ТОП-20 вопросов с собеседований по Python

📌 Пример вопроса на эту тему 

Вопрос: какие типы данных поддерживает Python и как создать переменные с этими типами? 

Ответ: Python поддерживает несколько встроенных типов данных: числа — целые и с плавающей точкой, строки, списки, кортежи, множества, словари и булевый тип.

Пример кода с разными типами данных:

# Числа

number = 42

float_num = 3.14

# Строки

text = «Hello»

# Списки

my_list = [1, 2, 3]

# Кортежи

my_tuple = (1, 2, 3)

# Множества

my_set = {1, 2, 3}

# Словари

my_dict = {«key»: «value»}

# Булевый тип

is_active = True

📌 Пример вопроса на эту тему 

Вопрос: как использовать циклы ‘for’ и ‘while’ в Python. И когда какой из них применять?

Ответ: циклы ‘for’ используются для перебора элементов в коллекциях, таких как списки или строки. Например: for item in items: print(item). Цикл ‘while’ используется, когда нужно повторять действия до выполнения определенного условия: while condition: do_something(). Важно уметь управлять процессом повторения и правильно использовать условия выхода из цикла.

📌 Пример вопроса на эту тему 

Вопрос: как правильно использовать конструкции ‘if’, ‘elif’ и ‘else’ в Python? 

Ответ: конструкции ‘if’, ‘elif’ и ‘else’ помогают управлять логикой программы, позволяя выполнять код в зависимости от условий. 

Пример кода:

if condition1:

    do_something()

elif condition2:

    do_something_else()

else:

    do_default_thing()

Важно правильно строить условия, чтобы избегать ошибок в логике программы.

📌 Пример вопроса на эту тему 

Вопрос: как работать с элементами словаря в Python?

Ответ: 

# Создаем словарь

user = {‘name’: ‘John’, ‘age’: 25}

# Добавление элемента

user[‘city’] = ‘New York’

# Изменение элемента

user[‘age’] = 26

# Удаление элемента

del user[‘name’]

# Удаление с помощью pop()

city = user.pop(‘city’)

print(user)  # Выведет: {‘age’: 26}

📌 Пример вопроса на эту тему 

Вопрос: как определить и вызывать функции в Python? 

Ответ: чтобы создать функцию, используйте ключевое слово ‘def’, затем вызовите ее по имени. Например:

def greet(name):

    return f»Hello, {name}!»

print(greet(«Мария»))

📌 Пример вопроса на эту тему 

Вопрос: почему важно соблюдать отступы в Python?

Ответ: отступы в Python определяют структуру программы. Неправильное форматирование кода может привести к ошибкам. Нужно строго соблюдать правила отступов, чтобы поддерживать читаемость и корректность программы.

📌 Пример вопроса на эту тему

Вопрос: в чем разница между списком, кортежем и множеством в Python?

Ответ: 

# Список — изменяемый, упорядоченный, с дубликатами

numbers_list = [1, 2, 2, 3]

numbers_list[0] = 5  # Можно изменять элементы

# Кортеж — неизменяемый, упорядоченный, с дубликатами

numbers_tuple = (1, 2, 2, 3)

# numbers_tuple[0] = 5  # Нельзя изменять элементы

# Множество — изменяемое, неупорядоченное, без дубликатов

numbers_set = {1, 2, 2, 3}  # Будет {1, 2, 3}

numbers_set.add(4)  # Можно добавлять элементы

print(numbers_list)  # [5, 2, 2, 3]

print(numbers_tuple)  # (1, 2, 2, 3)

print(numbers_set)  # {1, 2, 3, 4}

📌 Пример вопроса на эту тему

Вопрос: как преобразовать словарь в множество в Python?

Ответ: для преобразования словаря в множество используются встроенные методы Python. При конвертации в множество сохраняются только ключи словаря.

Пример кода:

my_dict = {‘a’: 1, ‘b’: 2, ‘c’: 3}

my_set = set(my_dict)

print(my_set) # Вывод: {‘a’, ‘b’, ‘c’}

Для получения множества значений:

values_set = set(my_dict.values())

print(values_set) # Вывод: {1, 2, 3}

📌 Пример вопроса на эту тему

Вопрос: в каком случае вы бы использовали сортировку слиянием вместо быстрой сортировки? 

Ответ: сортировку слиянием имеет смысл использовать, когда важна стабильность сортировки. А именно, когда нужно сохранять порядок одинаковых элементов. Еще сортировка подходит для больших данных, которые не помещаются в оперативную память, так как работает по принципу разделения данных на части и их обработки. В худшем случае у неё та же сложность, что и в среднем — O(n log n), в отличие от быстрой сортировки, которая в худшем случае имеет сложность O(n^2).

📌 Пример вопроса на эту тему

Вопрос: какие есть основные различия между пузырьковой сортировкой и быстрой сортировкой? 

Ответ: пузырьковая сортировка — это простейший алгоритм, который сравнивает попарно соседние элементы и меняет их местами, если они в неправильном порядке. Это продолжается до тех пор, пока весь массив не отсортирован. 

Сортировка имеет временную сложность O(n^2), что делает ее неэффективной для больших массивов. Быстрая сортировка, напротив, использует принцип «разделяй и властвуй», разбивая массив на подмассивы и сортируя их рекурсивно. Ее средняя временная сложность составляет O(n log n), что делает ее подходящей для больших данных.

💡 Модуль — это файл с расширением .py, содержащий Python-код, который можно использовать в других программах.

💡 Пакет — это каталог, содержащий модули и файлы специального вида.

📌 Пример вопроса на эту тему

Вопрос: что такое инкапсуляция в Python и как она реализуется? 

Ответ: инкапсуляция — это принцип, который подразумевает скрытие внутреннего состояния объекта и ограничение доступа к его данным. В Python инкапсуляция реализуется при помощи приватных методов и атрибутов.

Пример кода с инкапсуляцией:

class Employee:

    def __init__(self, salary):

        self.__salary = salary

    @property

    def salary(self):

        return self.__salary

    @salary.setter

    def salary(self, value):

        if value > 0:

            self.__salary = value

worker = Employee(5000)

print(worker.salary) 

worker.salary = 6000 

📌 Пример вопроса на эту тему

Вопрос: как реализовать полиморфизм в Python? 

Ответ: полиморфизм позволяет объектам разных классов обрабатывать вызовы одноименных методов по-своему. В Python это достигается за счет использования методов с одинаковыми именами в разных классах.

Пример кода:

class Bird:

    def fly(self):

        return «Flying»

class Airplane:

    def fly(self):

        return «Soaring through the sky»

def perform_fly(entity):

    print(entity.fly())

bird = Bird()

airplane = Airplane()

perform_fly(bird)       # Выведет «Flying»

perform_fly(airplane)

📌 Пример вопроса на эту тему

Вопрос: какие классы и методы вы бы создали для реализации простой программы управления библиотекой? 

Ответ: класс Book, который содержит атрибуты: название книги, автор и ISBN. Класс Library управлял бы коллекцией книг, с методами для добавления, удаления и поиска книг. Важно применить инкапсуляцию, чтобы методы могли взаимодействовать только с необходимыми атрибутами.

SQLite — встроенная база данных, которая не требует отдельного сервера для работы. Подходит для небольших проектов и простого тестирования.

PostgreSQL — мощная база данных с поддержкой разных функций. Для работы с ней используется библиотека psycopg2.

📌 Пример вопроса на эту тему

Вопрос: как установить соединение с базой данных PostgreSQL с помощью Python? 

Ответ: с помощью библиотеки psycopg2 для взаимодействия с PostgreSQL из Python. Соединение устанавливается через функцию connect(), где передаются параметры подключения.

Пример кода:

import psycopg2

try:

    connection = psycopg2.connect(

        dbname=»your_dbname»,

        user=»your_username»,

        password=»your_password»,

        host=»localhost»,

        port=»5432″

    )

    cursor = connection.cursor()

    cursor.execute(«SELECT version();»)

    db_version = cursor.fetchone()

    print(f»Connected to: {db_version}»)

except Exception as error:

    print(f»Error: {error}»)

finally:

    if connection:

        cursor.close()

        connection.close()

📌 Пример вопроса на эту тему

Вопрос: какие меры безопасности стоит соблюдать при работе с базами данных, чтобы защитить данные от SQL-инъекций?

Ответ: тремя методами — хранимые процедуры, ограничение прав доступа и валидацией входных данных. 

• Хранимые процедуры — предварительно созданные и проверенные запросы, которые вызываются через API: cursor.callproc(‘get_user’, [user_id]).

• Ограничение прав доступа — каждому пользователю даются только необходимые привилегии в базе данных.

• Валидация входных данных — проверка и очистка всех данных, получаемых от пользователя.

Параллелизм — техника, при которой несколько задач выполняются одновременно, чтобы ускорить процесс. 

Многопоточность — принцип параллельного выполнения нескольких задач внутри одного приложения с общим пространством памяти. В операционных системах потоки работают одновременно благодаря быстрому переключению между ними на уровне процессора.

📌 Пример вопроса на эту тему

Вопрос: какая разница между модулями threading и multiprocessing в Python. Когда их нужно использовать?

Ответ: модуль threading в Python используется для работы с потоками. Он помогает создавать и управлять ими, синхронизировать и организовывать их взаимодействие. Подходит для задач, которые могут выполняться частями и хорошо справляется с задачами ввода-вывода. 

multiprocessing, наоборот, создает отдельные процессы, использующие собственную память. Модуль подходит для задач, требующих использования всех ядер процессора и где важна безопасность изоляции процессов.

Пример кода для threading:

import threading

def print_numbers():

    for i in range(5):

        print(f’Number: {i}’)

thread = threading.Thread(target=print_numbers)

thread.start()

thread.join()

Код-пример для multiprocessing:

from multiprocessing import Process

def print_numbers():

    for i in range(5):

        print(f’Number: {i}’)

process = Process(target=print_numbers)

process.start()

process.join() 

📌 Пример вопроса на эту тему

Вопрос: какие сложности могут возникнуть при использовании threading в Python? 

Ответ: основная сложность — доступ нескольких потоков к общим ресурсам, что может привести к проблемам синхронизации. Иногда это вызывает ошибки — гонки данных, что усложняет отладку и ведет к непредсказуемому поведению программы.

📌 Пример вопроса на эту тему

Вопрос: какая разница между NumPy и pandas? Приведите пример их использования. 

Ответ: NumPy — это библиотека для работы с многомерными массивами, матрицами и математическими функциями. Pandas используется для работы с табличными данными и предоставляет структуры данных и функции для их эффективного манипулирования. 

Например, NumPy часто используется для числовых операций и линейной алгебры. А pandas позволяет легко импортировать, анализировать и обрабатывать данные из таблиц.

Пример кода:

import numpy as np

import pandas as pd

# NumPy пример

array = np.array([1, 2, 3, 4])

print(«NumPy array:», array * 2)  # Умножение всех элементов массива на 2

# pandas пример

data = {‘Name’: [‘John’, ‘Anna’, ‘Peter’], ‘Age’: [28, 24, 35]}

df = pd.DataFrame(data)

print(«DataFrame:\n», df)  

📌 Пример вопроса на эту тему

Вопрос: какое преимущество Flask перед Django и в какой ситуации вы бы использовали Flask? 

Ответ: Flask— это легкий веб-фреймворк, который предоставляет минимальный набор инструментов для построения веб-приложений. Он идеален для создания небольших и простых прототипов, где необходим только базовый функционал. 

Django же предоставляет комплексное решение с разными встроенными функциями, что делает его более подходящим для крупных и сложных проектов. 

Пример кода Flask:

from flask import Flask

app = Flask(__name__)

@app.route(‘/’)

def hello_world():

    return ‘Hello, World!’

if __name__ == ‘__main__’:

    app.run()

📌 Пример вопроса на эту тему

Вопрос: как создать серию временных рядов с pandas и посчитать скользящее среднее?

Ответ: пакет pandas подходит для работы с временными рядами. Создать временной ряд можно, используя pd.date_range(). Для расчета скользящего среднего можно воспользоваться методом .rolling().

Пример кода: 

import pandas as pd

# Создание временного ряда

dates = pd.date_range(start=’2023-01-01′, periods=5)

data = [10, 20, 15, 25, 30]

series = pd.Series(data, index=dates)

# Расчет скользящего среднего

rolling_mean = series.rolling(window=2).mean()

print(«Серия:\n», series)

print(«Скользящее среднее:\n», rolling_mean)

📌 Пример вопроса на эту тему

Вопрос: как с помощью unittest протестировать функцию, которая возвращает квадрат числа? 

Ответ:  

import unittest

def square(x):

    return x * x

class TestSquareFunction(unittest.TestCase):

    def test_square(self):

        self.assertEqual(square(2), 4)

        self.assertEqual(square(-3), 9)

        self.assertEqual(square(0), 0)

if __name__ == ‘__main__’:

    unittest.main()

📌 Пример вопроса на эту тему

Вопрос: как в pytest можно протестировать, что функция поднимает исключение?

Ответ: pytest предлагает специальный способ проверки, что функция вызывает исключения с помощью конструкции pytest.raises.

Пример кода:

import pytest

def divide(x, y):

    if y == 0:

        raise ValueError(«Cannot divide by zero!»)

    return x / y

def test_divide_zero():

    with pytest.raises(ValueError, match=»Cannot divide by zero!»):

        divide(10, 0)

📌 Пример вопроса на эту тему

Вопрос: как с помощью встроенных инструментов Python отладить функцию? 

Ответ: Python предоставляет модуль pdb для встроенной отладки. С его помощью можно выполнять код построчно, просматривать значения переменных и контролировать ход выполнения программы.

Пример кода:

def buggy_function(x, y):

    import pdb; pdb.set_trace()  # Установление точки останова

    result = x + y

    return result

buggy_function(4, ‘2’)  # Предполагаемая ошибка из-за сложения числа и строки