Python | Вопросы собесов
Ir al canal en Telegram
Сайт: https://easyoffer.ru/ Все каналы: t.me/+xGeAw6ckJ4liYzQy Контакт для рекламы: @sendme_ads
Mostrar más
Red:📈 Análisis del canal de Telegram Python | Вопросы собесов
El canal Python | Вопросы собесов (@python_easy_ru) en el segmento lingüístico de Ruso es un actor destacado. Actualmente la comunidad reúne a 12 628 suscriptores, ocupando la posición 9 924 en la categoría Tecnologías y Aplicaciones y el puesto 51 115 en la región Rusia.
📊 Métricas de audiencia y dinámica
Desde su creación el невідомо, el proyecto ha mostrado un crecimiento acelerado, reuniendo a 12 628 suscriptores.
Según los últimos datos del 17 octubre, 2026, el canal mantiene una actividad estable. En los últimos 30 días la variación de miembros fue de -111, y en las últimas 24 horas de 0, conservando un alto alcance.
- Estado de verificación: No verificado
- Tasa de interacción (ER): El promedio de interacción de la audiencia es 6.00%. Durante las primeras 24 horas tras publicar, el contenido suele obtener 4.29% de reacciones respecto al total de suscriptores.
- Alcance de las publicaciones: Cada publicación recibe en promedio 758 visualizaciones. En el primer día suele acumular 542 visualizaciones.
- Reacciones e interacción: La audiencia responde de forma activa: el promedio de reacciones por publicación es 2.
- Intereses temáticos: El contenido se centra en temas clave como ставь, модуль, строка, docker, alice.
📝 Descripción y política de contenido
El autor describe el recurso como un espacio para expresar opiniones subjetivas:
“Сайт: https://easyoffer.ru/
Все каналы: t.me/+xGeAw6ckJ4liYzQy
Контакт для рекламы: @sendme_ads”
Gracias a la alta frecuencia de actualizaciones (últimos datos recibidos el 18 octubre, 2026), el canal mantiene la vigencia y un amplio alcance. La analítica demuestra que la audiencia interactúa activamente con el contenido, lo que lo convierte en un punto de referencia dentro de la categoría Tecnologías y Aplicaciones.
12 628
Suscriptores
Sin datos24 horas
-257 días
-11130 días
Archivo de publicaciones
12 627
Что известно про иерархию исключений ?
Спросят с вероятностью 7%
Иерархия исключений представляет собой организацию встроенных исключений в иерархическую структуру, которая облегчает обработку ошибок и исключительных ситуаций в программе. Все они наследуются от базового класса
BaseException. Ниже приведена общая иерархия исключений:
1️⃣ BaseException
- Exception
- ArithmeticError
- ZeroDivisionError: Вызывается при делении на ноль.
- OverflowError: Вызывается, когда результат арифметической операции слишком велик для представления.
- FloatingPointError: Вызывается при выполнении недопустимой арифметической операции с плавающей точкой.
- AttributeError: Вызывается при попытке доступа к несуществующему атрибуту объекта.
- EOFError: Вызывается, когда достигнут конец файла.
- IOError: Вызывается при возникновении ошибок ввода-вывода.
- ImportError: Вызывается при неудачной попытке импорта модуля.
- KeyError: Вызывается при попытке доступа к несуществующему ключу словаря.
- TypeError: Вызывается при попытке выполнения операции с объектом несовместимого типа.
- ValueError: Вызывается, когда функция получает аргумент правильного типа, но недопустимого значения.
- RuntimeError: Вызывается в случае внутренней ошибки интерпретатора.
- StopIteration: Вызывается при достижении конца итератора в операциях итерации.
- KeyboardInterrupt: Вызывается при нажатии пользователем комбинации клавиш прерывания (обычно Ctrl+C).
2️⃣ SystemExit: Вызывается при завершении программы с помощью функции sys.exit().
3️⃣ KeyboardInterrupt: Вызывается при прерывании программы пользователем (обычно Ctrl+C).
4️⃣ GeneratorExit: Вызывается при закрытии генератора.
5️⃣ Exception: Базовый класс для всех встроенных исключений.
Использование исключений позволяет ловить и обрабатывать ошибки и исключения в программе, что делает код более надежным и стабильным. Вы можете использовать блоки try, except, else и finally для обработки исключений.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer12 627
Repost from N/a
Ну что, к этому ролику я шел чуть больше года и он готов
https://youtu.be/3SjvLyRzXvo
Много было моментов удалить его и не показывать, за некоторые части рассказа мне действительно стыдно. Но жизнь есть жизнь, может быть она вас убережёт от тех ошибок, которые я наделал
Всем всего хорошего и удачки по жизни❤️
12 627
Ребят, мой кореш выложил видео на YouTube, где рассказывает, как он перешел с работы охранника на Python-разработчика. Это реальная история о том, как можно сменить профессию и найти то, что тебе по-настоящему нравится, даже если кажется, что поздно что-то менять. Видео полезно для тех, кто думает о смене карьеры. Посмотрите, может вдохновит!
12 627
Какие существуют коды ответов HTTP ?
Спросят с вероятностью 10%
HTTP (Hypertext Transfer Protocol) определяет различные коды ответов, которые сервер может отправить клиенту в ответ на запрос. Вот некоторые из наиболее распространенных кодов ответов их общее значение:
1️⃣ 1xx (Информационные коды):
- 100 Continue: Запрос был принят, клиент может продолжать запрос.
- 101 Switching Protocols: Сервер согласился изменить протоколы.
2️⃣ 2xx (Успешные коды):
- 200 OK: Запрос успешно выполнен.
- 201 Created: Запрос успешно выполнен, и был создан новый ресурс.
- 204 No Content: Запрос выполнен успешно, но в ответе нет содержимого.
3️⃣ 3xx (Перенаправления):
- 301 Moved Permanently: Ресурс перемещен на постоянной основе.
- 302 Found: Ресурс временно перемещен.
- 304 Not Modified: Ресурс не был изменен с момента последнего запроса.
4️⃣ 4xx (Коды ошибок клиента):
- 400 Bad Request: Запрос не может быть обработан из-за ошибки в запросе клиента.
- 401 Unauthorized: Клиент должен предоставить аутентификацию для получения доступа к ресурсу.
- 404 Not Found: Ресурс не найден.
5️⃣ 5xx (Коды ошибок сервера):
- 500 Internal Server Error: Общая внутренняя ошибка сервера.
- 503 Service Unavailable: Сервер временно не доступен из-за перегрузки или обслуживания.
Это лишь несколько из множества кодов ответов HTTP. Каждый код имеет свое значение, и их правильное использование позволяет клиенту и серверу взаимодействовать эффективно и информативно.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer
12 627
Какие декораторы есть в стандартной библиотеке ?
Спросят с вероятностью 7%
В стандартной библиотеке есть несколько встроенных декораторов, которые используются для различных целей. Вот некоторые из наиболее часто используемых:
1️⃣ @staticmethod: Используется для объявления статического метода в классе. Они не привязаны к экземпляру класса и могут быть вызваны непосредственно через класс или через экземпляр.
2️⃣ @classmethod: Используется для объявления метода класса. Принимает класс (вместо экземпляра) как первый аргумент и может быть использован для работы с атрибутами класса.
3️⃣ @property: Используется для создания свойства (property) в классе. Это позволяет объявить метод как атрибут класса, который может быть доступен как атрибут экземпляра класса, но в фоне вызывает метод для получения или установки значения.
4️⃣ @abstractmethod: Используется в абстрактных классах для указания метода, который должен быть реализован в подклассах. Если подкласс не реализует этот метод, при попытке создания экземпляра подкласса возникнет ошибка.
5️⃣ @functools.wraps: Используется для копирования метаданных (например, имени функции, документации) из одной функции в другую. Это полезно, когда вы создаете декораторы, которые оборачивают другие функции.
6️⃣ @lru_cache: Используется для кэширования результатов функции с использованием алгоритма "Least Recently Used" (LRU). Это помогает улучшить производительность функций с дорогостоящими вычислениями путем сохранения результатов предыдущих вызовов функции.
Это лишь несколько примеров декораторов, доступных в стандартной библиотеке. Но существует множество других декораторов, реализованных в сторонних библиотеках и фреймворках, которые предоставляют дополнительные возможности и функциональность.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer
12 627
Для чего нужен сериализатор ?
Спросят с вероятностью 10%
Сериализатор - это инструмент, который преобразует объекты в определенном формате в формат, который можно легко сохранить или передать через сеть, и обратно. Обычно это используется для передачи данных между различными программами или процессами, работающими на разных устройствах или языках программирования.
Вот несколько причин, по которым сериализаторы могут быть полезными:
1️⃣ Сохранение и загрузка данных: Сериализация позволяет сохранять данные в файле или в базе данных в виде сериализованного объекта, что упрощает их сохранение и восстановление позже.
2️⃣ Обмен данными между приложениями: Приложения, написанные на разных языках программирования или работающие на разных платформах, могут использовать сериализацию для передачи данных друг другу в стандартизированном формате.
3️⃣ Передача данных по сети: Передача сложных структур данных между клиентом и сервером в сетевых приложениях может быть реализована с использованием сериализации. Например, веб-сервисы часто используют форматы сериализации, такие как JSON или XML, для обмена данными между клиентом и сервером.
4️⃣ Хранение состояния приложения: Сериализация может использоваться для сохранения состояния приложения, например, приложений игр, что позволяет пользователям сохранять свой прогресс и возобновлять игру позже.
5️⃣ Кэширование данных: Сериализация может использоваться для кэширования сложных данных, чтобы ускорить доступ к ним и сократить время обработки в будущем.
Обычно стелизаторы поддерживают различные форматы, такие как JSON, XML, YAML, Pickle и другие, каждый из которых имеет свои особенности и применение в зависимости от конкретной задачи.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer
12 627
Как устроены переменные ?
Спросят с вероятностью 7%
Переменные являются именованными областями памяти, в которых хранятся значения данных. Устройство переменных обычно содержат следующие элементы:
1️⃣ Имя переменной: Это идентификатор, который используется для обращения к значению данных в памяти.
2️⃣ Значение данных: Это фактическое значение, которое хранится в переменной. Может быть целое число, строка, список, объект и так далее, в зависимости от типа данных, который поддерживает язык программирования.
3️⃣ Адрес в памяти: Это место в памяти компьютера, где хранится значение данных переменной. Иногда можно получить адрес переменной с помощью оператора
&.
4️⃣ Тип данных: Это информация о том, какого типа данных содержится в переменной. Тип данных определяет, какие операции могут быть выполнены с переменной и как она хранится в памяти.
5️⃣ Область видимости: Это часть программы, в которой переменная может быть использована. Обычно переменные имеют локальную область видимости в пределах блока кода, в котором они были определены, но также могут иметь глобальную область видимости, доступную во всей программе.
6️⃣ Жизненный цикл: Это период времени, в течение которого переменная существует в памяти. Переменные могут быть созданы, использованы и уничтожены в разное время в зависимости от их области видимости и действий программы.
Обычно переменные управляются средой выполнения языка программирования, которая отвечает за выделение и освобождение памяти, управление областями видимости и обработку других аспектов жизненного цикла переменных.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer12 627
Python компилируемый или интерпретируемый ?
Спросят с вероятностью 13%
Python является интерпретируемым языком программирования, но утверждать, что он полностью интерпретируемый, не совсем верно, поскольку есть некоторые аспекты компиляции.
Процесс выполнения программы обычно выглядит следующим образом:
1️⃣ Интерпретация и компиляция: Исходный код сначала проходит через процесс компиляции в промежуточный байт-код. Это выполняется интерпретатором при запуске программы. В результате компиляции создается файл
.pyc, который содержит байт-код программы.
2️⃣ Исполнение: Затем интерпретатор исполняет этот байт-код последовательно, инструкция за инструкцией. Во время выполнения интерпретатор обрабатывает и выполняет инструкции, предоставляя ожидаемый результат.
Python является интерпретируемым языком с компиляцией в промежуточный байт-код, который затем интерпретируется и выполняется. Этот подход сочетает в себе преимущества интерпретации (гибкость, динамическая типизация) с некоторыми преимуществами компиляции (более быстрое выполнение благодаря использованию байт-кода).
Однако стоит отметить, что существуют и другие реализации Python, такие как PyPy, которые используют JIT (Just-In-Time) компиляцию для более эффективного выполнения кода. Каждая реализация может иметь свои особенности и характеристики в этом отношении.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer12 627
В чем разница между процессом и потоком ?
Спросят с вероятностью 7%
Процессы и потоки - это два основных понятия, используемые в многозадачных системах, таких как операционные системы. Они представляют собой способы организации выполнения программного кода. Вот основные различия между ними:
1️⃣ Процесс:
- Представляет собой отдельный экземпляр программы, запущенный в оперативной памяти компьютера.
- У каждого процесса есть собственное адресное пространство памяти, которое оно использует для выполнения своего кода и хранения своих данных.
- Являются изолированными друг от друга, что означает, что изменения, сделанные в одном процессе, не влияют на другие процессы.
- Обычно создаются операционной системой при запуске новой программы.
2️⃣ Поток:
- Представляет собой легковесный подпроцесс внутри процесса.
- Разделяют общее адресное пространство памяти с другими потоками в рамках одного процесса.
- Имеют свой собственный стек вызовов, но разделяют все остальные ресурсы процесса, такие как файловые дескрипторы, переменные и т. д.
- Могут выполняться параллельно в рамках одного процесса, что позволяет использовать многопоточное программирование для увеличения производительности и ресурсоэффективности.
Основное различие между процессом и потоком заключается в том, что процесс является отдельным исполняемым экземпляром программы с собственным адресным пространством памяти, а поток представляет собой легковесный подпроцесс, который работает в рамках процесса и использует общие ресурсы этого процесса.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer
12 627
Как реализован декоратор ?
Спросят с вероятностью 7%
Декораторы реализованы как функции, которые принимают другую функцию в качестве аргумента и возвращают новую функцию. Это позволяет изменять поведение или добавлять функциональность существующим без изменения их исходного кода. Вот пример простого декоратора:
def my_decorator(func):
def wrapper():
print("Дополнительный код перед вызовом функции")
func()
print("Дополнительный код после вызова функции")
return wrapper
@my_decorator
def say_hello():
print("Привет, мир!")
say_hello()my_decorator является декоратором, который принимает функцию func и возвращает функцию wrapper, которая содержит дополнительный код перед и после вызова функции func. Затем мы используем декоратор @my_decorator, чтобы применить его к функции say_hello.
Это простейший пример декоратора. В более сложных случаях декораторы могут принимать аргументы и использоваться для различных целей, таких как кеширование, логирование, обработка исключений и т. д. Декораторы широко используются и являются мощным механизмом для добавления функциональности к коду без его модификации.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer12 627
3, 2 … Остановимся здесь. 🐍
Потому что 2 недель достаточно, чтобы познакомиться с основами Python и понять, подходит ли вам это направление!
Не обещаем, что будет легко, но интересно, полезно и недорого (всего 990 рублей!) — гарантируем.
Расклад такой: мы даем вам базу — больше 70 уроков, вебинары, лайвкодинг, а вы пишете собственную программу.
Если переживайте — не переживайте :) Рядом всегда будет наставник, готовый ответить на любой ваш вопрос.
⏰ Старт курса уже 21 марта, присоединяйтесь!
12 627
Что такое slots ?
Спросят с вероятностью 13%
slots - это механизм, который позволяет явно определить ограниченный набор атрибутов (полей) для экземпляров класса. Обычно атрибуты экземпляров создаются динамически при их присваивании, что может приводить к потреблению памяти, особенно при работе с большим количеством экземпляров класса.
Когда вы определяете slots для класса, то определяете фиксированный набор атрибутов, которые могут существовать для экземпляров этого класса. Это позволяет экономить память и улучшать производительность, особенно в случае, когда у вас есть много экземпляров класса.
Пример:
class MyClass:
slots = ['x', 'y']
def init(self, x, y):
self.x = x
self.y = y
obj = MyClass(10, 20)
print(obj.x) # Вывод: 10
print(obj.y) # Вывод: 20
# Попытка присвоить атрибут, не определенный в slots, вызовет ошибку
# obj.z = 30 # Вызовет AttributeErrorMyClass есть определение slots, которое ограничивает атрибуты экземпляра класса только x и y. Попытка присвоить значение атрибуту z вызовет ошибку AttributeError.
Важно отметить, что использование slots может иметь смысл только в тех случаях, когда вы уверены, что ограничение набора атрибутов не вызовет проблем в приложении.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer12 627
Бесплатный мини-курс для тех, кто интересуется Python! Минимум скучной теории — больше мощной практики на реальных задачах разработчиков. Один мини-курс — сразу 4 проекта в портфолио!
Запись по ссылке: https://epic.st/klc4K?erid=2VtzquyBwoJ
За 4 занятия вы изучите видеоматериалы. После каждого видео есть практическое задание.
— Разберёте базовый синтаксис языка
— Создадите бота для Telegram, который умеет переводить голос в текст
— Сделаете бота умнее — научите его обрабатывать фотографии
— Узнаете, как парсить сайты
— Напишете сайт с помощью инструмента Flask
В финале мини-курса вас ждёт прямой эфир с экспертом Анастасией Борневой — руководителем направления по исследованию данных в «Сбере». В прямом эфире она поделится профессиональными секретами, разберёт ваши работы и ответит на вопросы.
Вас ждут крутые подарки: чек-листы, гайды, скринкасты и другие бонусы.
Откройте новые возможности!
Реклама. ЧОУ ДПО «Образовательные технологии «Скилбокс (Коробка навыков)», ИНН: 9704088880
12 627
В чем разница между copy() и deepcopy() ?
Спросят с вероятностью 7%
Функции
copy() и deepcopy() используются для создания копий объектов, но есть существенная разница в том, как они копируют вложенные объекты.
1️⃣ copy():
- Создает поверхностную копию объекта. Это означает, что копируется только сам объект и его первый уровень вложенных объектов, но не их вложенные объекты.
- Если вы измените вложенные объекты в исходном объекте, эти изменения будут отражены и в его копии, так как они оба будут ссылаться на одни и те же вложенные объекты.
- Используется, когда вам нужна поверхностная копия объекта, и вы уверены, что вложенные объекты не будут изменяться.
2️⃣ deepcopy():
- Создает глубокую копию объекта. Это означает, что копируются как сам объект, так и все его вложенные объекты, рекурсивно, до тех пор, пока не будут скопированы все объекты внутри объекта.
- Глубокая копия полезна, когда вам нужно создать копию объекта, включая все его вложенные объекты, и вы не хотите, чтобы изменения в исходном объекте отражались на его копии и наоборот.
- Однако глубокие копии могут быть более затратными по памяти и времени, особенно если объект содержит много вложенных объектов.
Пример использования copy() и deepcopy():
import copy
original_list = [1, [2, 3], 4]
shallow_copy = copy.copy(original_list)
deep_copy = copy.deepcopy(original_list)
original_list[1][0] = 5 # Изменение вложенного списка
print(original_list) # Вывод: [1, [5, 3], 4]
print(shallow_copy) # Вывод: [1, [5, 3], 4]
print(deep_copy) # Вывод: [1, [2, 3], 4]shallow_copy является поверхностной копией original_list, а deep_copy — глубокой копией. При изменении вложенного списка в original_list это отражается на shallow_copy, но не на deep_copy.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer12 627
▫️ Как пройти собеседование на английском
▫️ Подборка выражений для описания коллег
▫️ Weird English Idioms
Еще больше английского для работы и жизни на канале «Гапонова и ее английский». Лена Гапонова — автор курсов Gaponova school, преподаватель с 16-летним стажем и опытом в международных IT-компаниях — объясняет сложное в английской грамматике, знакомит с интересными выражениями, учит правильному произношению и помогает подружиться с английским языком.
Помимо английского, Лена рассказывает про методику, эффективное обучение, собеседование на английском и жизнь в других странах.
📌Еще больше про английский на @gaponova
erid: LjN8JuHUC
12 627
Что такое мультипроцессинг ?
Спросят с вероятностью 13%
Мультипроцессинг (multiprocessing) - это использование нескольких процессов для выполнения задач параллельно. Модуль
multiprocessing предоставляет возможность создания и управления процессами.
Основные концепции мультипроцессинга:
1️⃣ Параллельное выполнение: Мультипроцессинг позволяет запускать несколько процессов одновременно, что позволяет использовать многопроцессорные системы более эффективно и улучшает производительность программы.
2️⃣ Работа с потоками: Каждый процесс в мультипроцессинге имеет свой собственный поток выполнения, независимый от других процессов. Это позволяет избежать проблем с глобальной блокировкой интерпретатора (GIL), которая присутствует в многопоточных приложениях.
3️⃣ Использование ресурсов: Каждый процесс имеет свое собственное пространство памяти и ресурсы, что обеспечивает изоляцию между процессами и предотвращает конфликты доступа к данным.
4️⃣ Модуль multiprocessing: Для работы с мультипроцессингом используется встроенный модуль multiprocessing, который предоставляет API для создания и управления процессами. Он аналогичен модулю threading, но использует отдельные процессы вместо потоков для параллельного выполнения кода.
Пример использования multiprocessing:
import multiprocessing
def worker():
print("Hello from process")
# Создание и запуск процесса
p = multiprocessing.Process(target=worker)
p.start()worker, выводящую сообщение "Hello from process".
➡ Примеры ответов
➡ Список всех вопросов на Python Developer12 627
Приветствуем всех любителей программирования на Python!
Python'er - один из лучших каналов по Python, у нас вы найдёте множество полезной информации, статей, руководств, уроков и многое другое. Мы расскажем вам о лучших практиках разработки и поможем разобраться с тонкостями языка.
Не упустите возможность стать настоящим профессионалом Python! Присоединяйтесь к нашему каналу уже сегодня!
PYTHON’ER
12 627
Что такое итерируемый объект ?
Спросят с вероятностью 7%
Итерируемый объект — это объект, который может быть перебран поэлементно с помощью цикла
for или других методов, таких как map(), filter(), sum(), join() и т. д. Он предоставляет возможность последовательно перебирать свои элементы без явного указания индексов.
Объект считается итерируемым, если он реализует метод iter(), который возвращает итератор. Итератором является объект, который реализует метод next(), который возвращает следующий элемент из коллекции. При достижении конца коллекции метод next() вызывает исключение StopIteration, чтобы указать на завершение итерации.
Множество типов данных и структур данных являются итерируемыми, включая списки (list), кортежи (tuple), строки (str), множества (set), словари (dict) и другие.
Пример итерации по списку:
my_list = [1, 2, 3, 4, 5]
for item in my_list:
print(item)my_list является итерируемым объектом, и мы можем перебирать ее элементы в цикле for, поочередно присваивая каждый элемент переменной item. Когда все элементы исчерпаны, цикл завершается.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer12 627
У моего хорошего знакомого тоже есть канал с разбором вопросов с собеседований — @prog_way_blog
Ведёт канал Денис, разработчик с опытом менторинга и подготовки к собеседованиям более 4 лет.
В канале он расписывает сложную теорию простым языком. У нас похожий контент, вам точно понравится)
@prog_way_blog
12 627
В чем разница сравнение через is и "==" ?
Спросят с вероятностью 13%
Оператор is используется для проверки идентичности объектов, то есть он проверяет, являются ли два объекта одним и тем же объектом в памяти. С другой стороны, оператор == используется для сравнения значений двух объектов, то есть он проверяет, равны ли значения объектов, не обязательно являются ли они одним и тем же объектом в памяти.
Пример:
a = [1, 2, 3]
b = a # Присваиваем переменной b ссылку на тот же объект, что и у переменной a
print(a is b) # Вывод: True, потому что a и b указывают на один и тот же объект в памяти
print(a == b) # Вывод: True, потому что содержимое a и b одинаковое
c = [1, 2, 3]
print(a is c) # Вывод: False, потому что a и c указывают на разные объекты в памяти
print(a == c) # Вывод: True, потому что содержимое a и c одинаковоеa и b ссылаются на один и тот же объект в памяти, поэтому оператор is возвращает True, а содержимое переменных a и b одинаковое, поэтому оператор == также возвращает True. С другой стороны, переменная c ссылается на новый объект, который содержит те же значения, что и a, но не является тем же самым объектом, поэтому оператор is возвращает False, хотя оператор == возвращает True, потому что значения объектов одинаковые.
➡ Примеры ответов
➡ Список всех вопросов на Python Developer