разница между методами str и repr ?
Спросят с вероятностью 3%

Метод str:
- Цель: Возвращает строковое представление объекта, понятное и удобное для пользователя.
- Использование: Вызывается функцией str() и при использовании print().
- Предназначение: Для более дружественного и читаемого представления объекта.

Метод repr:
- Цель: Возвращает строку, представляющую объект официально и, по возможности, позволяющую воссоздать объект при передаче этой строки в eval().
- Использование: Вызывается функцией repr() и отображается интерактивной оболочкой Python для представления объектов.
- Предназначение: Для более точного и детализированного представления объекта, предназначенного для разработчиков.

Основные различия:
1. Контекст использования:
- str предназначен для удобного представления объекта пользователю.
- repr предназначен для официального представления объекта, полезного для отладки и разработки.

2. Вызываемые функции:
- str() и print() используют str.
- repr() и интерактивная оболочка Python используют repr.

3. Содержимое строки:
- str возвращает удобочитаемую строку.
- repr возвращает строку, которая может содержать больше технической информации и может использоваться для воссоздания объекта.

Примеры реализации обоих методов:

class Point:
    def init(self, x, y):
        self.x = x
        self.y = y

    def str(self):
        return f"Point({self.x}, {self.y})"

    def repr(self):
        return f"Point({self.x}, {self.y})"

p = Point(1, 2)

# Использование str

print(str(p))  # Выведет: Point(1, 2)
print(p)       # Выведет: Point(1, 2)

# Использование

 repr

print(repr(p)) # Выведет: Point(1, 2)

Таким образом, метод str возвращает понятное для пользователя строковое представление объекта, используемое функцией str() и print(), в то время как метод repr возвращает официальное строковое представление объекта, используемое функцией repr() и интерактивной оболочкой Python, и часто предназначен для отладки.

🖥 Что означает some-variable ?

Двойное подчеркивание перед и после имени переменной в Python называется "dunder" (Double underscore) и используется для специальных методов и атрибутов, которые могут быть вызваны автоматически. Например, init - это специальный метод, который вызывается при создании экземпляра класса. Другие примеры включают str, len, call, iter, и так далее.

Также могут использоваться "dunder" атрибуты, такие как name, module, doc, file, dict, class, all и другие, которые предоставляют информацию о модуле, классе, функции или другом объекте.

Значение, которое присваивается такой переменной, зависит от контекста использования.

Например, name - это специальный атрибут, который содержит имя текущего модуля.

Обычно используйте двойное подчеркивание только для специальных методов и атрибутов, которые имеют специальный смысл в языке Python, и не используйте такие имена для своих собственных переменных, чтобы избежать конфликтов и неожиданного поведения

🔎Иногда, при разработке программного обеспечения на Python, мы можем столкнуться с ситуациями, когда необходимо явно указать на наличие ошибки.

➡️Когда мы пишем программы, мы стараемся их делать максимально надежными и безопасными. Однако, иногда может возникнуть ситуация, когда мы хотим явно указать на наличие проблемы. Например, если в функции передаются некорректные аргументы или программа не может продолжить выполнение из-за некорректного состояния

➡️Использование оператора raise

Оператор raise в Python позволяет нам создавать исключения вручную. Мы можем указать тип исключения и дополнительное сообщение, которое будет содержаться в исключении.

➡️Вот пример использования оператора raise:

def divide_numbers(a, b):
    if b == 0:
        raise ValueError("Делитель не может быть нулем")
    return a / b

try:
    result = divide_numbers(10, 0)
    print("Результат:", result)
except ValueError as e:
    print("Ошибка:", str(e))

✈️Модуль timeit в Python используется для измерения времени выполнения вашего кода. У него есть как интерфейс командной строки, так и вызываемый интерфейс. Модуль выполнит оператор определенное количество раз (по умолчанию - один миллион) и затем вернет время, затраченное на выполнение. Вот простой пример:

import timeit
print(timeit.timeit('"-".join(str(n) for n in range(100))', number=10000))

⬆️Этот код выполнит оператор "-".join(str(n) for n in range(100)) 10 000 раз и выведет затраченное на это время.

➡️Использование Timeit с функциями

Вы также можете использовать модуль timeit для измерения времени выполнения функций. Вот пример:

import timeit
def my_function():
    return "-".join(str(n) for n in range(100))
print(timeit.timeit(my_function, number=10000))

⬆️В этом примере мы сначала определяем функцию с именем my_function. Затем мы измеряем время выполнения этой функции 10 000 раз и выводим результат

В Python typer — это современная и удобная библиотека для создания CLI-приложений (интерфейсов командной строки).

Применение typer особенно полезно при разработке инструментов командной строки, скриптов автоматизации и других приложений, где требуется взаимодействие с пользователем через терминал.

пример использования typer:

import typer

app = typer.Typer()

@app.command()
def hello(name: str):
    """
    Простое приветствие.
    """
    print(f"Привет, {name}!")

@app.command()
def goodbye(name: str, formal: bool = False):
    """
    Прощание.  Можно сделать формальным.
    """
    if formal:
        print(f"До свидания, {name}!")
    else:
        print(f"Пока, {name}!")

if name == "main":
    app()

⬆️ В этом примере показано создание простого CLI-приложения с двумя командами: "hello" и "goodbye". Команда "hello" принимает один аргумент — имя, и выводит приветствие. Команда "goodbye" принимает имя и опциональный аргумент "formal", который определяет, будет ли прощание формальным.

🔥 Mutable vs Immutable в Python

В Python все данные — это объекты, и они делятся на изменяемые (mutable) и неизменяемые (immutable).

🔹 Неизменяемые (immutable): нельзя изменить после создания
✅ int, float, str, tuple, frozenset

x = "hello"
x += " world"  # Создается новый объект, а не изменяется старый

🔹 Изменяемые (mutable): можно изменять без создания нового объекта
✅ list, dict, set, bytearray

lst = [1, 2, 3]
lst.append(4)  # Список изменяется в той же области памяти

⚠️ Важный нюанс

Передача изменяемых объектов в функцию может привести к неожиданным изменениям:

def modify_list(lst):
    lst.append(99)  # Изменяет оригинальный список!

my_list = [1, 2, 3]
modify_list(my_list)
print(my_list)  # [1, 2, 3, 99]

✅ Вывод:

• Используйте tuple, если данные не должны изменяться.
• Будьте осторожны с изменяемыми объектами при передаче в функции.
• Если нужно копирование, используйте .copy() или deepcopy().

↔️ Разница между is и == в Python

🔹 == (равенство) проверяет, равны ли значения объектов:

a = [1, 2, 3]
b = [1, 2, 3]
print(a == b)  # True (значения одинаковые)

🔹 is (идентичность) проверяет, указывают ли переменные на один и тот же объект в памяти:

print(a is b)  # False (разные объекты)

🔹 Но для immutable-объектов (например, int, str, tuple) Python кеширует значения:

x = 256
y = 256
print(x is y)  # True (указывают на один объект)

✅ Используйте == для сравнения значений и is для проверки, ссылаются ли переменные на один объект в памяти!

❓ Что делает метод new в Python и когда его использовать?

Метод new отвечает за создание нового экземпляра класса перед его инициализацией в init. Он используется в случаях, когда нужно контролировать процесс создания объекта, например, в синглтонах или при наследовании от неизменяемых типов (int, str, tuple).

✅ Пример использования:

class Singleton:
    _instance = None

    def new(cls, *args, **kwargs):
        if cls._instance is None:
            cls._instance = super().new(cls)
        return cls._instance

obj1 = Singleton()
obj2 = Singleton()

print(obj1 is obj2)  # True (оба объекта — одна и та же ссылка)

В отличие от init, new контролирует сам процесс создания объекта. Полезен для ограничения числа экземпляров и работы с неизменяемыми классами.

🔥 Mutable vs Immutable в Python

В Python все данные — это объекты, и они делятся на изменяемые (mutable) и неизменяемые (immutable).

🔹 Неизменяемые (immutable): нельзя изменить после создания
✅ int, float, str, tuple, frozenset

x = "hello"
x += " world"  # Создается новый объект, а не изменяется старый

🔹 Изменяемые (mutable): можно изменять без создания нового объекта
✅ list, dict, set, bytearray

lst = [1, 2, 3]
lst.append(4)  # Список изменяется в той же области памяти

⚠️ Важный нюанс

Передача изменяемых объектов в функцию может привести к неожиданным изменениям:

def modify_list(lst):
    lst.append(99)  # Изменяет оригинальный список!

my_list = [1, 2, 3]
modify_list(my_list)
print(my_list)  # [1, 2, 3, 99]

✅ Вывод:

• Используйте tuple, если данные не должны изменяться.
• Будьте осторожны с изменяемыми объектами при передаче в функции.
• Если нужно копирование, используйте .copy() или deepcopy().

↔️ Разница между is и == в Python

🔹 == (равенство) проверяет, равны ли значения объектов:

a = [1, 2, 3]
b = [1, 2, 3]
print(a == b)  # True (значения одинаковые)

🔹 is (идентичность) проверяет, указывают ли переменные на один и тот же объект в памяти:

print(a is b)  # False (разные объекты)

🔹 Но для immutable-объектов (например, int, str, tuple) Python кеширует значения:

x = 256
y = 256
print(x is y)  # True (указывают на один объект)

✅ Используйте == для сравнения значений и is для проверки, ссылаются ли переменные на один объект в памяти!

❓ Что делает метод new в Python и когда его использовать?

Метод new отвечает за создание нового экземпляра класса перед его инициализацией в init. Он используется в случаях, когда нужно контролировать процесс создания объекта, например, в синглтонах или при наследовании от неизменяемых типов (int, str, tuple).

✅ Пример использования:

class Singleton:
    _instance = None

    def new(cls, *args, **kwargs):
        if cls._instance is None:
            cls._instance = super().new(cls)
        return cls._instance

obj1 = Singleton()
obj2 = Singleton()

print(obj1 is obj2)  # True (оба объекта — одна и та же ссылка)

В отличие от init, new контролирует сам процесс создания объекта. Полезен для ограничения числа экземпляров и работы с неизменяемыми классами.

🔥 Mutable vs Immutable в Python

В Python все данные — это объекты, и они делятся на изменяемые (mutable) и неизменяемые (immutable).

🔹 Неизменяемые (immutable): нельзя изменить после создания
✅ int, float, str, tuple, frozenset

x = "hello"
x += " world"  # Создается новый объект, а не изменяется старый

🔹 Изменяемые (mutable): можно изменять без создания нового объекта
✅ list, dict, set, bytearray

lst = [1, 2, 3]
lst.append(4)  # Список изменяется в той же области памяти

⚠️ Важный нюанс

Передача изменяемых объектов в функцию может привести к неожиданным изменениям:

def modify_list(lst):
    lst.append(99)  # Изменяет оригинальный список!

my_list = [1, 2, 3]
modify_list(my_list)
print(my_list)  # [1, 2, 3, 99]

✅ Вывод:

• Используйте tuple, если данные не должны изменяться.
• Будьте осторожны с изменяемыми объектами при передаче в функции.
• Если нужно копирование, используйте .copy() или deepcopy().

↔️ Разница между is и == в Python

🔹 == (равенство) проверяет, равны ли значения объектов:

a = [1, 2, 3]
b = [1, 2, 3]
print(a == b)  # True (значения одинаковые)

🔹 is (идентичность) проверяет, указывают ли переменные на один и тот же объект в памяти:

print(a is b)  # False (разные объекты)

🔹 Но для immutable-объектов (например, int, str, tuple) Python кеширует значения:

x = 256
y = 256
print(x is y)  # True (указывают на один объект)

✅ Используйте == для сравнения значений и is для проверки, ссылаются ли переменные на один объект в памяти!

👀 Типизация в Python

Python — динамически типизируемый язык, но с версии 3.5+ поддерживает аннотацию типов. Это не делает язык статически типизированным, но помогает с автодополнением, отладкой и документацией.

➡️ Пример использования:

def greet(name: str, times: int) -> str:
    return (f"Hello, {name}! " * times).strip()

print(greet("Alice", 2))  # Hello, Alice! Hello, Alice!

Аннотации не обязательны, но делают код чище и понятнее, особенно в больших проектах.

⚙️ Python: Переменные и типы данных

В Python переменные создаются при первом присваивании значения. Тип данных определяется автоматически.

✔️ Основные типы:

• int — целое число
• float — число с плавающей точкой
• str — строка
• bool — логический тип (True или False)

➡️ Пример:

age = 25         # int
height = 1.75    # float
name = "Alice"   # str
is_active = True # bool

print(type(age), type(name))

☝ Запомни: тип переменной можно проверить через type().

❓ Чем отличаются mutable и immutable типы данных в Python и как это влияет на поведение кода?

В Python объекты делятся на изменяемые (mutable) и неизменяемые (immutable). Это ключевая концепция, которая влияет на работу с переменными, аргументами функций и коллекциями.

✅ Пример:

def add_item(lst):
    lst.append(100)

my_list = [1, 2, 3]
add_item(my_list)
print(my_list)  # [1, 2, 3, 100]

📌 Списки — это изменяемый тип. Функция изменила оригинальный объект, переданный как аргумент. Если бы мы использовали кортеж (immutable), такое поведение вызвало бы ошибку.

Изменяемые типы: list, dict, set, bytearray
Неизменяемые: int, float, str, tuple, frozenset

⚠️ Понимание этой разницы важно при:

• работе с функциями (аргументы по ссылке),
• проектировании безопасных API,
• использовании словарей и множеств (ключи должны быть immutable).