Стать Python-разработчиком после PHP оказалось сложнее, чем подняться на Оштен (гора Кавказского хребта, 2804 метра). Нет, подняться на Оштен вполне посильная задача, нужна небольшая подготовка. Вот и я думал, что три года опыта коммерческой разработки на PHP мне дадут крылья. Это должна была быть "небольшая подготовка", чтобы сразу оказаться на середине горы или хотя бы у её подножия. Все оказалась слегка не так. Больше половины компаний не отвечают. Возможно, увидели, что у меня нет Python в разделе с опытом работы. Остается только догадываться. Кто-то не сообщает об оценке тестового задания. Каков мой настрой? Что ж, его качает, но все же просто дайте мне точку опоры (пару лет опыта на Python), и я переверну Землю!
Если ты сейчас решаешь похожий вопрос – советую продолжать учиться, практиковаться и договариваться о новых собеседованиях. Чтобы не растерять знания по дороге, я сделал для себя небольшую базу знаний с ответами на основные вопросы, которые касаются Python. Я на них часто отвечаю при первой беседе с компанией и на техническом интервью. Для подготовки этой базы я изучал публичные собеседования на должность Junior Python-разработчика и опыт технических интервьюеров. Помогли и собственные карандашные записи со встреч. Ты спросишь: "Зачем нужны эти знания, ты можешь мне сказать?" А я отвечу как дневник одного злого волшебника: "Нет. Но я могу показать". На одном собеседовании технический специалист сказал, что я знаю о Python больше, чем некоторые программисты уровня Middle. Жаль, что тогда мне не хватило знаний о базах данных.
К каждому вопросу я подобрал пример кода. Это поможет лучше разобраться и запомнить, как оно там все в этом змеином языке устроено.
Какие основные типы данных есть в Python?
В Python основные типы данных делятся на две группы: неизменяемые (immutable) и изменяемые (mutable). К неизменяемым типам данных относятся:
NoneType
bool (True или False)
int (так же float, long, complex)
str
tuple – кортеж
frozenset – неизменяемое множество (содержит уникальные значения)
К изменяемым типам данных относятся:
list – список
dict – словарь
set – множество (содержит уникальные значения)
Значения 0 и False, а так же 1 и True считаются эквивалентными, поэтому они объединяются при создании множества (set или frozenset).
# tuple (кортеж) newTuple = (1, 3.14, "Harry", True) # frozenset (неизменяемое множество) newFrz = frozenset([1, 3.14, "Harry", True, 3.14]) print(type(newFrz), newFrz) # <class 'frozenset'> frozenset({1, 3.14, 'Harry'}) # list (список) newList = [1, 3.14, "Harry", True] # dict (словарь) newDict = { True: 1, "pi": 3.14, "name": "Harry", 1: True } # set (множество) newSet = set([1, 3.14, "Harry", True, 3.14, 1]) print(type(newSet), newSet) # <class 'set'> {1, "Harry", 3.14}
Чем отличаются операторы == и is?
В Python все является объектом (экземпляром какого-либо класса). А переменная – это просто имя, которому сопоставлено некоторое значение. Оператор == проверяет равенство значений.
Оператор is проверяет идентичность самих объектов. Его используют, чтобы удостовериться, что переменные указывают на один и тот же объект в памяти.
list1 = [1, 3.14, "Harry", True] list2 = [1, 3.14, "Harry", True] print(id(list1), id(list2), list1 == list2, list1 is list2) # 937664 937984 True False list3 = list1 print(id(list1), id(list3), list1 == list3, list1 is list3) # 937664 937664 True True
В комментариях к статье мне указали, что только в частном случае (а не всегда), переменные с одинаковым значением могут быть идентичными. Пример с переменными типа float:
a = 3.14 b = 3.14 print(id(a), id(b), a == b, a is b) # 170944 170944 True True
Почему a is b возвращает True? Python (CPython, если быть точнее) в целях производительности кэширует некоторые строки и числа, поэтому возможны такие казусы.
Ниже приведен пример класса, любой экземпляр которого всегда равен (==) всему, чему угодно. В то же время, экземпляр этого класса не является (is) другим экземпляром этого же класса и ничем другим кроме самого себя.
class AlwaysEqual(object): def __eq__(self, other): return True instance = AlwaysEqual() print(instance == 42) # True print(instance is 42) # False print(instance is AlwaysEqual()) # False print(instance is instancе) # True instancе2 = instance print(instancе2 is instance) # True
Спасибо комментаторам этой статьи и ребятам, которые ответили на вопрос на Хабр Q&A.
Как в Python передаются аргументы в функцию (изменяемые и неизменяемые)?
Думаю, что это тот самый вопрос, который может вызвать небольшую дискуссию на собеседовании. Давайте разбираться. Далее пример функции, принимающей аргумент изменяемого типа (list). Вызовем эту функцию три раза и выведем результат:
def some_function(some_arg: list = []): some_arg.append(1) return some_arg print(some_function()) # [1] print(some_function()) # [1, 1] print(some_function()) # [1, 1, 1]
В данном примере видно, что аргумент не будет каждый раз при вызове функции иметь пустой список.
Но если переменная some_arg имеет, например, тип int, то каждый раз при вызове функции аргументу some_arg будет присваиваться 0. Поэтому, вызвав новую функцию три раза, результат будем следующим:
def some_function(some_arg: int = 0): some_arg = some_arg + 1 return some_arg print(some_function()) # 1 print(some_function()) # 1 print(some_function()) # 1
Стоит разобрать примеры с передачей переменных разных типов в функцию.
Пример со списком:
def foo(value): print("a in function", id(value), value) value[0] = 1 print("a in function", id(value), value) a = [1000] print("a", id(a), a) foo(a) print("a", id(a), a) # a 60795240 [1000] # a in function 60795240 [1000] # a in function 60795240 [1] # a 60795240 [1]
Видно, что при изменение значения a[0] внутри функции, значение a[0] изменилось и вне ее. Адрес памяти один и тот же. Значит в функцию a передается по ссылке.
Другой пример уже с числом:
def foo(value): print("a in function", id(value), value) value = 1 print("a in function", id(value), value) a = 1000 print("a", id(a), a) foo(a) print("a", id(a), a) # a 61223712 1000 # a in function 61223712 1000 # a in function 1721690624 1 # a 61223712 1000
Переменная a передается в функцию, значение внутри функции изменяется и меняется адрес памяти, а вне функции остается тот же адрес памяти и то же значение, что и при объявлении.
Многие интервьюеры ожидали ответ, что изменяемые передаются по ссылкам, а неизменяемые – по значениям.
С другой стороны, в список вносятся изменения и это происходит без создания нового объекта, а операция с числовой переменной предполагает создание нового объекта с новым адресом памяти. Действия только кажутся одинаковыми, но они разные по своей механике. Поэтому можно утверждать, что и изменяемые, и неизменяемые передаются по ссылкам. Я считаю верным именно это утверждение.
Что такое *args и **kwargs? Чем представлены?
*args – аргумент, который принимает в себя неограниченное количество позиционных аргументов функции. В Python *args представлен как кортеж (tuple). Пример функции с *args:
def some_function(*some_args): for i, x in enumerate(some_args): print(f'[{i}] = {x}') some_function(10, 25, 33) # [0] = 10 # [1] = 25 # [2] = 33
**kwargs – аргумент, который принимает в себя неограниченное количество аргументов функции с помощью ключевых слов. В Python **kwargs представлен как словарь (dict). Пример функции с **kwargs:
def some_function2(**some_args): for i, x in some_args.items(): print(f'[{i}] = {x}') some_function2(one=10, two=25, three=33) # [one] = 10 # [two] = 25 # [three] = 33
Что такое аннотации типов? Зачем они нужны?
Аннотация типов – это подсказка о типе данных к переменной или к аргументу функции. Пример:
price: int = 5 title: str def some_function(x: str, y: int) -> str: return f'x = {x}, y = {y}'
Применяется, во-первых, для того, чтобы программист, который будет читать ваш код, знал, какие переменные какие типы данных ожидают. Во-вторых, в современных IDE (например, в PyCharm) подсвечиваются ошибки, связанные с типами данных переменных и аргументов функции.
Аннотации типов выполняются не в runtime.
Что происходит при операции a = b?
При присваивании b значения a, переменная b всегда будет ссылаться на тот же адрес памяти, что и a.
Здесь так же важно помнить, что есть операции, которые предполагают создание нового объекта. Они изменяют ссылку переменной. Например, а += 10.
Изучить подробнее разницу между созданием объекта и изменением объекта можно с помощью функции id(object). Но помните про то, что Python сохраняет некоторые значения в кэш.
Что такое тернарный оператор? Как записывается?
Тернарный оператор – это обычная конструкция if, которая для удобства читаемости и лаконичности синтаксиса записана в одну строку. Пример кода:
result = "A больше B" if a > b else "A не больше B"
Как оценивается сложность алгоритмов? Что такое нотация Big O?
Сложность алгоритмов оценивается с помощью нотации Big O (большое О). Измерять скорость алгоритма во времени не показательно, поскольку скорость работы любого алгоритма в том числе зависит от мощности компьютера. Поэтому используется оценка алгоритма с точки зрения атомарных операций, которые происходят внутри него. Основные сложности (в порядке возрастания):
O(1)– константнаяO(log2(n))– логарифмическаяO(n)– линейнаяO(n * log(n))– квазилинейнаяO(n^2)– квадратичнаяO(n!)– факториальная
Какая сложность основных операций в списке (list) и словаре (dict)?
В списке:
Средний случай | Худший случай | |
Append | O(1) | O(1) |
Pop last | O(1) | O(1) |
Pop intermediate | O(n) | O(n) |
Insert | O(n) | O(n) |
Get Item | O(1) | O(1) |
Set Item | O(1) | O(1) |
Delete Item | O(n) | O(n) |
x in s | O(n) | |
min(s), max(s) | O(n) |
В словаре:
Средний случай | Худший случай | |
Get Item | О(1) | О(n) |
Set Item | О(1) | О(n) |
Delete Item | О(1) | О(n) |
k in d | О(1) | О(n) |
Сложность этих и других операций указана в документации.
На собеседовании у меня случилась дискуссия с техническим специалистом. Спор касался способа хранения в памяти списка (list). Я утверждал, что в памяти список представлен массивом, а не связанным списком. Моим аргументом была скорость работы основных операций списка (list), который характерен для массива, а не для связанного списка. К слову, мы не решили кто прав.
На Хабре я нашел хорошую статью, где как раз описывается внутреннее устройство list в Python. Он хранится как массив. Об этом говорится и в документации. Спасибо комментаторам этой статьи, что помогли разобраться.
В рамках этой статьи я описал ответы на несколько основных вопросов, которые мне задают на собеседованиях на должность Junior Python-разработчика. Это первая часть материала. К тому же, это моя первая статья на Хабре. Проба пера. Надеюсь, что материал оказался для вас полезным и интересным. Я планирую продолжить его и описать еще часть ответов на основные вопросы.
Желаю вам всего доброго и мирного неба над головой.
Шалость удалась!
