Python вопросы с собеседований

🖥 Проверка сетевых сервисов в Python через socket В Python можно быстро проверить, доступен ли сетевой сервис и как быстро он отвечает, не прибегая к сложным утилитам. Это помогает опытным разработчикам, когда нужно оперативно убедиться, что API или база данных действительно доступны и не "подвисают". Через socket можно реализовать мини-проверку состояния сети и времени отклика.

import socket
import time

def check_service(host: str, port: int, timeout: float = 2.0):
    try:
        start = time.perf_counter()
        with socket.create_connection((host, port), timeout=timeout):
            elapsed = time.perf_counter() - start
            print(f"[OK] {host}:{port} доступен, ответ за {elapsed:.3f} сек")
    except Exception as e:
        print(f"[FAIL] {host}:{port} недоступен — {e}")

пример: проверка доступности Google DNS и локального сервиса

check_service("8.8.8.8", 53)
check_service("localhost", 5432)

🔥Продвинутый совет по ускорению Python-кода Один из скрытых тормозов Python — частые вызовы маленьких функций внутри циклов. Каждый вызов вносит оверхед интерпретатора. Если функция простая, её можно «инлайнить» (встроить прямо в цикл), или использовать NumPy vectorization и Numba JIT, чтобы убрать лишние вызовы. Например, вместо того чтобы вызывать функцию миллионы раз, можно скомпилировать её через @njit из Numba — и Python-код превратится в машинный, работая в десятки раз быстрее. Это особенно эффективно для численных расчётов, работы с массивами и больших циклов. Хочешь больше таких фишек? Подписывайся на нас и каждый день получай свежие и нестандартные советы, которые реально прокачают твои навыки разработчика!

import numpy as np
from numba import njit

# Обычная Python-функция — будет работать медленно на больших данных
def transform(x):
    return x * x + x % 7

# JIT-компиляция убирает интерпретационный оверхед
@njit
def fast_transform(arr):
    res = np.empty_like(arr)
    for i in range(arr.size):
        res[i] = arr[i] * arr[i] + arr[i] % 7
    return res

data = np.arange(10_000_000, dtype=np.int64)

# Медленный вариант: Python-функция внутри list comprehension
res1 = [transform(x) for x in data]

# Быстрый вариант: Numba скомпилировала цикл в машинный код
res2 = fast_transform(data)

print(res1[:5], res2[:5])

🖥 Python trick: группировка с помощью itertools.groupby Иногда при работе с коллекциями в пайтон нужно быстро сгруппировать данные по ключу и при этом не писать громоздкий цикл с проверками. В таких случаях можно использовать модуль итэртулз и функцию группбай. Она позволяет превратить список в словарь с удобной структурой, где каждый ключ сразу содержит все связанные элементы. Это сильно экономит строки кода и делает его чище.

from itertools import groupby
from operator import itemgetter

data = [
    {"category": "A", "value": 10},
    {"category": "B", "value": 20},
    {"category": "A", "value": 30},
    {"category": "B", "value": 40},
]

 сортировка обязательна перед groupby
data.sort(key=itemgetter("category"))

grouped = {
    key: list(group) for key, group in groupby(data, key=itemgetter("category"))
}

print(grouped)

🌟 Рисуем шахматную доску с помощью Matplot! @python_job_interview

📚 Знакомьтесь, хендбуки от Яндекс Образования Бесплатные интерактивные учебники для студентов и начинающих специалистов по Python, C++ и машинному обучению. Теория, которая пригодится в решении реальных задач. Погружайтесь в дисциплину с нуля или выбирайте отдельные темы, выполняйте задания и следите за прогрессом. Хенбуки помогут закрыть пробелы в знаниях, подготовиться к экзаменам или собеседованиям. 👉Учиться по хендбукам

🔥На Stepik вышел курс: Linux: полный апгрейд твоих скиллов Хочешь реально понимать, что происходит под капотом твоей системы, а не просто кликать по GUI? Без глубокого знания базы ты не инженер - ты просто пользователь. 🔹 В курсе ты: - Освоишь bash, grep, sed, awk - инструменты, которыми живут админы. - Разберёшь права, процессы, сеть, файловую систему и научишься чинить всё, что падает. - Настроишь SSH, firewall, systemd, crontab, демоны и автозапуск. - Научишься анализировать логи, следить за нагрузкой, и не паниковать при 100% CPU. 💡 Формат: пошаговое объяснение базы и разбор важных практик по работе с Linux. 🎯 После курса ты: будешь чувствовать Linux как родную среду и забудешь, что такое “permission denied”. 🚀 24 часа действует скидка 30% 👉 Учиться со скидкой

🐍 Хитрая задача с собеседования по Python > Что выведет этот код и почему?

def extend_list(val, lst=[]):
    lst.append(val)
    return lst

list1 = extend_list(10)
list2 = extend_list(123, [])
list3 = extend_list('a')

print(list1, list2, list3)

❓Вопрос: Почему list1 и list3 одинаковы? 🔍 Разбор: Аргументы по умолчанию в Python вычисляются один раз — в момент определения функции, а не при каждом вызове. Поэтому lst=[] создаётся один раз и сохраняется между вызовами, если вы не передали свой список явно. 🧠 Что произойдет: - extend_list(10) → использует общий список [], теперь он [10] - extend_list(123, []) → создаёт новый список [123] - extend_list('a') → снова использует общий список → [10, 'a'] 👉 Результат: [10, 'a'] [123] [10, 'a'] ✅ Как исправить: Если вы хотите, чтобы по умолчанию создавался новый список при каждом вызове, делайте так:

def extend_list(val, lst=None):
    if lst is None:
        lst = []
    lst.append(val)
    return lst

Это классическая ловушка Python-интервью - mutable default arguments. Проверяет, понимаешь ли ты, как работают значения по умолчанию и область памяти.

🔥Свежий курс со Stepik: Linux: полный апгрейд твоих скиллов Хочешь реально понимать, что происходит под капотом твоей системы, а не просто кликать по GUI? Без глубокого знания базы ты не инженер - ты просто пользователь. 🔹 В курсе ты: - Освоишь bash, grep, sed, awk - инструменты, которыми живут админы. - Разберёшь права, процессы, сеть, файловую систему и научишься чинить всё, что падает. - Настроишь SSH, firewall, systemd, crontab, демоны и автозапуск. - Научишься анализировать логи, следить за нагрузкой, и не паниковать при 100% CPU. 💡 Формат: пошаговое объяснение базы и разбор важных практик по работе с Linux. 🎯 После курса ты: будешь чувствовать Linux как родную среду и забудешь, что такое “permission denied”. 🚀 Сейчас действуют скидка целых - 30%, не упусти реальный шанс прокачаться. 👉 Забирай место на курсе со скидкой

🧩 sync-with-uv Небольшой, но полезный пакет, который автоматизирует синхронизацию версий между uv.lock и .pre-commit-config.yaml. Зачем это нужно: - Часто версии инструментов (black, ruff, mypy и др.) расходятся: одно указано в lock-файле, другое — в pre-commit. - В итоге могут воспроизводиться разные окружения и непредсказуемые ошибки. Что делает sync-with-uv: - Автоматически подтягивает версии из uv.lock в .pre-commit-config.yaml. - Интегрируется как pre-commit hook. - Поддерживает частичную синхронизацию — не затрагивает инструменты, для которых версии не заданы. Итог: один источник правды для зависимостей, меньше ручной рутины и более стабильные пайплайны. 🔗 Репозиторий: https://github.com/tsvikas/sync-with-uv

Один One Day Offer вам или целых три — всем? 😉 25 октября Сбер проведёт сразу три экспресс-отбора кандидатов в две команды: GigaData и Kandinsky. Чем вам предстоит заниматься 👇 ✔️ Развивать GigaData — внутреннюю платформу Сбера, которая обрабатывает петабайты данных и миллиарды запросов в сутки. One Day Offer для Python‑разработчиков. ✔️ Работать над Kandinsky — обучать большие модели с нуля, собирать и подготавливать данные, исследовать самые эффективные методы дообучения моделей. — One Day Offer для Machine Learning Engineers с опытом в Deep Learning и компьютерном зрении (CV). — One Day Offer для Research и Deep Learning Engineers. Выбирайте то, что больше подходит под ваши навыки, и регистрируйтесь на One Day Offer!

🧠 Создайте своего ChatGPT с nanochat nanochat — это минималистичный фреймворк для создания LLM, аналогичного ChatGPT, с возможностью запуска на одном узле. Он включает все этапы от токенизации до веб-сервиса с простым интерфейсом, позволяя взаимодействовать с вашим собственным языковым моделью. 🚀Основные моменты: - Полный стек для создания LLM в одном коде. - Легкий в использовании и настройке. - Поддержка различных моделей с разными затратами. - Возможность оценки и анализа производительности. 📌 GitHub: https://github.com/karpathy/nanochat #python

🖥 Практический гайд по автоматизации процессов на Python Перед вами подробный практический гайд по автоматизации процессов на Python для продвинутых разработчиков. Он фокусируется на промышленном уровне качества: архитектура, надёжность, наблюдаемость, упаковка и деплой. В каждом разделе — конкретные паттерны и готовые фрагменты кода. ✔️ Подробнее

🖥 Полный гайд: защита от SQL-инъекций для разработчиков SQL-инъекции остаются одной из самых частых и опасных уязвимостей в веб-приложениях. Ошибка в одном запросе — и злоумышленник получает доступ к базе данных, паролям и пользовательским данным. В этом материале — полный практический разбор: как именно происходят SQL-инъекции, какие ошибки разработчиков к ним приводят, как их распознать в коде и главное — как защититься. Разберём реальные примеры на Python, PHP и Go, посмотрим, как атакующий «взламывает» запрос, и научимся писать безопасный код с параметризованными запросами и ORM. Это не теория, а руководство, которое поможет понять уязвимость изнутри и навсегда закрыть её в своих проектах. 👉 Читать гайд

📚 Работа и учёба отлично совмещаются на оплачиваемой стажировке GPB.Level Up: Кибербезопасность! Здесь гибкий график от 30 часов в неделю и удобные форматы: очно или гибридно в зависимости от направления. GPB.Level Up: Кибербезопасность — стажировка в области информационной безопасности в Газпромбанке для старшекурсников, выпускников и начинающих специалистов. Вот и другие преимущества: — зарплата 80 000 рублей со старта (gross при работе 40 часов в неделю) — поддержка от опытных наставников и экспертов информационной безопасности — доступ к 800+ курсам для развития soft и hard skills, Skillbox, Lerna и другим платформам — перспективы для карьеры: более 90% участников GPB.Level Up: Кибербезопасность прошлого сезона остались работать в банке Время показать свои таланты, жми на кнопку! https://vk.cc/cQ15u2?erid=2W5zFJmqXqA

🖥 Что нового в Python 3.14 и почему стоит перейти Python 3.14 вышел 7 октября 2025 года. Это новый стабильный релиз, который содержит как изменения в самом языке, так и улучшения в реализации, стандартной библиотеке, отладке и взаимодействии с многопоточностью. Ниже - обзор ключевых нововведений, их смысла, применимости и возможных подводных камней. 🟠Основные нововведения (Release highlights) - Отложенная (ленивая) оценка аннотаций - теперь аннотации не вычисляются сразу, что уменьшает накладные расходы. - Поддержка нескольких интерпретаторов в рамках одного процесса через новый модуль. - Новый синтаксис шаблонных строк (t-strings), который даёт больше контроля над статической и интерполированной частью. - Более информативные сообщения об ошибках (например, подсказки для опечаток в ключевых словах). - Поддержка формата сжатия Zstandard в стандартной библиотеке. - Улучшенные возможности для отладки и профилирования, в том числе подключение к живому процессу без остановки. - Улучшения в asyncio — команды для визуализации и диагностики задач, стеков ожидания и зависимостей. - Уменьшение пауз сборщика мусора (gc) через инкрементальный сбор. - Подсветка синтаксиса и автодополнение модулей в интерактивном режиме (REPL) по умолчанию. 🟠 Подробности и примеры Ленивые аннотации - deferred evaluation of annotations Раньше аннотации (для типов, документации, подсказок) могли вызывать вычисления прямо при определении функции или класса. Теперь они хранятся в виде «ленивых» структур и вычисляются по надобности. Это снижает накладные расходы на загрузку кода, особенно если аннотации сложные или содержат много forward-ссылок. Есть модуль annotationlib, который позволяет исследовать аннотации программно и выбирать формат их получения — строки, объекты или отложенные ссылки. Когда это особенно помогает: - большие фреймворки, генерация кода, ORM, библиотеки с множеством аннотаций; - ускорение импорта при старте приложений; - уменьшение накладных расходов при работе с типами. Что проверить при миграции: - код, использующий __annotations__ напрямую, может требовать адаптации; - убедитесь, что сторонние библиотеки, работающие с аннотациями, поддерживают новый формат. Несколько интерпретаторов (subinterpreters) Теперь в Python можно запускать несколько независимых интерпретаторов внутри одного процесса (модуль `concurrent.interpreters`). Преимущества: - изоляция между интерпретаторами (отдельная память, отдельный GIL); - параллелизм на многоядерных системах; - меньше накладных расходов, чем при использовании multiprocessing. Ограничения: - не все C-расширения поддерживают мультиинтерпретацию; - коммуникация между интерпретаторами требует явных каналов (очереди, сообщения). Это даёт реальную возможность распараллеливания CPU-задач без запуска отдельных процессов. Template string literals (t-strings) Новое синтаксическое средство — префикс t перед строкой, аналогично f'...'. Результат — объект Template, который хранит текст и вставки по отдельности.

variety = 'Stilton'
template = t'Try some {variety} cheese!'

- Подробности - Скачать - Видеообзор

🔥 Python: функции-фабрики Простой, но мощный трюк: генерация функций на лету через замыкания. Вместо дублирования логики можно одной фабрикой создавать десятки разных функций. Хочешь больше таких фишек? Подписывайся на нас и каждый день получай свежие и нестандартные советы, которые реально прокачают твои навыки разработчика!

def make_pow(exp):
      return lambda x: x ** exp

square = make_pow(2)
cube = make_pow(3)

print(square(4), cube(2))

#Python, #программирование, #кодинг, #разработка, #собеседование, #интервью, #PythonJobs, #DataScience, #MachineLearning, #AI, #backend, #webdev, #Django, #Flask, #FastAPI, #API, #REST, #asyncio, #многопоточность, #многозадачность, #библиотеки, #NumPy, #Pandas, #TensorFlow, #PyTorch, #SQL, #ORM, #SQLAlchemy, #тестирование, #unittest, #pytest, #TDD, #алгоритмы, #структурыданных, #OOP,

🤖 Grass Bot: Автоматизация для Telegram Grass Bot — это простой Python-бот для автоматизации задач в Telegram с поддержкой многопоточности и различных типов прокси. Идеален для управления несколькими аккаунтами и получения статистики. 🚀 Основные моменты: - Многопоточность для повышения производительности - Поддержка всех типов прокси - Легкость в настройке аккаунтов и прокси 📌 GitHub: https://github.com/haspread/grass-bot #python

🔥 Успех в IT = скорость + знания + окружение Здесь ты найдёшь всё это — коротко, по делу и без воды. Пока другие ищут, где “подглядеть решение”, ты уже используешь самые свежие инструменты! AI: https://t.me/+EPEFXp67QfIyMjMy Python: https://t.me/+cq7O4sOHldY1ZTIy Linux: t.me/linuxacademiya Собеседования DS: t.me/machinelearning_interview C++ t.me/cpluspluc Docker: t.me/DevopsDocker Хакинг: t.me/linuxkalii Devops: t.me/DevOPSitsec Data Science: t.me/data_analysis_ml Javascript: t.me/javascriptv C#: t.me/csharp_1001_notes Java: t.me/java_library Базы данных: t.me/sqlhub Python собеседования: t.me/python_job_interview Мобильная разработка: t.me/mobdevelop Golang: t.me/Golang_google React: t.me/react_tg Rust: t.me/rust_code ИИ: t.me/vistehno PHP: t.me/phpshka Android: t.me/android_its Frontend: t.me/front Big Data: t.me/bigdatai МАТЕМАТИКА: t.me/data_math Kubernets: t.me/kubernetc Разработка игр: https://t.me/gamedev Haskell: t.me/haskell_tg Физика: t.me/fizmat 💼 Папка с вакансиями: t.me/addlist/_zyy_jQ_QUsyM2Vi Папка Go разработчика: t.me/addlist/MUtJEeJSxeY2YTFi Папка Python разработчика: t.me/addlist/eEPya-HF6mkxMGIy Папка ML: https://t.me/addlist/2Ls-snqEeytkMDgy Папка FRONTEND: https://t.me/addlist/mzMMG3RPZhY2M2Iy 😆ИТ-Мемы: t.me/memes_prog 🇬🇧Английский: t.me/english_forprogrammers 🧠ИИ: t.me/vistehno 🎓954ГБ ОПЕНСОРС КУРСОВ: @courses 📕Ит-книги бесплатно: https://t.me/addlist/BkskQciUW_FhNjEy Подпишись, если хочешь быть в числе тех, кого зовут в топовые проекты!