗？Python用的多？
5、有没有写过一些面向对象的Python脚本库？
6、数据库你用过哪些？
7、大数据你用过哪些？
8、你spark用过多长时间？
9、接下来是4道sql的题目
（1）100*（b-a）/a
（2）我想把查询出来最近7天的日期，返回值是一列，并且将最近的倒数第三天的日期返回在第一行，我要返回七行数据，并且第一行是第三天的日期。

SELECT DATE_FORMAT(date_column, '%Y-%m-%d') AS recent_dates
FROM your_table
WHERE date_column >= CURDATE() - INTERVAL 7 DAY
ORDER BY date_column DESC
LIMIT 7;
复制代码

10、开始问一些关于SQL的问题
（1）你知道SQL的执行顺序是什么吗？
书写顺序：

SELECT -> DISTINCT ->  FROM -> JOIN -> ON ->  WHERE -> GROUP BY -> HAVING -> ORDER BY -> LIMIT

执行顺序：

FROM -> JOIN -> ON -> WHERE -> GROUP BY -> HAVING -> SELECT -> DISTINCT -> ORDER BY -> LIMIT

执行顺序解释：

1.from 要做数据分析，得先有个表

2.join 一个表可能还不够，两个表甚至多个表都可以，关联条件啥也先不用，可以都来个笛卡儿积先

3.on 在诸多表左右连接后，设定两个表之间的关联键，把不符合条件的全部筛掉

4.where 上三步整合各表，形成一个统一大表；在此大表上，设置筛选条件

5.group by 把指定字段相同的行组合在一起，其余没有加入group by的字段，可以用聚合函数如max/min等合并

6.having 在group by了之后，再度指定筛选条件；注意where和having是不同的，主要在于中间多了group by

7.select 在行层面的处理暂告一段落，在列层面再来一波

8.distinct 指定字段去重

9.order by 指定字段排序，升降序

10.limit 指定哪些行

（2）窗口函数主要做什么？
窗口函数是OLAP函数，是对数据库数据进行实时分析处理。每条记录都要在此窗口内执行函数。

（3）你主要用过哪些窗口函数？
聚合、跨行取值、排名函数

（4）rank、row_number、dense_rank三者的区别？



（5）count(*)和count(列名)和count(1)的区别？
执行效果上：

count(*)包括了所有的列，相当于行数，在统计结果的时候，不会忽略为NULL的值。
count(1)包括了忽略所有列，用1代表代码行，在统计结果的时候，不会忽略为NULL的值。
count(列名)只包括列名那一列，在统计结果的时候，会忽略列值为空（这里的空不是指空字符串或者0，而是表示null）的计数，即某个字段值为NULL时，不统计。
执行效率上：

列名为主键，count(列名)会比count(1)快
列名不为主键，count(1)会比count(列名)快
如果表多个列并且没有主键，则 count(1 的执行效率优于 count（*）
如果有主键，则 select count（主键）的执行效率是最优的
如果表只有一个字段，则 select count（*）最优。
（6）你有使用过mysql索引吗？
（7）mysql如何查看索引？
查看表的索引：

show index from table_name（表名）
（8）写了一个sql，如何查看是否有命中索引？
MySQL提供了EXPLAIN语句来查看查询的执行计划，通过执行计划我们可以判断索引是否被命中。EXPLAIN语句可以使用以下方式执行:

explain select * from table_name where column_name='value';
执行上述语句后，MySQL会返回一张表，其中包含执行计划的相关信息。我们可以通过查看表中的一些字段来判断索引是否被命中。

根据返回的执行计划，我们可以采用以下几种方法来判断索引是否命中:

检查type字段:如果type字段的值是index或range，表示索引被命中;如果type字段的值是ALL，则表示索引未被命中。
检查possible_keys字段和key字段:如果possible_keys字段和key字段都不为空，且其值相同，表示索引被命中;如果possible_keys字段和key字段都为空，表示索引未被命中。
检查Explain Extra字段:如果Extra字段中包含Using index或Using where，表示索引被命中;如果Extra字段中包含Using temporary或Using filesort，表示索引未被命中。
（9）联合索引你知道吗？联合索引的匹配原则是什么？
联合索引（Compound Index）是一个包含多个列的索引。联合索引可以在多个列上同时进行查询优化，有助于提高多列查询的性能。在创建联合索引时，需要考虑列的顺序，因为索引的使用受到最左前缀原则的限制。

对于索引中的字段，mysql会一直向右匹配直到遇到范围查询(>、<、between、like)就停止匹配，比如a = 1 and b = 2 and c > 3 and d = 4 如果建立(a,b,c,d)顺序的索引，d是用不到索引的，如果建立(a,b,d,c)的索引则都可以用到，a,b,d的顺序可以任意调整。

11、问一些Python的问题
（1）Python的局部变量和全局变量？
全局变量：所有函数之外定义的变量
局部变量：函数内部定义的变量 或者代码块里的变量
1.函数内部的变量名如果第一次出现，且出现在=前面，即被视为定义了一个局部变量，不管全局域中有没有该变量名，函数中使用的将是局部变量。

(即声明了一个新的局部变量。如果这个变量名字和全部变量名字相同，那么局部变量名字会覆盖全局变量名字。

#[demo1]
num = 100  
def func():  
    newValue = 123   #一个全新的局部变量newValue 
    print(newValue)  

func()  #输出局部变量newValue 即新的局部变量


#[demo2]
num = 100  
def func():  
    num= 123  #声明一个全新的局部变量num，虽然名字和外界的全部变量相同 但是是新的一个变量且是局部有效的。屏蔽了外面的同名的全部变量
    print(num)  

func()  #输出局部变量num=123 即新的局部变量。

复制代码

（2）并发和并行的区别？（spark或者Python基本都会涉及这两个概念）
并发是指一个处理器同时处理多个任务。

并行是指多个处理器或者是多核的处理器同时处理多个不同的任务。

并发是逻辑上的同时发生（simultaneous），而并行是物理上的同时发生。

来个比喻：并发是一个人同时吃三个馒头，而并行是三个人同时吃三个馒头。

（3）Python里面迭代器和生成器的理解？
生成器是一种特殊类型的迭代器，但它的定义更为简单，可以直接使用函数语法。

（4）Python当中yield关键词解释一下？（是和迭代器有关的）
（5）Python正则表达式当中match和search的区别是什么？
re.match(pattern, string):

这个方法从字符串的开头开始匹配模式。
只在字符串的开头位置进行匹配，如果字符串开头没有匹配的模式，则返回None。
适合用于检查字符串是否以特定模式开头。

import re

pattern = re.compile(r'\d+')
result = pattern.match('123abc')

if result:
    print("Match found:", result.group())
else:
    print("No match at the beginning of the string.")
复制代码

这个方法在整个字符串中搜索匹配的模式。
可以在字符串的任意位置找到匹配，而不仅仅是在开头。
返回第一个匹配的对象，如果没有找到匹配的模式，则返回None。

import re

pattern = re.compile(r'\d+')
result = pattern.search('abc123xyz')

if result:
    print("Match found:", result.group())
else:
    print("No match in the entire string.")
复制代码

（6）正则表达式当中的贪婪匹配和非贪婪匹配的区别？
贪婪匹配：

在贪婪匹配模式下，量词会尽可能多地匹配字符。例如，* 将匹配尽可能多的字符，+ 也会尽可能多地匹配，而 ? 会尽可能匹配。

import re

text = "abc123def456"
pattern = re.compile(r'\d+')
match = pattern.search(text)

print(match.group())  # 输出: 123
复制代码

在上面的例子中，\d+ 是贪婪匹配，它尽可能多地匹配数字字符，因此匹配到了整个数字序列 “123”。

非贪婪匹配：

在非贪婪匹配模式下，量词会尽可能少地匹配字符。在量词后加上 ? 可以使其变成非贪婪匹配。

import re

text = "abc123def456"
pattern = re.compile(r'\d+?')
match = pattern.search(text)

print(match.group())  # 输出: 1
复制代码

在上面的例子中，\d+? 是非贪婪匹配，它会尽可能少地匹配数字字符，因此只匹配到了第一个数字 “1”。
总体来说，贪婪匹配尽可能多地匹配字符，而非贪婪匹配尽可能少地匹配字符。这在处理模糊匹配时，特别是需要匹配最短或最长字符串时非常有用。

（7）类和面向对象的区别？
类（Class）：

类是一种抽象的数据类型，是对相似对象的共同特征和行为的抽象描述。它定义了对象的属性（数据成员）和方法（成员函数）。
类可以看作是创建对象的模板或蓝图，它定义了对象应该具有的属性和行为。
类本身并不占用内存空间，而是通过类创建的对象占用内存空间。
示例代码：

class Car:
    def __init__(self, brand, model):
        self.brand = brand
        self.model = model

    def drive(self):
        print(f"{self.brand} {self.model} is driving.")

# 创建一个Car类的对象
my_car = Car("Toyota", "Camry")

# 调用对象的方法
my_car.drive()
复制代码

对象是类的实例，是类的具体实体。它是根据类的定义创建的，拥有类定义的属性和行为。
对象是具体的、实际存在的，占用内存空间。
一个类可以创建多个对象，每个对象都是独立的，拥有自己的属性值。
示例代码：

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

    def speak(self):
        print(f"{self.name} is speaking.")

# 创建两个Person类的对象
person1 = Person("Alice", 25)
person2 = Person("Bob", 30)

# 调用对象的方法
person1.speak()
person2.speak()
复制代码

总体而言，类是一种抽象的概念，描述了对象的属性和行为；而对象是类的实例，是具体存在的实体，拥有类定义的属性和行为。类和对象的使用使得代码更加模块化、可维护，同时提高了代码的重用性。

（8）Python当中在写class的时候，有一个self，这个你见过吗？
（9）dataframe当中如果要查看所有的数据要怎么写？
在使用 pandas 库中的 DataFrame 时，要查看所有的数据，可以使用 print() 函数或直接输入 DataFrame 的名称。如果 DataFrame 中的数据量较大，为了方便查看，可以使用以下方法：

使用 print() 函数：

import pandas as pd

# 假设 df 是你的 DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 使用 print() 函数查看所有的数据
print(df)
复制代码

# 使用 print() 函数查看所有的数据
print(df)
（10）Python当中的异常，try,catch
（11）python当中异常，如果想定位到具体的哪一行报错了，我需要怎么办？
查看异常信息：
当程序发生异常时，Python会打印出异常信息，包括异常的类型、描述以及发生异常的行号。例如：

try:
    # 你的代码
except Exception as e:
    print(f"An error occurred: {e}")
复制代码

在异常信息中，会有类似于 File "your_file.py", line 10 的信息，其中 your_file.py 是发生异常的文件名，而 line 10 是异常发生的行号。通过这些信息，你可以迅速定位到具体报错的位置。

使用调试器：你可以使用Python的调试器（如pdb）来逐行执行代码并查看每一步的执行情况。在发生异常的地方设置断点，然后逐步执行，直到发现报错的行。以下是一个简单的例子：

import pdb

try:
    # 你的代码
except Exception as e:
    pdb.post_mortem()
复制代码

当异常发生时，程序会停在异常发生的地方，然后你可以使用调试器命令（如 n 表示下一步，c 表示继续执行，等等）来逐步查看代码的执行过程。

使用日志记录：在程序中添加适当的日志记录语句，以便在运行时查看程序执行的详细信息。通过查看日志，你可以了解程序执行到哪一步时发生了异常。例如：

import logging

logging.basicConfig(level=logging.DEBUG)

try:
    # 你的代码
except Exception as e:
    logging.exception("An error occurred")
复制代码

运行后，你可以查看日志输出，找到异常发生的位置。

注：面试官想要招一个写Python脚本和pyspark的人，周五中午HR突然打电话问了一下基本情况，下午就一面，比较突然，没啥准备，也是自己基础不行。

最新经典文章，欢迎关注公众号

福利
我录制了8套面试视频，其中一套是大家常见的问题该如何回答,回答标杆和思路是什么，有30节课,视频时常10-30分钟之间。看了此套视频可以让我们少走几个月的弯路。视频里面总结了几年的接触面试者的经验。

这套视频收费499元，很多学员因为这套视频，拿到了offer。相信在我们的求职路上能有很多帮助，可以让我们学到面试的捷径和方法。

这是第一次公开我们内部的视频，想快速拿到offer，找到面试方法论，加微信w3aboutyun或者扫描上述二维码领取此套视频。


面试常问30个问题回答标杆和思路【一套视频】

1.自我介绍如何让自己更有竞争力

2.如何根据不同的岗位，挖掘自己的特质来回答优缺点

3.最能概括自己的三个标签，该如何如何回答

4.平时都喜欢什么，该如何带有价值，让面试官出乎预料

5.该如何寻找合理理由，回答为什么选择贵公司

6.谈薪资内幕和技巧

8.大学成绩不好，该如何找补

9.缺乏经验，该如何说服企业相信你可以胜任工作

10选择你的原因是什么?有哪些和岗位匹配的独特之处

11.回答好职业规划，需要解决哪三个问题

12.不认可领导的想法，怎么处理，我来告诉你回答标杆

13.面对工作和生活的冲突，该如何处理周全

14.还应聘了哪些公司，该如何回答周全，忌回答多个不同领域

15.问题陷阱，你希望和什么样的领导共事

16.普通学校学历弱势，该如何回答拿到offer

17.人生受挫的事情是什么，回答中该如何带有价值

18.面对同事孤立、矛盾，我们该如何处理

19.面试关注过程、成长，比关注结果更容易拿到offer

20.为什么你现在还没有找到工作，该如何高价值回答

21.如何辩证+价值的方式去回答对跳槽的看法

22.谈谈父母的影响，如何根据自己的情况来回答出和工作关联度强的亮点

23问题陷阱:你想过创业吗? 该如何回答实现合理避坑

24.如何弥补工作失误造成的损失，该如何回答更合理

25离职原因，回答的标准思路以及相对理由切忌冲突

26.朋友对你的评价，回答的原则是什么

27.天坑问题，被录用了，发现不适合这个职位，你怎么办

28.谈过去成功项目、案例，需注意谈收获

29.如何打太极合理回答如果应聘的大公司和我们公司同时发offer，你会如何选择

30.你对我们有什么问题，处理的原则和可以提问哪些问题举例

31面试中不要带着学生思维进入社会，不要老想着回答问题，而是响应问题

领取微信


作者：糖醋_诗酒


作者：susie_wen