Python | Вопросы собесов

▫️ 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

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()

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

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

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)

Здесь переменная 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 Developer

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

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 одинаковое

В этом примере переменные a 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

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