Python | Вопросы собесов

❓ 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

❓ Что такое магические методы ? Спросят с вероятностью 17% Магические методы - это специальные методы, начинающиеся и заканчивающиеся двумя подчеркиваниями (__), которые предоставляют специальное поведение объектам при использовании встроенных операторов или функций. Они также называются "специальными методами" или "дандер-методами" (от "double underscore"). Магические методы позволяют классам определять, как они должны реагировать на различные операции, такие как сложение (+), вычитание (-), вызов функции (()), получение длины (len()), преобразование в строку (str()) и многое другое. Вот некоторые примеры магических методов и их предназначение: - __init__(self, ...): Инициализация объекта. Вызывается при создании нового экземпляра класса. - __str__(self): Преобразование объекта в строку. Вызывается функцией str() или при использовании объекта в функциях форматирования строк. - __repr__(self): Представление объекта. Вызывается функцией repr(), а также при использовании объекта в интерактивной оболочке. - __add__(self, other): Сложение объектов. Вызывается при использовании оператора +. - __sub__(self, other): Вычитание объектов. Вызывается при использовании оператора -. - __len__(self): Получение длины объекта. Вызывается функцией len(). - __getitem__(self, key): Получение элемента по индексу или ключу. Вызывается при использовании оператора []. И это только несколько из множества магических методов, которые можно определить в классе. Использование магических методов делает классы более интегрированными с языком и позволяет использовать их встроенные функциональности более элегантным и естественным способом. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

❓ Что такое замыкания ? Спросят с вероятностью 7% Замыкание (closure) в программировании — это функция, которая ссылается на свободные переменные в своей области видимости из внешней области видимости, в которой она была создана, даже если эта внешняя область видимости уже завершила свою работу. В более простых терминах, замыкание — это функция, которая запоминает значение переменных из той области видимости, в которой она была определена, и продолжает использовать их, даже если эта область видимости уже не активна. Они часто используются для создания функций-фабрик, где каждый вызов такой фабрики создает новое замыкание с доступом к различным контекстам. Пример:

def outer_function(x):
    def inner_function(y):
        return x + y
    return inner_function

closure = outer_function(10)  # Создаем замыкание с x = 10

print(closure(5))  # Вывод: 15

В этом примере inner_function является замыканием, потому что она ссылается на переменную x из внешней функции outer_function, даже после того, как outer_function завершила свою работу. Каждый раз, когда мы вызываем closure(5), мы получаем результат сложения x (который был 10) и y (который был передан в замыкание, равный 5), что дает нам 15. Замыкания являются мощным и полезным инструментом, который может быть использован для создания гибких и эффективных решений в различных ситуациях. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

❓ Что делает декоратор property ? Спросят с вероятностью 17% Декоратор property используется для создания вычисляемых атрибутов класса. Он позволяет определить методы getter, setter и deleter для атрибута класса, что обеспечивает более гибкий доступ к данным объекта. Вот как работает каждый из этих методов: 1️⃣ Getter (метод получения):    - Помеченный декоратором @property, представляет собой метод, который возвращает значение атрибута.    - Вызывается при обращении к атрибуту без использования скобок или при обращении через свойство.     2️⃣ Setter (метод установки):    - Помеченный декоратором @property.setter, представляет собой метод, который устанавливает значение атрибута.    - Вызывается при попытке установить новое значение атрибута.     3️⃣ Deleter (метод удаления):    - Помеченный декоратором @property.deleter, представляет собой метод, который удаляет атрибут.    - Вызывается при использовании оператора del для удаления атрибута. Вот пример использования property:

class Circle:
    def init(self, radius):
        self._radius = radius
    
    @property
    def radius(self):
        return self._radius
    
    @radius.setter
    def radius(self, value):
        if value <= 0:
            raise ValueError("Радиус должен быть положительным числом")
        self._radius = value
    
    @radius.deleter
    def radius(self):
        del self._radius

# Использование
c = Circle(5)
print(c.radius)  # Вывод: 5
c.radius = 10
print(c.radius)  # Вывод: 10
del c.radius
# print(c.radius)  # Вызовет AttributeError, так как атрибут удален 

В этом примере метод radius() используется как getter, radius.setter используется для установки нового значения атрибуту, а radius.deleter используется для удаления атрибута. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

💻 2 канала для каждого айтишника ✅ Программистика - авторский канал об ИТ и технологиях. В канале найдёшь множество статей и полезных ресурсов, облегчающих работу программисту. ✅ FreeZnanija - учись беcплатно, множество курсов по ИТ, Информационной Безопасности и программированию. 🫵 Сохрани. Только тут ресурсы, которые упростят вашу жизнь!

❓ Что такое мутабельные и иммутабельные типы данных ? Спросят с вероятностью 7% Мутабельные (изменяемые) и иммутабельные (неизменяемые) типы данных определяются по их способности изменяться после создания. 1️⃣ Иммутабельные типы данных: - Не могут быть изменены после создания. - Если вы пытаетесь изменить значение иммутабельного объекта, на самом деле создается новый объект с измененным значением. - Примеры таких данных включают числа (int, float), строки (str), кортежи (tuple), неизменяемые множества (frozenset) и неизменяемые словари (frozenset). Пример:

x = 5
x += 1  # Создается новый объект с новым значением

2️⃣ Мутабельные типы данных: - Могут быть изменены после создания. - Вы можете изменять значение мутабельного объекта, не создавая новый объект. - Примеры таких данных включают списки (list), множества (set), словари (dict) и пользовательские объекты. Пример:

my_list = [1, 2, 3]
     my_list.append(4)  # Изменяется существующий список

Использование иммутабельных типов данных обычно приводит к более безопасному и предсказуемому поведению программы, так как они не могут быть случайно изменены в процессе выполнения программы. Однако мутабельные типы данных часто более эффективны в использовании, особенно при работе с большими объемами данных, поскольку они позволяют изменять значение объекта без создания нового экземпляра. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

Белый хакер - программное обеспечение, утилиты, OSINT, инструменты, полезная литература и много другое. Совершенно новый формат непохожий на другие каналы. Белый хакер P. S Уютное место

❓ Что такое метаклассы ? Спросят с вероятностью 17% Метаклассы - это концепция, которая позволяет контролировать создание классов. Классы являются объектами, и они создаются с помощью других классов, которые называются метаклассами. Вот некоторые ключевые моменты о них: 1️⃣ Классы как объекты: Классы являются объектами первого класса, что означает, что они могут быть созданы, изменены и переданы как аргументы функций. 2️⃣ Типы и метаклассы: Каждый объект имеет тип, который определяется его классом. Этот класс, определяющий тип объекта, называется метаклассом. По умолчанию для всех классов метаклассом является type. 3️⃣ Использование метаклассов: Метаклассы можно использовать для изменения поведения создания классов. Это может быть полезно для автоматического добавления методов, проверки атрибутов или изменения наследования классов. 4️⃣ Ключевые методы метакласса: Для создания собственного метакласса обычно определяются методы __new__() и __init__(). Метод __new__() вызывается перед созданием экземпляра класса, а метод __init__() вызывается после создания экземпляра. Пример создания метакласса:

class MyMeta(type):
    def new(cls, name, bases, dct):
        # Изменяем или расширяем класс
        dct['custom_attribute'] = 'This is a custom attribute'
        return super().new(cls, name, bases, dct)

class MyClass(metaclass=MyMeta):
    pass

obj = MyClass()
print(obj.custom_attribute)  # Вывод: This is a custom attribute

В этом примере MyMeta - это метакласс, который изменяет класс MyClass, добавляя к нему новый атрибут custom_attribute.

❓Как сделать все значения списка уникальными ? Спросят с вероятностью 7% Можно сделать все значения списка уникальными, преобразовав его в множество (set) и затем обратно в список. Множество автоматически удаляет дубликаты, оставляя только уникальные элементы. Вот как это можно сделать:

my_list = [1, 2, 3, 4, 2, 3, 5]

unique_list = list(set(my_list))

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

В этом примере set(my_list) создает множество уникальных значений из списка my_list, а list(set(my_list)) преобразует это множество обратно в список. Как результат, мы получаем список, содержащий только уникальные значения из исходного списка. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

❓ В чем отличие списка от кортежа ? Спросят с вероятностью 17% Список (list) и кортеж (tuple) - это две различные структуры данных, которые обладают следующими основными различиями: 1️⃣ Изменяемость: - Списки изменяемы, что означает, что их элементы могут быть изменены после создания списка. - Кортежи неизменяемы, их элементы не могут быть изменены после создания кортежа. 2️⃣ Синтаксис: - Списки создаются с использованием квадратных скобок [ ], например: [1, 2, 3]. - Кортежи создаются с использованием круглых скобок ( ), например: (1, 2, 3). 3️⃣ Производительность: - Кортежи работают быстрее, чем списки, потому что они неизменяемы и Python может проводить оптимизации, которые не доступны для списков. 4️⃣ Использование: - Списки обычно используются там, где требуется изменяемая коллекция, например, когда вы планируете добавлять, удалять или изменять элементы списка. - Кортежи обычно используются для представления фиксированных коллекций элементов, которые не должны изменяться, или для передачи неизменяемых последовательностей данных в функции, где изменяемость нежелательна. Пример использования списков:

my_list = [1, 2, 3]
my_list.append(4)
print(my_list)  # Вывод: [1, 2, 3, 4]

Пример использования кортежей:

my_tuple = (1, 2, 3)
# my_tuple[0] = 5  # Это вызовет ошибку, так как кортежи неизменяемы
print(my_tuple)  # Вывод: (1, 2, 3)

Если ваши данные должны оставаться неизменными, лучше использовать кортежи. Если вам нужна изменяемость, используйте списки. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer

❓ В чем отличие асинхронности, threading'га и мультипроцессинга ? Спросят с вероятностью 17% Асинхронность, threading и мультипроцессинг - это три различных подхода к параллельному выполнению задач каждый из которых имеет свои особенности и применения: 1️⃣ Асинхронность (Asynchronous) Асинхронность предполагает выполнение задач без ожидания их завершения. Используется для работы с вводом-выводом (I/O), таким как чтение или запись файлов, сетевые запросы и т. д. В асинхронном коде задачи не блокируют основной поток выполнения, что позволяет эффективно использовать ресурсы процессора. Примеры асинхронных моделей включают в себя асинхронные функции и ключевые слова в Python (например, async, await). 2️⃣ Threading (Потоки) Потоки позволяют выполнять несколько частей кода (потоков) параллельно в пределах одного процесса. Используются для выполнения многозадачных операций, которые могут быть распределены между несколькими ядрами процессора. Потоки могут выполняться параллельно, но могут также конкурировать за общие ресурсы, что может привести к проблемам синхронизации и безопасности. В некоторых языках, таких как Python, использование потоков ограничено из-за GIL (Global Interpreter Lock), что может снижать эффективность при использовании множества потоков для CPU-интенсивных задач. 3️⃣ Мультипроцессинг (Multiprocessing) Мультипроцессинг также позволяет выполнять несколько частей кода параллельно, но каждая часть выполняется в отдельном процессе. Каждый процесс имеет свое собственное пространство памяти, что делает мультипроцессинг более подходящим для многозадачных вычислений на многоядерных системах. Процессы обычно имеют больший накладные расходы по сравнению с потоками, поскольку каждый из них требует своих собственных ресурсов памяти и управления. Мультипроцессинг избегает проблемы GIL, что делает его более эффективным для CPU-интенсивных задач в Python и других языках. Выбор между асинхронностью, потоками и мультипроцессингом зависит от конкретных требований вашего приложения, а также от характеристик вашей системы и языка программирования. ➡Примеры ответов ➡ Список всех вопросов на Python Developer

❓ Что такое асинхронность ? Спросят с вероятностью 20% Асинхронность — это концепция, позволяющая выполнение задач в программе так, чтобы они не блокировали выполнение друг друга. Это значит, что программа может переключаться между задачами, не дожидаясь завершения каждой из них. Это особенно полезно в ситуациях, когда выполнение задачи зависит от внешних факторов, которые могут занять неопределенное время (например, ожидание ответа от веб-сервиса или чтение файла). В Python асинхронность реализуется с помощью корутин и асинхронного ввода-вывода (asyncio) . Это позволяет программе быть более эффективной и отзывчивой, особенно при работе с I/O-задачами, такими как сетевое взаимодействие или операции с диском, которые могут значительно замедлить выполнение программы, если использовать блокирующий ввод-вывод. Пример асинхронной функции:

import asyncio
async def main():
    print('Привет')
    await asyncio.sleep(1)  # Имитация асинхронной задачи, например, запроса к веб-серверу
    print('Мир')

asyncio.run(main())

В этом примере async def определяет асинхронную функцию. Ключевое слово await используется перед вызовом функции, которая может быть асинхронной (в нашем случае asyncio.sleep), указывая, что программа может переключиться на выполнение другой задачи во время ожидания завершения текущей. asyncio.run(main()) запускает асинхронный цикл событий, который управляет выполнением асинхронных функций. Использование асинхронности позволяет повысить производительность программы за счет неблокирующего выполнения задач, особенно когда есть много операций ввода-вывода, таких как запросы к сети или к базам данных. Асинхронность позволяет делать программу более эффективной и отзывчивой, выполняя задачи параллельно и не ожидая завершения каждой из них. Это достигается за счет использования асинхронных операций, которые не блокируют выполнение программы. ➡ Примеры ответов ➡ Список всех вопросов на Python Developer