Available now! Telegram Research 2025 — the year's key insights 
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
Show more7 128
Subscribers
-424 hours
+87 days
-230 days
Posts Archive
Списки являются изменяемыми объектами, и при присваивании b = a создается ссылка на тот же список, а не его копия. Поэтому при изменении списка b через метод append(), изменения также отражаются в списке a, так как они указывают на один и тот же объект в памяти.
write - это стандартный метод для записи данных в файл. Он может работать с бинарными данными, если файл открыт в бинарном режиме ('wb').
Остальные варианты неверны:
- Output.binary - такого метода нет в стандартной библиотеке Python
- Dump - это не стандартный метод Python для записи данных
- Binary.output - такого метода нет в стандартной библиотеке Python
Пример правильного использования write для бинарной записи:
with open('file.bin', 'wb') as f:
f.write(binary_data)
Выберите стандартный метод Python для записи данных в бинарном режиме:
Код выводит "131211131211" и затем вызывает ошибку IndexError.
rev_func() — рекурсивная функция, но она не имеет условия выхода (базового случая):
1. Начальный вызов: rev_func(x, 3)
- x = [11, 12, 13]
- length = 3
- Выводит x[2] = 13
2. Рекурсивный вызов: rev_func(x, 2)
- Выводит x[1] = 12
3. Рекурсивный вызов: rev_func(x, 1)
- Выводит x[0] = 11
4. Рекурсивный вызов: rev_func(x, 0)
- Пытается вывести x[-1], что приводит к IndexError
Функция продолжает вызывать сама себя, уменьшая length, пока не достигает отрицательного значения, что приводит к попытке доступа к несуществующему индексу списка (т. е. IndexError).
1. В классе P (родительский класс):
- self.__x = 100 - создается приватный атрибут __x со значением 100
- self.y = 200 - создается публичный атрибут y со значением 200
2. В классе C (дочерний класс):
- super().__init__() - вызывается конструктор родительского класса
- self.__x = 300 - создается НОВЫЙ приватный атрибут __x со значением 300
- self.y = 400 - переопределяется значение публичного атрибута y
Ключевой момент здесь в том, что в Python приватные атрибуты (с двойным подчеркиванием __) автоматически «манглируются» (переименовываются) интерпретатором. Когда мы создаем приватный атрибут __x в классе P, он фактически становится _P__x, а когда создаем __x в классе C, он становится _C__x.
Поэтому:
1. Когда вызывается d.print(), метод print из класса P обращается к self.__x, что на самом деле означает self._P__x, поэтому выводится 100
2. Атрибут y является публичным, поэтому его значение успешно переопределяется в классе C на 400
Таким образом, в выводе мы видим:
- 100 (значение _P__x из родительского класса)
- 400 (значение y из дочернего класса)
Это демонстрирует важное различие между приватными и публичными атрибутами в Python при наследовании.
У нас есть функция f с тремя параметрами:
def f(a, b = 1, c = 2):
...
И она вызывается дважды:
1. f(2, c = 2):
- a = 2 (первый позиционный аргумент)
- b = 1 (значение по умолчанию, так как не указано)
- c = 2 (именованный аргумент)
Поэтому выводится: a is: 2 b is: 1 c is: 2
2. f(c = 100, a = 110):
- a = 110 (именованный аргумент)
- b = 1 (значение по умолчанию, так как не указано)
- c = 100 (именованный аргумент)
Поэтому выводится: a is: 110 b is: 1 c is: 100
Python сначала обрабатывает позиционные аргументы, а затем именованные. Если какой-то параметр не указан, используется его значение по умолчанию. В нашем случае параметр b ни разу не был указан явно, поэтому всегда использовалось его значение по умолчанию - 1.
В коде создаётся серия: [1, 2, 3, np.nan, 4, 5]
Метод cumsum() вычисляет накопительную сумму:
1: 1.0 (просто первое число)
2: 3.0 (1 + 2)
3: 6.0 (1 + 2 + 3)
4: NaN
5: 10.0 (1 + 2 + 3 + 4)
6: 15.0 (1 + 2 + 3 + 4 + 5)
Когда встречается np.nan (Not a Number), pandas пропускает его при подсчёте. Все числа преобразуются в тип float64, потому что np.nan является числом с плавающей точкой
Если бы мы хотели, чтобы np.nan не прерывал подсчёт, мы могли бы использовать параметр skipna=False:
print(numbers.cumsum(skipna=False))
Тогда результат был бы другим, и все значения после np.nan тоже стали бы NaN.
В коде используется метод count() для подсчёта вхождений подстроки "abb" в строку "abbzxyzxzxabb", но с определёнными начальным и конечным индексами.
1. "abb" - подстрока, которую мы ищем
2. -10 - начальный индекс (отсчёт с конца строки)
3. -1 - конечный индекс (отсчёт с конца строки)
Срез от -10 до -1 даёт нам "zxyzxzxab", и в нем нет вхождения "abb".
Если бы мы хотели посчитать вхождения в последних 10 символах:
print("abbzxyzxzxabb".count("abb", -10)) # 1
