Python | Вопросы собесов

🤔 Как в Python происходит поиск переменной по области видимости? В Python поиск переменной происходит по правилу LEGB, которое определяет порядок поиска в четырёх областях видимости: Пример работы LEGB

x = "глобальная"  # Global

def outer():
    x = "охватывающая"  # Enclosing
    def inner():
        x = "локальная"  # Local
        print(x)  # Поиск начинается отсюда (L)
    
    inner()

outer()

Вывод

локальная

🚩Глобальные переменные (`global`) Если нужно изменить глобальную переменную внутри функции, используем global

x = 10  # Глобальная переменная

def modify_global():
    global x
    x = 20  # Меняем глобальную переменную

modify_global()
print(x)  # 20

🚩Переменные из внешней функции (`nonlocal`) Если в вложенной функции нужно изменить переменную из enclosing-области, используем nonlocal

def outer():
    x = 10  # Переменная из enclosing-области
    
    def inner():
        nonlocal x
        x = 20  # Меняем `x` в `outer()`
    
    inner()
    print(x)  # 20

outer()

🚩Что если переменная отсутствует во всех областях? Если переменная не найдена в LEGB, Python выдаст NameError

def func():
    print(y)  # Ошибка: y не объявлена!

func()  

Ошибка

NameError: name 'y' is not defined

🚩`Built-in` — встроенные функции Python в последнюю очереде проверяет встроенные функции (print(), len(), sum() и т. д.).

print = "Ошибка!"  # Переопределили встроенную функцию
print("Hello")  # TypeError: 'str' object is not callable

Ставь 👍 и забирай 📚 Базу знаний

🚀 Хочешь освоить Python с нуля — и наконец начать писать код? У Академии программирования электронных устройств стартует курс «Программирование на Python» — базовый уровень, идеально для тех, кто только начинает путь в IT. Самая низкая цена на курсы по python! 💡 Что ждёт тебя: • пошаговое обучение с практикой и понятными объяснениями; • полное погружение: установка, первая программа, типы данных, коллекции, функции, ООП, работа с файлами и модулями. • индивидуальные (один на один!) онлайн-консультации с преподавателем-практиком с богатым опытом разработки и применения Python в реальных проектах; • групповые консультации с разбором вопросов от учеников; • проверка домашних заданий и разбор ошибок; • доступ к базе знаний на 12 месяцев и закрытому клубу выпускников: общайся, задавай вопросы, расти дальше. ❗️Возможность использовать промокод за проверку знаний — получай скидку до 30% при оформлении. Чтобы получить скидку, нажимай ссылку "ПОЛУЧИТЬ ПРОМОКОД" на сайте! 📅 Начало: 10 ноября 2025 г. — осталось ограниченное число мест. Преподаватель с опытом работы более 17 лет в IT Выполнял проекты различной сложности. Вырос до руководителя отдела, руководителя проектов. Занимается продвижением различных веб проектов и созданию ИИ агентов и ботов. Использует языки программирования Python, JS, PHP, а так же SQL, CSS, HTML. Подробнее о курсе и запись: по ссылке Не откладывай — начни программировать уже в этом месяце!

🤔 Какие JOIN методы есть? - Nested Loop Join — переборка строк (для малых таблиц); - Merge Join — эффективен при сортированных данных; - Hash Join — создание хеш-таблицы для одного источника и поиск по ней; - Cross Join — декартово произведение. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний

🤔 В чем отличие @foobar от @foobar()? В Python @ используется для декораторов, и разница между @foobar и @foobar() заключается в том, вызывается ли сам декоратор с параметрами или без. 🟠`@foobar` — декоратор без вызова Если мы пишем @foobar, то используется сам декоратор как есть, без передачи аргументов.

def foobar(func):
    def wrapper():
        print("Декоратор вызван!")
        return func()
    return wrapper

@foobar  # Просто передаём функцию в декоратор
def hello():
    print("Hello, world!")

hello()

Вывод

Декоратор вызван!
Hello, world!

🟠`@foobar()` — декоратор с вызовом (и параметрами) Если декоратор принимает параметры, то он сначала вызывается (foobar()), а потом возвращает сам декоратор.

def foobar(arg):
    def decorator(func):
        def wrapper():
            print(f"Декоратор вызван с аргументом: {arg}")
            return func()
        return wrapper
    return decorator

@foobar("Привет")  # Вызываем foobar("Привет"), который вернёт реальный декоратор
def hello():
    print("Hello, world!")

hello()

Вывод

Декоратор вызван с аргументом: Привет
Hello, world!

Ставь 👍 и забирай 📚 Базу знаний

Запустите рекламу в телеграм-каналах с Яндекс Директом Перфоманс-реклама теперь в телеграм-каналах ⚡ Яндекс Директ знает, как привлечь целевую аудиторию 💰👌 Попробовать #реклама yandex.ru О рекламодателе

🤔 Что будет, если декоратор не возвращает ничего? Оригинальный объект будет заменён на None, что приведёт к ошибке при попытке вызова. Это типичная ошибка при написании декоратора без return. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний

Начни карьеру в кибербезопасности Ищешь перспективную профессию, в которую не нужно пробиваться годами? Кибербезопасность — востребованная сфера с острой нехваткой специалистов: 👌 Более 50 000 открытых вакансий. 👌 Стартовая зарплата - 70 000 рублей. 👌 Низкая конкуренция. 👌 Можно обучиться за полгода. С чего начать и как построить карьеру, расскажут эксперты «Солара» на вебинаре 14 ноября. Какие профессии доступны новичкам без опыта и как быстро их освоить. Как найти свою первую работу. Какие ошибки допускают новички в начале пути. Всем участникам дадим пошаговый план по саморазвитию и быстрому старту в кибербезопасность. Зарегистрироваться #реклама 16+ rt-solar.ru О рекламодателе

🤔 Как в питоне реализуется многопоточность. Какими модулями? Многопоточность в Python реализуется с помощью модуля threading, но из-за GIL (Global Interpreter Lock) потоки не могут выполняться параллельно на нескольких ядрах. 🟠Модуль `threading` (многопоточность, но с GIL) Модуль threading позволяет запускать несколько потоков (threads) в одном процессе.

import threading
import time

def task(name):
    print(f"{name} начал работу")
    time.sleep(2)  # Имитация задержки
    print(f"{name} завершил работу")

# Создаём два потока
t1 = threading.Thread(target=task, args=("Поток 1",))
t2 = threading.Thread(target=task, args=("Поток 2",))

t1.start()
t2.start()

t1.join()
t2.join()
print("Все потоки завершены")

Вывод

Поток 1 начал работу
Поток 2 начал работу
(пауза 2 секунды)
Поток 1 завершил работу
Поток 2 завершил работу
Все потоки завершены

🟠Модуль `multiprocessing` (настоящая параллельность) В отличие от threading, модуль multiprocessing создаёт отдельные процессы, которые могут выполняться на разных ядрах процессора.

import multiprocessing
import time

def task(name):
    print(f"{name} начал работу")
    time.sleep(2)
    print(f"{name} завершил работу")

if __name__ == "__main__":
    p1 = multiprocessing.Process(target=task, args=("Процесс 1",))
    p2 = multiprocessing.Process(target=task, args=("Процесс 2",))

    p1.start()
    p2.start()

    p1.join()
    p2.join()
    print("Все процессы завершены")

🟠Модуль `concurrent.futures` (более удобный API) Этот модуль позволяет легко управлять потоками (ThreadPoolExecutor) и процессами (ProcessPoolExecutor).

from concurrent.futures import ThreadPoolExecutor
import time

def task(n):
    time.sleep(2)
    return f"Готово: {n}"

with ThreadPoolExecutor(max_workers=2) as executor:
    results = executor.map(task, [1, 2, 3])
    
for result in results:
    print(result)

Пример ProcessPoolExecutor (процессы)

from concurrent.futures import ProcessPoolExecutor

def square(n):
    return n * n

with ProcessPoolExecutor() as executor:
    results = executor.map(square, [1, 2, 3, 4])

print(list(results))  # [1, 4, 9, 16]

🟠Модуль `asyncio` (асинхронность, не потоки!) Модуль asyncio не создаёт потоки или процессы, а работает через "корутины" и цикл событий (event loop).

import asyncio

async def task():
    print("Начало")
    await asyncio.sleep(2)  # Не блокирует другие задачи
    print("Конец")

async def main():
    await asyncio.gather(task(), task())

asyncio.run(main())

Ставь 👍 и забирай 📚 Базу знаний

Бесплатный курс по дизайну: веб, графический и UX/UI Научись создавать дизайн сайтов и приложений, инфографику для карточек на маркетплейсах и работать в Figma! Студенты курса в среднем зарабатывают от 68 000 ₽ уже во время обучения💰 Этот курс для тебя, если ты: ✅ мечтаешь о новой профессии в digital, но не знаешь, с чего начать; ✅ чувствуешь, что хочешь большего — свободы, самореализации, творчества; ✅ полный новичок и хочешь систему, а не хаос; ✅ хочешь начать зарабатывать удалённо. Зарегистрироваться #реклама 16+ ydaev.ru О рекламодателе

🤔 Разница URI и URL? - URI — это общее понятие: любой способ идентификации ресурса. - URL — это конкретный тип URI, указывающий, где найти ресурс и как его получить. То есть все URL — это URI, но не все URI — это URL. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний

🤔 Как работает хеш мап? Хеш-таблица (HashMap) — это структура данных, которая позволяет быстро хранить и искать пары ключ → значение. В Python её аналогом является dict. 🚩Основная идея Ключ проходит через хеш-функцию → превращается в число (индекс). Значение сохраняется в массиве по этому индексу. При поиске: ключ снова хешируется, и мы мгновенно находим нужное значение. 🚩Как это работает в Python? Создание хеш-таблицы (dict)

hash_map = {}  # Пустой словарь
hash_map["apple"] = 10  # Добавляем элемент
hash_map["banana"] = 20

print(hash_map["apple"])  # 10

🟠Хеширование ключа Ключи сначала хешируются с помощью встроенной функции hash().

print(hash("apple"))  # Например: 2837462816
print(hash("banana"))  # Другое число

🟠Разрешение коллизий Иногда разные ключи могут давать одинаковый хеш. Это называется коллизией. Python использует метод цепочек (Chaining): Если у двух ключей один хеш, они хранятся в виде списка в одной ячейке.

hash_map = { "key1": 100, "key2": 200 }
print(hash("key1") % 10)  # Допустим, 4
print(hash("key2") % 10)  # Тоже 4 (коллизия!)

# Python хранит их в одной ячейке как список [(key1, 100), (key2, 200)]

🟠Динамическое расширение При заполнении хеш-таблицы, если она становится слишком загруженной, Python автоматически увеличивает её размер, чтобы избежать замедления.

d = {}  # Создаём пустой dict
for i in range(1000):
    d[i] = i

print(len(d))  # 1000, Python сам расширил таблицу

🟠Удаление элементов Удаление также выполняется за O(1)

del hash_map["apple"]  # Мгновенно удаляем

Ставь 👍 и забирай 📚 Базу знаний

🤔 Что происходит в момент итерации по списку? При итерации по списку в Python, интерпретатор последовательно обращается к каждому элементу списка. Это может быть реализовано с помощью цикла `for`, который автоматически вызывает метод `__iter__` списка для получения итератора, а затем последовательно вызывает `__next__` для доступа к каждому элементу. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний

🤔 Что такое SDLC? Это методология управления процессом создания программного обеспечения, которая включает в себя последовательность этапов и действий, необходимых для разработки, тестирования, развертывания и поддержки программных продуктов. Цель SDLC — обеспечить структурированный и эффективный подход к разработке ПО, минимизируя риски и повышая качество конечного продукта. 🚩Основные этапы SDLC 🟠Планирование и анализ требований (Planning and Requirements Analysis) На этом этапе определяются цели проекта, анализируются потребности и требования к системе. Включает сбор требований от заинтересованных сторон, анализ бизнес-процессов и создание документации с описанием требований. Встречи с клиентами и пользователями для определения функций системы. Документирование функциональных и нефункциональных требований. 🟠Проектирование (Design) На этапе проектирования разрабатывается архитектура системы и ее компоненты. Создаются технические спецификации, включая схемы базы данных, диаграммы классов и интерфейсов, а также детализируется план реализации.Разработка диаграмм UML.Создание прототипов пользовательского интерфейса.Проектирование архитектуры системы. 🟠Разработка (Implementation or Coding) На этом этапе осуществляется непосредственная разработка программного обеспечения на основе спецификаций, созданных на предыдущем этапе. Кодирование выполняется в соответствии с выбранными языками программирования и инструментами разработки. Написание кода для модулей и компонентов системы. Интеграция различных компонентов системы. Регулярное использование систем контроля версий (например, Git). 🟠Тестирование (Testing) Этап тестирования включает проверку и валидацию системы для обнаружения и исправления ошибок. Тестирование проводится в различных формах, включая юнит-тестирование, интеграционное тестирование, системное тестирование и приемочное тестирование. Автоматизированное тестирование с использованием фреймворков, таких как pytest или JUnit. Ручное тестирование функциональности и пользовательского интерфейса. Тестирование производительности и безопасности. 🟠Развертывание (Deployment) На этом этапе программное обеспечение разворачивается в рабочей среде и становится доступным пользователям. Включает настройку серверов, развертывание баз данных и настройку инфраструктуры. Развертывание на облачных платформах, таких как AWS или Azure. Настройка и конфигурация серверов и сетей. Миграция данных и начальная загрузка данных. 🟠Поддержка и сопровождение (Maintenance) Этап поддержки и сопровождения включает в себя обслуживание и улучшение системы после ее развертывания. Включает исправление ошибок, обновление функциональности и оптимизацию производительности. Обновление системы безопасности. Внесение изменений на основе отзывов пользователей. Обслуживание серверов и баз данных. Ставь 👍 и забирай 📚 Базу знаний

Курс "Дизайн карточек для WB и Ozon". Бесплатно и с нуля Дизайнер карточек для маркетплейсов — востребованная и доходная профессия 💰 Научись ей бесплатно! - Бесплатный доступ - Разбор ДЗ от наставника - Мощные кейсы в портфолио Узнать больше #реклама 16+ yudaevschool24.online О рекламодателе

🤔 Что такое и чем отличается old-style от new-style classes? Old-style классы были в Python 2 и не наследовали object. В Python 3 все классы автоматически new-style и обладают расширенными возможностями. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний

🤔 Что такое паттерн Стратегия (Strategy) ? Это поведенческий паттерн проектирования, который определяет семейство алгоритмов, инкапсулирует каждый из них и делает их взаимозаменяемыми. Паттерн "Стратегия" позволяет изменять алгоритмы независимо от клиентов, которые их используют. 🚩Зачем нужен данный паттерн? 🟠Изоляция алгоритмов Позволяет инкапсулировать различные алгоритмы и использовать их независимо. 🟠Упрощение кода Устраняет дублирование кода и упрощает классы, которые используют эти алгоритмы. 🟠Гибкость и расширяемость Легко добавлять новые алгоритмы или изменять существующие без изменения клиентского кода. 🚩Как работает данный паттерн? 🟠Стратегия (Strategy) Интерфейс, определяющий общий метод, который должны реализовать все алгоритмы. 🟠Конкретные стратегии (ConcreteStrategy) Реализации различных алгоритмов, которые реализуют интерфейс стратегии. 🟠Контекст (Context) Класс, использующий стратегию для выполнения задачи.

from abc import ABC, abstractmethod

# Интерфейс стратегии
class Strategy(ABC):
    @abstractmethod
    def sort(self, data):
        pass

# Конкретные стратегии
class BubbleSortStrategy(Strategy):
    def sort(self, data):
        print("Sorting using Bubble Sort")
        for i in range(len(data)):
            for j in range(0, len(data)-i-1):
                if data[j] > data[j+1]:
                    data[j], data[j+1] = data[j+1], data[j]

class QuickSortStrategy(Strategy):
    def sort(self, data):
        print("Sorting using Quick Sort")
        self.quick_sort(data, 0, len(data) - 1)

    def quick_sort(self, data, low, high):
        if low < high:
            pi = self.partition(data, low, high)
            self.quick_sort(data, low, pi - 1)
            self.quick_sort(data, pi + 1, high)

    def partition(self, data, low, high):
        pivot = data[high]
        i = low - 1
        for j in range(low, high):
            if data[j] <= pivot:
                i = i + 1
                data[i], data[j] = data[j], data[i]
        data[i + 1], data[high] = data[high], data[i + 1]
        return i + 1

# Контекст
class SortingContext:
    def __init__(self, strategy: Strategy):
        self._strategy = strategy

    def set_strategy(self, strategy: Strategy):
        self._strategy = strategy

    def sort(self, data):
        self._strategy.sort(data)

# Клиентский код
data = [5, 2, 9, 1, 5, 6]

context = SortingContext(BubbleSortStrategy())
context.sort(data)
print(data)  # [1, 2, 5, 5, 6, 9]

context.set_strategy(QuickSortStrategy())
data = [3, 7, 8, 5, 2, 1, 9, 5, 4]
context.sort(data)
print(data)  # [1, 2, 3, 4, 5, 5, 7, 8, 9]

🚩Плюсы и минусы ➕Изоляция алгоритмов Алгоритмы инкапсулируются в отдельные классы, что упрощает их замену и добавление. ➕Упрощение кода Контекст использует стратегии, избегая громоздких условных операторов. ➕Гибкость и расширяемость Легко добавлять новые стратегии без изменения существующего кода. ➖Усложнение структуры кода Добавление множества классов стратегий может усложнить проект. ➖Контекст знает о стратегиях Контекст должен знать о всех возможных стратегиях, чтобы иметь возможность их переключать. 🚩Когда использовать данный паттерн? Когда есть несколько вариантов алгоритмов для выполнения задачи. Когда нужно динамически выбирать алгоритм во время выполнения. Когда необходимо избежать множества условных операторов для выбора алгоритма. Ставь 👍 и забирай 📚 Базу знаний

SOC Forum 2025 онлайн: все профи кибербеза в одном месте 📅 18–20 ноября пройдет ключевое событие Недели кибербезопасности — SOC Forum. 👍 Ведущие эксперты соберутся, чтобы обсудить самые острые темы и представить лучшие практические кейсы: каждый доклад прошел строгий отбор, так что вас ждет концентрат пользы. ⚡ Станьте частью форума даже онлайн! Помимо прямой трансляции лекций, для удаленных участников будут работать «Кибербез ТВ» и радиостанция «ЭХО лОСЕЙ» — с новостными дайджестами, эксклюзивными интервью, мастер-классами и специальными сюжетами, доступными только в онлайн-формате. ✅ Зарегистрируйтесь, и мы пришлем напоминание перед стартом. Узнать больше #реклама 16+ registration.forumsoc.ru О рекламодателе

🤔 Можно ли извлечь элемент генератора по индексу? Нет, генераторы не поддерживают индексацию. Их элементы можно получить только путём итерации. Ставь 👍 если знал ответ, 🔥 если нет Забирай 📚 Базу знаний

📺 База 1000+ реальных собеседований На программиста, тестировщика, аналитика, проджекта и другие IT профы. Есть собесы от ведущих компаний: Сбер, Яндекс, ВТБ, Тинькофф, Озон, Wildberries и т.д. 🎯 Переходи по ссылке и присоединяйся к базе, чтобы прокачать свои шансы на успешное трудоустройство!

🤔 В чем отличия pytz от datetime? 🟠`datetime` – встроенный модуль Python Модуль datetime позволяет работать с датами и временем, но по умолчанию он не поддерживает часовые пояса.

from datetime import datetime

dt = datetime.now()  # Получаем текущую дату и время
print(dt)  # Например: 2024-02-28 14:30:00.123456
print(dt.tzinfo)  # None (нет информации о часовом поясе)

🟠`pytz` – внешний модуль для работы с часовыми поясами Библиотека pytz добавляет поддержку часовых поясов и позволяет работать с разными временными зонами.

from datetime import datetime
import pytz

tz = pytz.timezone("Europe/Moscow")  # Часовой пояс Москвы
dt = datetime.now(tz)  # Получаем текущее время с учетом часового пояса

print(dt)  # Например: 2024-02-28 17:30:00+03:00
print(dt.tzinfo)  # Europe/Moscow

🚩Как работать с часовыми поясами правильно? Создание datetime с часовым поясом pytz

dt = datetime(2024, 2, 28, 15, 0)  # Наивная дата
tz = pytz.timezone("Europe/Moscow")
dt = tz.localize(dt)  # Присваиваем часовой пояс
print(dt)  # 2024-02-28 15:00:00+03:00

Конвертация времени между часовыми поясами

ny_tz = pytz.timezone("America/New_York")
ny_time = dt.astimezone(ny_tz)
print(ny_time)  # Конвертированное время в Нью-Йорке

Использование UTC (лучший подход для серверов)

utc_now = datetime.now(pytz.UTC)  # Текущее время в UTC
print(utc_now)  # Например: 2024-02-28 14:30:00+00:00

Ставь 👍 и забирай 📚 Базу знаний