❓ Вопрос на собеседовании

Как работает метод __new__() в Python?

Ответ ⬇️
Метод __new__() создает новый экземпляр класса, выделяя память для объекта. Он вызывается до метода __init__(), который уже занимается инициализацией созданного экземпляра. Это важно для работы с неизменяемыми типами, такими как str или int, а также в случаях, когда нужно контролировать процесс создания объекта, например, в паттерне Singleton.

Python Learning 👩‍💻

➡️ Использование модуля contextlib.AsyncExitStack для управления асинхронными ресурсами

AsyncExitStack из модуля contextlib позволяет динамически управлять асинхронными ресурсами, такими как файлы, сетевые соединения или блокировки, создавая стек контекстных менеджеров. Это полезно, когда требуется работать с неизвестным заранее количеством контекстных менеджеров.

🗣 Этот инструмент помогает гибко работать с ресурсами в асинхронном коде, упрощая управление их инициализацией и освобождением.

✔️ AsyncExitStack позволяет добавлять и обрабатывать несколько контекстных менеджеров в асинхронном режиме, гарантируя корректное завершение работы с ресурсами.

Python Learning 👩‍💻

PyOgre

PyOgre — это связка Python с OGRE (Object-Oriented Graphics Rendering Engine), мощным 3D-движком, написанным на C++. Она позволяет разработчикам создавать игры, демо-версии и другие 3D-приложения, используя Python.

Python — более простой и понятный язык, чем C++, что делает PyOgre более доступным для начинающих разработчиков. PyOgre позволяет использовать Python для создания сложных 3D-приложений, сохраняя при этом высокую производительность OGRE.

Python Learning 👩‍💻

⌛ Что будет выведено при выполнении кода?

Python Learning 👩‍💻

Функция sample()

Функция sample() модуля random в Python возвращает случайную выборку элементов из последовательности. В первом параметре функции указываем последовательность, во втором параметре — количество элементов, которые мы хотим выбрать случайным образом.

Python Learning 👩‍💻

➡️ Использование функции functools.cache для кэширования результатов

functools.cache — это полезный инструмент для кэширования результатов функций, что позволяет существенно ускорить выполнение программы при многократных вызовах с одинаковыми аргументами. Кэширование помогает избежать повторных вычислений, особенно в случае дорогостоящих операций.

🗣 Это полезно при работе с рекурсивными функциями или задачами, которые требуют повторяющихся вычислений.

✔️ Отличное решение для оптимизации кода и повышения производительности.

Python Learning 👩‍💻

➡️ Использование библиотеки EdgeDB для работы с базами данных на Python

EdgeDB — это база данных и клиентская библиотека для Python, которая предлагает более современный и удобный подход к управлению схемами и запросами по сравнению с традиционными SQL базами данных.

Она поддерживает реляционные данные, но при этом использует запросы в стиле графов и обеспечивает автоматическое управление схемами.

• EdgeDB — отличный выбор для тех, кто хочет работать с базами данных, избегая сложности традиционного SQL и улучшая удобство работы с данными.

🔗 Ссылочка на доку

Python Learning 👩‍💻

➡️ Использование модуля zoneinfo для работы с временными зонами в Python

Модуль zoneinfo, добавленный в Python 3.9, позволяет работать с временными зонами, используя базу данных IANA.

🗣 Это полезно для приложений, которые работают с пользователями из разных часовых поясов или управляют расписаниями событий.

✔️ Отличное решение для точного управления датами и временем с учётом локальных особенностей.

Python Learning 👩‍💻

➡️ Использование библиотеки fastjsonschema для валидации JSON-схем в Python

fastjsonschema — это новая библиотека, выпущенная в 2024 году, которая обеспечивает высокопроизводительную валидацию JSON-документов на основе схем.

Она значительно быстрее большинства аналогов, таких как jsonschema, и идеально подходит для проектов, где критична скорость обработки данных.

• fastjsonschema — отличный выбор для тех, кому важна производительность при работе с JSON-схемами.

🔗 Ссылочка на доку

Python Learning 👩‍💻

❓ Вопрос на собеседовании

Как работают дескрипторы в Python и в каких случаях их полезно использовать?

Ответ ⬇️
Дескриптор — это класс, который реализует методы доступа __get__, __set__ и/или __delete__. Дескрипторы полезны для создания управляемых атрибутов, например, для валидации или кэширования данных.

Пример использования ⚙️

class Descriptor:
def __get__(self, instance, owner):
return instance._value

def __set__(self, instance, value):
if value < 0:
raise ValueError("Значение должно быть положительным!")
instance._value = value

class MyClass:
value = Descriptor()

def __init__(self, value):
self.value = value

obj = MyClass(10)
print(obj.value) # 10
obj.value = -5 # Ошибка: Значение должно быть положительным!

Python Learning 👩‍💻

Очистка элементов в последовательности

Иногда возникает необходимость в удалении ненужных объектов последовательности. Для этого используют itertools, а именно метод compress.

Первым аргументом передаётся контейнер, к примеру список. Вторым аргументом — логические значения, соответствующие элементам в контейнере.

Если логическое значение равно True или 1, то элемент остаётся в последовательности, иначе — удаляется из нее.

Python Learning 👩‍💻

➡️ Использование библиотеки pynecone для создания веб-приложений на Python

pynecone — это библиотека, которая позволяет легко создавать интерактивные веб-приложения с использованием только Python.

• Она упрощает процесс разработки, устраняя необходимость в написании JavaScript, HTML или CSS. Все веб-элементы и взаимодействия описываются непосредственно на Python.

🔗 Ссылочка на доку

Python Learning 👩‍💻

➡️ В чем разница между итераторами и генераторами в Python?

Итераторы — это объекты, которые реализуют методы __iter__() и __next__().

Генераторы — это особый вид итераторов, создаваемых с помощью функций с ключевым словом yield, позволяющие ленивую генерацию значений по одному.

✔️ Генераторы позволяют экономить память, так как значения вычисляются по мере необходимости.

🔗 Почитать подробнее

Python Learning 👩‍💻

➡️ Изменение регистра строк в Python: capitalize, camelCase, snake_case, и kebab-case

Модуль преобразования строк предлагает удобные функции для изменения регистра текста. Вы можете использовать capitalize, чтобы сделать первую букву заглавной, а также преобразовывать строки в форматы camelCase, snake_case, и kebab-case для различных стилей.

✔️ Эта функция полезна для работы с именами переменных, API или форматами данных.

🔗 Почитать подробнее

Python Learning 👩‍💻

❓ Вопрос на собеседовании

Как работают менеджеры контекста в Python, и в каких случаях их полезно использовать?

Ответ ⬇️
Менеджеры контекста в Python используются для управления ресурсами, такими как файлы, сетевые подключения или блокировки, с автоматическим освобождением этих ресурсов по завершении работы. Основное их применение — в тех случаях, когда требуется гарантированное освобождение ресурсов, даже в случае возникновения ошибок. Менеджеры контекста создаются с помощью ключевого слова with, которое автоматически вызывает методы __enter__ и __exit__ у объекта.

Пример использования ⚙️

# Пример менеджера контекста для работы с файлами
with open('example.txt', 'w') as file:
file.write('Hello, world!')

# Файл автоматически закроется после выхода из блока 'with', даже если возникнет ошибка

Python Learning 👩‍💻

os.rename()

В Python функция os.rename() используется для переименования файла или директории в операционной системе. Она входит в модуль os.

Python Learning 👩‍💻

⌛ Что будет выведено при выполнении кода?

Python Learning 👩‍💻

➡️ Использование библиотеки UMAP для снижения размерности данных в Python

UMAP (Uniform Manifold Approximation and Projection) — это библиотека для снижения размерности, которая используется для визуализации и анализа сложных многомерных данных. Она позволяет эффективно проектировать данные на низкоразмерное пространство, сохраняя при этом основные структуры данных.

• UMAP часто используется в задачах кластеризации и визуализации высокоразмерных данных, например, в Data Science.

🔗 Ссылочка на доку

Python Learning 👩‍💻

➡️ Использование библиотеки PyTTI для генеративного искусства с использованием нейронных сетей

PyTTI — это необычная библиотека, которая позволяет создавать произведения искусства с помощью нейронных сетей. Она применяет текстурные трансформации и использует модели машинного обучения для генерации изображений, основанных на текстовых описаниях или других данных.

• PyTTI подходит для экспериментов с искусственным интеллектом в области генерации изображений и видео.

🔗 Ссылочка на доку

Python Learning 👩‍💻