Python: задачки и вопросы

Open in Telegram

Вопросы и задачки для подготовки к собеседованиям и прокачки навыков Разместить рекламу: @tproger_sales_bot Правила общения: https://tprg.ru/rules Другие каналы: @tproger_channels Другие наши проекты: https://tprg.ru/media

Network:Типичный программист Russia86 482 Technologies & Applications15 238

7 067

Subscribers

-424 hours

-127 days

-5430 days

873

Post views

~ 28524 hours

~ 34448 hours

12.35%

Engagement rate

No data

Posts per day

Ads index

beta

Data loading in progress...

Similar Channels

77.7K

Библиотека программиста

Python и 1000 уязвимостей

More channels

Incoming and Outgoing Mentions

---

Attracting Subscribers

July '26

+12

in 0 channels

June '26

+48

in 0 channels

Get PRO

May '26

+58

in 1 channels

Get PRO

April '26

+33

in 0 channels

Get PRO

March '26

+29

in 1 channels

Get PRO

February '26

+32

in 1 channels

Get PRO

January '26

+39

in 0 channels

Get PRO

December '25

+44

in 0 channels

Get PRO

November '25

+102

in 3 channels

Get PRO

October '25

+61

in 0 channels

Get PRO

September '25

+56

in 1 channels

Get PRO

August '25

+65

in 3 channels

Get PRO

July '25

+58

in 0 channels

Get PRO

June '25

+56

in 0 channels

Get PRO

May '25

+52

in 0 channels

Get PRO

April '25

+89

in 0 channels

Get PRO

March '25

+77

in 1 channels

Get PRO

February '25

+108

in 3 channels

Get PRO

January '25

+115

in 2 channels

Get PRO

December '24

+94

in 1 channels

Get PRO

November '24

+81

in 1 channels

Get PRO

October '24

+78

in 0 channels

Get PRO

September '24

+82

in 0 channels

Get PRO

August '24

+75

in 0 channels

Get PRO

July '24

+73

in 0 channels

Get PRO

June '24

+82

in 0 channels

Get PRO

May '24

+163

in 2 channels

Get PRO

April '24

+158

in 0 channels

Get PRO

March '24

+117

in 0 channels

Get PRO

February '24

+117

in 0 channels

Get PRO

January '24

+143

in 1 channels

Get PRO

December '23

+140

in 0 channels

Get PRO

November '23

+120

in 0 channels

Get PRO

October '23

+94

in 0 channels

Get PRO

September '23

+95

in 0 channels

Get PRO

August '23

+145

in 0 channels

Get PRO

July '23

+312

in 0 channels

Get PRO

June '23

+90

in 0 channels

Get PRO

May '23

+140

in 0 channels

Get PRO

April '23

+258

in 0 channels

Get PRO

March '23

+217

in 0 channels

Get PRO

February '23

+307

in 0 channels

Get PRO

January '23

+222

in 0 channels

Get PRO

December '22

+327

in 0 channels

Get PRO

November '22

+256

in 0 channels

Get PRO

October '22

+286

in 0 channels

Get PRO

September '22

+294

in 0 channels

Get PRO

August '22

+652

in 0 channels

Get PRO

July '22

+410

in 0 channels

Get PRO

June '22

+246

in 0 channels

Get PRO

May '22

+360

in 0 channels

Get PRO

April '22

+266

in 0 channels

Get PRO

March '22

+204

in 0 channels

Get PRO

February '22

+340

in 0 channels

Get PRO

January '22

+2 183

in 0 channels

Get PRO

December '21

+2 522

in 0 channels

Get PRO

November '21

+1 808

in 0 channels

Get PRO

October '21

+1 036

in 0 channels

Date	Subscriber Growth	Mentions	Channels
14 July	+1
13 July	0
12 July	+1
11 July	0
10 July	+1
09 July	+1
08 July	+1
07 July	+3
06 July	0
05 July	0
04 July	+1
03 July	+3
02 July	0
01 July	0

Channel Posts

Развёрнутое пояснение: 1. Создаётся словарь d с ключами 'a' и 'b'. 2. Запускается цикл for key in d. Python создаёт итератор словаря, который фиксирует его текущий размер. 3. На первой итерации key равно 'a'. Выполняется d['a_copy'] = 1, и размер словаря увеличивается. 4. Когда цикл пытается перейти к следующей итерации, итератор обнаруживает изменение размера и выбрасывает RuntimeError: dictionary changed size during iteration. 5. Программа завершается с этой ошибкой, print(d) не выполняется. Почему это важно: при обработке конфигов, метрик или логов часто хочется на ходу добавлять производные ключи в тот же словарь, но это приводит к падению. Правильный путь — собирать изменения в отдельную структуру, а затем обновлять оригинал.

2	No text...	203
3	Развёрнутое пояснение: 1. fix(fn) вызывает fn один раз и сохраняет результат в v. 2. fix возвращает lambda, которая всегда отдаёт это же значение v. 3. buf указывает на lambda, а значит все вызовы buf() возвращают один и тот же список. 4. test_a получает этот список, добавляет в него 'a' и печатает ['a']. 5. test_b получает уже изменённый тот же список, добавляет 'b' и печатает ['a', 'b']. Почему это важно В pytest фикстура со scope='module' или scope='session' создаёт один объект на все тесты модуля или сессии. Если фикстура отдаёт изменяемый объект — список, словарь, множество, — мутации в одном тесте протекают в другие. На проде это выглядит как flaky-тесты: локально всё зелёное, в CI падает из-за другого порядка, или тесты проходят только по отдельности. Это ложно-зелёный сигнал, который подрывает доверие к регрессии. Причина обычно в неверном scope фикстуры. Правильный подход: scope='function' для изолированных данных, а общие ресурсы делать неизменяемыми или копировать перед использованием. 💻 На практике такие кейсы разбирают в курсе Практикума PRO «Автоматизатор тестирования на Python»: поймёте фикстуры, их scope, изоляцию состояния между тестами и уровни покрытия. Реклама. Рекламодатель: АНО ДПО "Образовательные технологии Яндекса" ИНН 7704282033, erid: 2W5zFGUXzho	324
4	No text...	292
5	Развёрнутое пояснение: 1. Определяется класс Key с методом __eq__, который сравнивает атрибут val. 2. В Python класс, определяющий __eq__, но не определяющий __hash__, автоматически получает __hash__ = None. 3. При выполнении строки cache = {Key(1): 'hit'} Python пытается вычислить хеш ключа, чтобы разместить его в словаре. 4. Поскольку Key.__hash__ равен None, объект считается нехешируемым, и создание словаря падает с TypeError: unhashable type: 'Key'. 5. Вызов cache.get(Key(1)) не выполняется, потому что программа прерывается раньше. Почему это важно: кастомные ключи для кэшей, конфигураций или агрегаций часто требуют своего сравнения. Если забыть реализовать __hash__, весь механизм ломается ещё на этапе создания dict или set. В dataclasses это решается через frozen=True для автоматического __hash__, а в собственных классах — явным определением __hash__.	362
6	Развёрнутое пояснение: 1. Первый вызов `load_users('a')` не находит ключ в кэше, выполняет `return []`, сохраняет созданный список в кэше и сразу добавляет в него `'u1'` через `.append`. Теперь в кэше лежит список `['u1']`. 2. Второй вызов `load_users('a')` попадает в кэш и возвращает тот же самый объект-список, а не новый. `.append('u2')` изменяет этот же объект, и он становится `['u1', 'u2']`. 3. Вызов `print(load_users('a'))` снова получает тот же объект из кэша и печатает `['u1', 'u2']`. Почему это важно: кэширование изменяемых объектов — распространённая ловушка при оптимизации репозиториев, загрузчиков конфигурации и API-клиентов. Если возвращаемый объект мутируется, кэш превращается в разделяемое изменяемое состояние, и разные вызовы начинают влиять друг на друга, что приводит к трудноуловимым багам в продакшене.	351
7	No text...	357
8	No text...	403
9	По шагам: 1. Когда Python встречает class A(metaclass=Meta), он не сразу выполняет тело класса. Сначала он спрашивает у метакласса: «в каком словаре хранить имена этого класса?» — и вызывает Meta.__prepare__. 2. Обычно __prepare__ возвращает пустой словарь, но здесь он возвращает {'x': 10}. То есть тело класса начинает выполняться в пространстве имён, где имя x уже существует и равно 10. 3. Выполняется строка result = x + 5. Python ищет x в текущем пространстве имён, находит 10 и записывает result = 15. 4. Следующей выполняется строка x = 1 — она перезаписывает ключ x в том же словаре. Но result уже вычислен, задним числом он не пересчитывается. 5. В итоге у класса A два атрибута: result = 15 и x = 1. Поэтому print(A.result) выводит 15. Почему это важно __prepare__ — редкий хук, но он показывает главное: тело класса — это обычный код, выполняющийся в словаре, которым можно управлять. Именно на этой механике работают Django-модели: вы пишете class Movie(models.Model) с обычными атрибутами, а метакласс превращает их в поля таблицы, валидацию и запросы к базе. Понимание таких вещей — разница между «использую фреймворк» и «понимаю, что он делает». Если хотите прокачаться именно во втором, посмотрите курс Middle Python от Практикума PRO: за 6 месяцев вы глубоко разберёте Django и его ORM, асинхронность на FastAPI, микросервисную архитектуру и соберёте бэкенд из 10+ сервисов. Реклама. Рекламодатель: АНО ДПО "Образовательные технологии Яндекса" ИНН 7704282033, erid: 2W5zFJM1sK7	486
10	No text...	430
11	Развёрнутое пояснение: В сигнатуре функции f параметры a и b стоят до /, поэтому их можно передать только позиционно. Параметр d стоит после , поэтому его можно передать только по имени. Параметр c находится между / и , поэтому допускает оба варианта. Корректен вызов с позиционными a, b и именованными c, d.	528
12	No text...	530
13	Привет! Весь июль мы будем вести этот канал в партнёрстве с Яндекс Практикумом PRO. Драматически ничего не меняется: мы продолжим выкладывать задачки и решения — даже более системно и регулярно, чем последние пару месяцев. А ещё расскажем про большой мидловый курс по Python. Для нас это новый формат соседства двух брендов — надеемся, будет полезно. А пока, всем отличных выходных 🌴	770
14	Развёрнутое пояснение: Код удаляет ключ 'a', после чего порядок становится ['b']. Затем 'a' вставляется заново, а не восстанавливается на старом месте, поэтому итоговый порядок — ['b', 'a']. Это поведение гарантировано с Python 3.7.	977
15	No text...	900
16	No text...	807
17	No text...	766
18	No text...	794
19	No text...	878
20	No text...	846

View all posts