Python | Вопросы собесов

Что такое глубокая копия ? Спросят с вероятностью 7% Глубокая копия (deep copy)— это создание копии объекта, включая все вложенные объекты и их содержимое. Во время него создается новый объект, который полностью копирует структуру и значения всех вложенных объектов, включая вложенные списки, словари, множества, кортежи и так далее. Она особенно полезна, когда у вас есть составной объект (например, список объектов или словарь объектов), и вы хотите создать его полную копию, чтобы избежать воздействия изменений в исходном объекте на его копию и наоборот. Для создания глубокой копии можно использовать модуль copy и его функцию deepcopy. Пример:

import copy

original_list = [1, [2, 3], 4]
copied_list = copy.deepcopy(original_list)

original_list[1][0] = 5  # Изменение исходного списка

print(original_list)  # Вывод: [1, [5, 3], 4]
print(copied_list)     # Вывод: [1, [2, 3], 4]

В этом примере deepcopy создает полную глубокую копию original_list в copied_list. Когда мы изменяем значение элемента вложенного списка в original_list, это не отражается в copied_list, так как они ссылаются на разные объекты в памяти. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

Что такое Threading ? Спросят с вероятностью 13% Threading - это механизм, который позволяет создавать и управлять параллельными потоками выполнения внутри одного процесса. Поток (thread) - это наименьшая единица обработки внутри процесса, которая может выполняться параллельно с другими потоками. Основные концепции threading: 1️⃣ Параллельное выполнение: Потоки позволяют выполнять несколько частей кода (потоков) параллельно в пределах одного процесса. Это позволяет эффективно использовать многоядерные процессоры и улучшить производительность программы. 2️⃣ Совместное использование ресурсов: Потоки разделяют общие ресурсы, такие как память или файлы, что может привести к проблемам с синхронизацией доступа к этим ресурсам, поэтому важно использовать механизмы синхронизации, такие как блокировки, для обеспечения безопасного доступа к общим данным из разных потоков. 3️⃣ Глобальная интерпретаторская блокировка (GIL): Существует GIL, который предотвращает одновременное выполнение нескольких потоков на уровне байткода в одном процессе. Это может ограничивать эффективность потоков для CPU-интенсивных задач, но не мешает параллельному выполнению операций ввода-вывода. 4️⃣ Модуль threading: Существует встроенный модуль threading, который предоставляет высокоуровневый интерфейс для создания и управления потоками. Он обеспечивает классы Thread для создания потоков, а также средства синхронизации, такие как блокировки, условные переменные и семафоры. Пример использования threading:

import threading

def worker():
    print("Hello from thread")

# Создание и запуск потока
t = threading.Thread(target=worker)
t.start() 

Этот пример создает новый поток, который выполняет функцию worker, выводящую сообщение "Hello from thread". ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

Какие есть способы написать свой генератор ? Спросят с вероятностью 7% Существует несколько способов написания собственных генераторов. Ниже приведены основные из них: 1️⃣ С использованием функции-генератора (generator function): Этот способ включает определение функции с использованием ключевого слова yield, которое возвращает значение и приостанавливает выполнение функции, сохраняя ее текущее состояние. При следующем вызове функции выполнение продолжается с того же места, где оно остановилось. Пример:

  def my_generator():
       yield 1
       yield 2
       yield 3

   gen = my_generator()
   print(next(gen))  # Вывод: 1
   print(next(gen))  # Вывод: 2
   print(next(gen))  # Вывод: 3

2️⃣ С использованием выражения-генератора (generator expression): Этот способ позволяет создать генератор, используя синтаксис аналогичный списочному выражению, но с круглыми скобками вместо квадратных. Пример:

gen = (x for x in range(3))
   print(next(gen))  # Вывод: 0
   print(next(gen))  # Вывод: 1
   print(next(gen))  # Вывод: 2

3️⃣ С использованием класса-генератора (generator class): В этом случае создается класс, который реализует метод iter() и использует ключевое слово yield для генерации значений. Пример:

   class MyGenerator:
       def iter(self):
           yield 1
           yield 2
           yield 3

   gen = MyGenerator()
   for value in gen:
       print(value)

Каждый из этих способов имеет свои особенности и подходит для разных сценариев использования. Выбор конкретного способа зависит от вашего предпочтения и требований к вашей программе. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

Сколько зарабатывает фрилансер-программист в 16 лет? Вчера взял проект за 500$ — сегодня купил здесь рекламу. Перестань писать код бесплатно, начни монетизировать своё дело. А о том, как это сделать расскажет канал «Фриланс с Хаямом Алиевым» Будь первым, кто познает все тонкости фриланса: https://t.me/+B-yAwxFJWw5mZTQy

Что такое поверхностная копия ? Спросят с вероятностью 7% Поверхностная копия (shallow copy) — это создание копии объекта, но только самого верхнего уровня его структуры данных. В отличие от глубокой копии, поверхностная копия не копирует вложенные объекты, а только ссылается на них. Это означает, что если изменить вложенный объект в исходном объекте, то эти изменения будут отражены и в его копии, так как оба объекта будут ссылаться на одни и те же вложенные объекты. Для создания данной копии можно использовать модуль copy и его функцию copy. Пример:

import copy

original_list = [1, [2, 3], 4]
copied_list = copy.copy(original_list)

original_list[1][0] = 5  # Изменение исходного списка

print(original_list)  # Вывод: [1, [5, 3], 4]
print(copied_list)     # Вывод: [1, [5, 3], 4]

В этом примере copy создает поверхностную копию original_list в copied_list. При изменении значения элемента вложенного списка в original_list, эти изменения также отражаются в copied_list, так как оба объекта ссылаются на один и тот же вложенный список [2, 3]. ➡️ Примеры ответов ➡ Список всех вопросов на Python Developer

Что такое singleton ? Спросят с вероятностью 13% Singleton - это паттерн проектирования, который гарантирует, что класс имеет только один экземпляр, и предоставляет глобальную точку доступа к нему. Основные характеристики singleton: 1️⃣ Одиночный экземпляр: У класса есть только один экземпляр, который создается при первом обращении к нему, а затем повторно используется при последующих вызовах. 2️⃣ Глобальный доступ: Singleton предоставляет глобальную точку доступа к своему экземпляру, что позволяет другим объектам получить доступ к этому экземпляру через общедоступный метод или свойство. 3️⃣ Ленивая инициализация: Экземпляр класса создается только при первом обращении к нему, а не заранее, что позволяет оптимизировать использование ресурсов и избегать ненужного создания объектов. Пример реализации singleton:

class Singleton:
    _instance = None
    
    def new(cls):
        if cls._instance is None:
            cls._instance = super().new(cls)
        return cls._instance

# Использование
s1 = Singleton()
s2 = Singleton()
print(s1 is s2)  # Вывод: True, потому что s1 и s2 ссылаются на один и тот же экземпляр класса Singleton

В этом примере метод new переопределяется таким образом, чтобы при первом вызове он создавал новый экземпляр класса, а при последующих вызовах возвращал уже созданный экземпляр. Таким образом, у класса Singleton всегда есть только один экземпляр. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

Что такое kwargs ? Спросят с вероятностью 7% Термин "kwargs" обычно используется для обозначения необязательного параметра функции, который позволяет передавать произвольное количество именованных аргументов в функцию. Он является соглашением об именовании и может быть заменен на любое другое имя, но часто используется именно "kwargs" для означения этого параметра. Этот термин представляет собой словарь (dictionary) аргументов, переданных в функцию, где ключи словаря представляют собой имена аргументов, а значения - их значения. Поскольку функция может принимать произвольное количество именованных аргументов, он позволяет обрабатывать их динамически. Пример использования:

def print_info(**kwargs):
    for key, value in kwargs.items():
        print(f"{key}: {value}")

print_info(name="John", age=30, city="New York")

В этом примере **kwargs позволяет функции print_info принимать любое количество именованных аргументов, которые будут представлены в виде словаря. Функция затем проходит по всем элементам словаря и выводит их ключи и значения. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

👋 Приветствуем всех, кто увлечен программированием на Python! ⚙️ Теперь у Python появился свой технический канал, полный полезной информации, статей, задач и многого другого. Вы узнаете: - что такое фабричная функция; - о методике динамического импорта модулей; - что такое байтовые объекты; - как увеличить скорость работы кода; - как узнать адрес объекта в памяти; - что такое очередь с приоритетом и многое другое… Вы научитесь: - удалять папки со всем ее содержимыму; - преобразовывать строки в байты; - выводить цветной текст в терминал; - создавать собственные итераторы; - вызывать С-функции из Python-кода; - определять тип OS и другим особенностям языка… 💫 Присоединяйтесь прямо сейчас и откройте новые горизонты в мире разработки!

Что такое ORM ? Спросят с вероятностью 13% ORM (Object-Relational Mapping) - это техника, которая позволяет представить данные из реляционной базы данных в виде объектов в объектно-ориентированном коде. С помощью ORM разработчики могут работать с данными, как если бы они были объектами, а не записями в базе данных, что облегчает работу и повышает производительность. Вот некоторые ключевые аспекты ORM: 1️⃣ Сопоставление объектов и таблиц: ORM обеспечивает сопоставление между объектами в коде программы и таблицами в базе данных. Каждый класс объекта соответствует таблице в базе данных, а атрибуты класса соответствуют столбцам в этой таблице. 2️⃣ Операции CRUD: ORM позволяет выполнять операции CRUD (Create, Read, Update, Delete) непосредственно с объектами в коде программы, а не писать SQL-запросы вручную. Это делает работу с базой данных более удобной и абстрагирует разработчика от деталей работы с SQL. 3️⃣ Отношения между объектами: ORM позволяет определять отношения между объектами, такие как один-к-одному, один-ко-многим, многие-ко-многим и другие. Это делает моделирование сложных структур данных более удобным и понятным. 4️⃣ Миграции базы данных: Некоторые ORM-фреймворки также предоставляют механизмы миграции базы данных, которые позволяют автоматически обновлять структуру базы данных при изменении моделей объектов в коде программы. 5️⃣ Производительность: Хорошие ORM-фреймворки обеспечивают оптимизацию запросов и загрузки данных, что позволяет улучшить производительность приложения и сократить время разработки. Некоторые известные ORM-фреймворки включают SQLAlchemy, Django ORM, Peewee и Pony ORM. Каждый из них имеет свои особенности и преимущества, и выбор зависит от конкретных потребностей и предпочтений проекта. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

🔥 Ребят, наткнулся на телеграм канал про веб-разработку. Там обнаружил много полезного контента, например — шпаргалки, разработка веб-приложений с готовым кодом. Также наши любимые вопросы с собеседований, опросы и т.д Короче, реально полезный канал, советую. Держите ссылку @code_ready

❓ Что такое аннотации типов ? Спросят с вероятностью 7% Аннотации типов- это синтаксическая особенность, которая позволяет указывать типы переменных, аргументов функций и возвращаемых значений функций в коде. Они не влияют на выполнение программы, но могут быть использованы в качестве средства документирования кода и инструмента статического анализа (например, с помощью инструментов статической типизации, таких как mypy). Пример использования:

def add(x: int, y: int) -> int:
    return x + y

result: int = add(5, 3)
print(result)  # Вывод: 8

В этом примере x: int и y: int являются аннотациями типов для аргументов функции add, указывающими, что они должны быть целыми числами. Аннотация -> int указывает, что функция add должна возвращать целое число. Аннотации типов не являются обязательными. Однако они могут быть полезны для повышения читаемости кода и облегчения его анализа. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

Какие есть основные методы HTTP ? Спросят с вероятностью 13% Основные методы HTTP, которые широко используются при взаимодействии с веб-серверами, включают следующие: 1️⃣ GET: Запрашивает представление ресурса. GET-запросы обычно используются для получения данных от сервера. Они могут быть кэшированы и остаются в истории браузера. Они ограничены в размере. 2️⃣ POST: Отправляет данные для обработки на сервере. POST-запросы часто используются для отправки данных HTML-формы на сервер для обработки. Они не кэшируются и не остаются в истории браузера. Они могут отправлять большие объемы данных. 3️⃣ PUT: Загружает содержимое запроса на указанный URI. Если ресурс существует, он перезаписывается. Если ресурс не существует, сервер может создать его с использованием предоставленных данных. 4️⃣ DELETE: Удаляет указанный ресурс. 5️⃣ PATCH: Применяет частичные модификации к ресурсу. Обычно используется для обновления ресурса с частичными данными. 6️⃣ HEAD: Запрашивает заголовки, которые будут возвращены, как если бы был сделан запрос GET, но без тела ответа. 7️⃣ OPTIONS: Используется для запроса возможностей и параметров коммуникации для указанного ресурса. 8️⃣ TRACE: Используется для тестирования соединения по маршруту к ресурсу. Он выполняет циклический обход маршрутизации, который включает в себя передачу запроса через все узлы маршрута. Это основные методы HTTP, но также существуют и другие, менее используемые. Понимание этих методов важно при разработке веб-приложений и работы с веб-серверами. ➡️ Примеры ответов ➡️ Список всех вопросов на Python Developer

Python Developer — мастхев для любого питониста За ручку проведём тебя к первому офферу, расскажем о сложных вещах простыми словами и научим смеяться с айтишных мемов. 👉🏻 Подписывайся и прокачивай свои навыки

❓ В чем разница между MRO2 и MRO3 ? Спросят с вероятностью 7% MRO2 (Method Resolution Order 2) и MRO3 (Method Resolution Order 3) являются алгоритмами разрешения порядка вызова методов в множественном наследовании. Эти алгоритмы используются для определения того, какой метод будет вызван при обращении к методу экземпляра класса, когда этот метод присутствует в нескольких классах, связанных цепочкой наследования. Основное отличие между MRO2 и MRO3 заключается в том, как они обрабатывают классы, которые имеют одинаковые имена методов в цепочке наследования. 1️⃣ MRO2 (Python 2): В Python 2 использовался алгоритм MRO2, который был основан на алгоритме C3 Linearization. Он приводил к проблемам с алгоритмическими рекурсивными зависимостями в некоторых случаях множественного наследования, особенно когда классы имели сложные структуры наследования. 2️⃣ MRO3 (Python 3): В Python 3 был заменен на более усовершенствованный алгоритм MRO3, который является модифицированным алгоритмом C3 Linearization. Он решает проблемы, связанные с амбигуитетом при разрешении порядка вызова методов в множественном наследовании и обеспечивает более предсказуемое поведение в таких случаях. Основным преимуществом MRO3 является его способность разрешать конфликты имен методов в множественном наследовании более точно и надежно, что упрощает и смягчает проблемы, связанные с неоднозначностью при определении порядка вызова методов. Это позволяет разработчикам писать более структурированный и надежный код с использованием множественного наследования. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

💎 PyLinux - канал для тех, кто проявляет интерес к Python и Linux! 👉 Почему не стоит упустить: - библиотеки и скрипты Python - доступный материал Linux - книги и полезный софт - а также, многое другое! 🔥 Заходи прямо сейчас и становись лучше вместе с PyLinux!

❓ Что такое args ? Спросят с вероятностью 7% Термин "args" обычно используется для обозначения необязательного параметра функции, который позволяет передавать произвольное количество позиционных аргументов в функцию. Он является соглашением об именовании и может быть заменен на любое другое имя, но часто используется именно "args" для означения этого параметра. Этот необязательный параметр обычно представляет собой кортеж (tuple) аргументов, переданных в функцию. Поскольку функция может принимать произвольное количество аргументов, он позволяет обрабатывать их динамически. Пример использования:

def sum_values(*args):
    total = 0
    for num in args:
        total += num
    return total

result = sum_values(1, 2, 3, 4, 5)
print(result)  # Вывод: 15

В этом примере `*args` позволяет функции Спросят с верпринимать любое количество аргументов, которые будут представлены в виде кортежа. Функция затем проходит по всем элементам кортежа и суммирует их, возвращая общее значение. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

❓ Что такое list comprehension ? Спросят с вероятностью 17% List comprehension - это конструкция, которая позволяет создавать списки на основе других последовательностей (например, списков, кортежей, множеств) более компактно и читаемо. Синтаксис list comprehension выглядит следующим образом:

[выражение for элемент in последовательность if условие]

В расширенной форме:

[выражение for элемент in последовательность]

где: - выражение - это выражение, которое будет применено к каждому элементу последовательности. - элемент - это переменная, представляющая текущий элемент последовательности. - последовательность - это исходная последовательность, по которой будет проходить итерация. - условие (необязательно) - это условие, которое фильтрует элементы последовательности. Примеры использования list comprehension: 1️⃣ Создание списка квадратов чисел от 0 до 9:

squares = [x**2 for x in range(10)]

2️⃣ Фильтрация списка, оставляя только четные числа:

even_numbers = [x for x in range(10) if x % 2 == 0]

3️⃣ Преобразование списка строк в список их длин:

strings = ["apple", "banana", "orange"]
lengths = [len(s) for s in strings]

List comprehension делает код более кратким и выразительным, особенно для простых преобразований и фильтраций данных. Однако не следует злоупотреблять им, чтобы избежать снижения читаемости кода. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

❓ Что относится к изменяемым и к неизменяемым типам данных ? Спросят с вероятностью 17% Типы данных делятся на изменяемые (mutable) и неизменяемые (immutable) в зависимости от того, можно ли изменять значения объектов этого типа после их создания. Вот общее разделение: Изменяемые типы данных (Mutable): 1️⃣ Списки (List): Элементы могут быть изменены после его создания. Это значит, что вы можете добавлять, удалять или изменять элементы списка без создания нового списка. 2️⃣ Словари (Dictionary): Элементы могут быть изменены после его создания. Вы можете добавлять, удалять или изменять пары ключ-значение словаря. 3️⃣ Множества (Set): Элементы множества могут быть изменены после его создания. Вы можете добавлять или удалять элементы из множества. Неизменяемые типы данных (Immutable): 1️⃣ Строки (String): Строки являются неизменяемыми. Вы не можете изменить отдельные символы строки после ее создания. 2️⃣ Кортежи (Tuple): Кортежи также неизменяемы. Вы не можете изменить элементы кортежа после его создания. 3️⃣ Числовые типы (int, float, complex): Числовые типы данных также неизменяемы. Вы не можете изменить значения чисел после их создания. 4️⃣ Неизменяемые версии структур данных: Некоторые библиотеки, такие как collections.namedtuple, предоставляют неизменяемые версии структур данных. Изменяемые типы данных могут быть полезны для хранения и изменения коллекций данных, в то время как неизменяемые типы данных обеспечивают безопасность данных и подходят для хранения значений, которые не должны изменяться после создания. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

❓ Что такое модуль ? Спросят с вероятностью 7% Модуль — это файл с расширением .py, который содержит код. Он может содержать переменные, функции и классы, которые можно использовать в других программах или модулях. Модули используются для организации кода, упрощения его поддержки и повторного использования. Они позволяют разбить код на отдельные логические блоки, что делает его более структурированным и управляемым. Пример:

# Модуль example_module.py

def greet(name):
    return f"Привет, {name}!"

def add(x, y):
    return x + y

class Person:
    def init(self, name):
        self.name = name

    def say_hello(self):
        return f"Привет, меня зовут {self.name}"

Этот код определяет модуль с именем example_module.py, который содержит функции greet() и add(), а также класс Person. После того, как этот модуль был создан, его можно импортировать в другие скрипты с помощью ключевого слова import:

import example_module

print(example_module.greet("Миша"))  # Вывод: Привет, Миша!
print(example_module.add(2, 3))       # Вывод: 5

person = example_module.Person("Анна")
print(person.say_hello())             # Вывод: Привет, меня зовут Анна

Модули представляют собой важный механизм организации кода и его повторного использования, а также обеспечивают удобство и поддерживаемость проекта. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer