Python | Вопросы собесов
13.4K subscribers
17 photos
1 file
343 links
Разбираем вопросы с собеседований на Python разработчика. Django, Flask, FastApi

Реклама: @easyoffer_adv
Решай тесты - t.me/+20tRfhrwPpM4NDQy

Нарешивай задачи - t.me/+nsl4meWmhfQwNDVi
Ищи работу - t.me/+cXGKkrOY2-w3ZTky
Download Telegram
Что такое абстракция ?
Спросят с вероятностью 3%

Абстракция
— это одна из основных концепций объектно-ориентированного программирования (ООП), наряду с инкапсуляцией, наследованием и полиморфизмом. Позволяет создавать упрощенные модели сложных систем, выделяя только те аспекты, которые являются важными для конкретной задачи, и скрывая детали реализации.

Основные аспекты

1️⃣Скрытие деталей реализации: Позволяет скрыть сложные детали реализации и показать только те части объекта, которые необходимы для его использования.
2️⃣Определение интерфейсов: Фокусируется на определении интерфейсов и методов, которые могут быть использованы для взаимодействия с объектом.
3️⃣Упрощение взаимодействия: Упрощает взаимодействие с объектами, предоставляя простой и понятный интерфейс.

Абстракцию можно реализовать с помощью абстрактных классов и методов. Абстрактный класс определяет интерфейс для группы подклассов, но сам не предназначен для создания экземпляров.

Для создания абстрактных классов и методов в Python используется модуль abc (Abstract Base Classes).

Пример:
from abc import ABC, abstractmethod

class Animal(ABC):
@abstractmethod
def make_sound(self):
pass

class Dog(Animal):
def make_sound(self):
return "Bark"

class Cat(Animal):
def make_sound(self):
return "Meow"

# Создание экземпляров конкретных классов
dog = Dog()
cat = Cat()

print(dog.make_sound()) # Выведет: Bark
print(cat.make_sound()) # Выведет: Meow

# Попытка создания экземпляра абстрактного класса приведет к ошибке
# animal = Animal() # TypeError: Can't instantiate abstract class Animal with abstract methods make_sound


Основные компоненты


1️⃣Абстрактный класс (Animal): Определяет общие методы, которые должны быть реализованы в подклассах.
2️⃣Абстрактный метод (make_sound): Объявляется в абстрактном классе и должен быть реализован в любом конкретном подклассе.
3️⃣Конкретные классы (Dog и Cat): Реализуют абстрактный метод, предоставляя конкретную реализацию.

Преимущества

1️⃣Упрощение разработки: Позволяет сосредоточиться на высокоуровневом дизайне, не отвлекаясь на детали реализации.
2️⃣Повышение гибкости: Изменения в реализации могут быть сделаны без изменения интерфейсов, что облегчает модификацию и расширение кода.
3️⃣Улучшение читаемости: Абстрактные классы и методы делают код более понятным и структурированным, четко показывая, какие методы должны быть реализованы в подклассах.

Абстракция в ООП позволяет скрывать сложные детали реализации, предоставляя простой интерфейс для взаимодействия с объектами. Она упрощает разработку, улучшает читаемость кода и повышает его гибкость. Можно реализовать с помощью абстрактных классов и методов, используя модуль abc.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
Какие типы полиморфизма есть в python ?
Спросят с вероятностью 3%

Полиморфизм — это способность функции, метода или объекта работать с разными типами данных. Основные виды полиморфизма включают:

1️⃣Полиморфизм подтипов (или полиморфизм наследования)
2️⃣Полиморфизм перегрузки (или параметрический полиморфизм)
1️⃣Полиморфизм утиной типизации (или полиморфизм по интерфейсу)

Полиморфизм подтипов (наследование)

Этот тип позволяет использовать объект любого класса, который является подклассом базового класса. Это достигается с помощью наследования. Метод, определенный в базовом классе, может быть переопределен в подклассах.

Пример

class Animal:
def make_sound(self):
pass

class Dog(Animal):
def make_sound(self):
return "Bark"

class Cat(Animal):
def make_sound(self):
return "Meow"

def make_animal_sound(animal):
print(animal.make_sound())

# Использование полиморфизма подтипов
dog = Dog()
cat = Cat()

make_animal_sound(dog) # Выведет: Bark
make_animal_sound(cat) # Выведет: Meow


Полиморфизм перегрузки (параметрический полиморфизм)


Нет явной поддержки перегрузки функций и методов, как в некоторых других языках программирования. Однако, параметрический полиморфизм можно достичь через использование аргументов с значениями по умолчанию, переменным количеством аргументов, а также с помощью таких структур данных, как списки и словари.

Пример
def add(a, b):
return a + b

print(add(1, 2)) # Выведет: 3 (работает с числами)
print(add("Hello, ", "World!")) # Выведет: Hello, World! (работает со строками)


В этом примере функция add работает с разными типами данных благодаря динамической типизации в Python.

Полиморфизм утиной типизации (по интерфейсу)

Основывается на принципе "Если это выглядит как утка, плавает как утка и крякает как утка, то это, вероятно, утка". Это означает, что не важно, к какому классу принадлежит объект, главное, чтобы он имел нужные методы или атрибуты.

Пример
class Duck:
def quack(self):
return "Quack"

class Person:
def quack(self):
return "I can imitate a duck"

def make_it_quack(duck_like):
print(duck_like.quack())

duck = Duck()
person = Person()

make_it_quack(duck) # Выведет: Quack
make_it_quack(person) # Выведет: I can imitate a duck


Полиморфизм функций высшего порядка

Можно также применять полиморфизм с функциями высшего порядка — функциями, которые принимают другие функции в качестве аргументов или возвращают функции в качестве результата.

Пример
def apply_function(func, value):
return func(value)

def square(x):
return x * x

def double(x):
return x * 2

print(apply_function(square, 4)) # Выведет: 16
print(apply_function(double, 4)) # Выведет: 8


1️⃣Полиморфизм подтипов: Использование объектов подклассов через базовый класс.
2️⃣Полиморфизм перегрузки: Функции и методы могут работать с разными типами данных, хотя явной перегрузки в Python нет.
3️⃣Полиморфизм утиной типизации: Объекты используются на основе наличия необходимых методов или атрибутов, независимо от их класса.
4️⃣Функции высшего порядка: Функции, принимающие или возвращающие другие функции, могут работать с разными типами функций.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
Как создать итератор из коллекции ?
Спросят с вероятностью 3%

Итератор — это объект, который позволяет перебирать элементы коллекции один за другим. Он реализует метод __next__(), который возвращает следующий элемент коллекции или вызывает исключение StopIteration, если элементы коллекции закончились.

Рассмотрим простой пример с использованием списка:
# Создание списка
my_list = [1, 2, 3, 4, 5]

# Создание итератора из списка
my_iterator = iter(my_list)

# Перебор элементов с помощью итератора
print(next(my_iterator)) # Выведет: 1
print(next(my_iterator)) # Выведет: 2
print(next(my_iterator)) # Выведет: 3
print(next(my_iterator)) # Выведет: 4
print(next(my_iterator)) # Выведет: 5

# Следующий вызов next() вызовет исключение StopIteration
# print(next(my_iterator)) # StopIteration


Итераторы можно создавать из различных коллекций, таких как строки, кортежи, множества и словари.

Примеры:

С строкой
my_string = "hello"
my_iterator = iter(my_string)

print(next(my_iterator)) # Выведет: h
print(next(my_iterator)) # Выведет: e
print(next(my_iterator)) # Выведет: l
print(next(my_iterator)) # Выведет: l
print(next(my_iterator)) # Выведет: o


С кортежем
my_tuple = (10, 20, 30)
my_iterator = iter(my_tuple)

print(next(my_iterator)) # Выведет: 10
print(next(my_iterator)) # Выведет: 20
print(next(my_iterator)) # Выведет: 30


С множеством
my_set = {1, 2, 3}
my_iterator = iter(my_set)

print(next(my_iterator)) # Выведет один из элементов множества (порядок не гарантирован)
print(next(my_iterator)) # Выведет другой элемент множества
print(next(my_iterator)) # Выведет оставшийся элемент множества


Со словарём

my_dict = {'a': 1, 'b': 2, 'c': 3}
my_iterator = iter(my_dict)

print(next(my_iterator)) # Выведет: a
print(next(my_iterator)) # Выведет: b
print(next(my_iterator)) # Выведет: c


Создание пользовательского итератора

Вы также можете создать собственный итератор, определив методы __iter__() и __next__() в своем классе.

Пример пользовательского итератора
class MyIterator:
def __init__(self, start, end):
self.current = start
self.end = end

def __iter__(self):
return self

def __next__(self):
if self.current < self.end:
self.current += 1
return self.current - 1
else:
raise StopIteration

# Использование пользовательского итератора
my_iter = MyIterator(1, 5)

for num in my_iter:
print(num) # Выведет: 1 2 3 4


Для создания итератора из коллекции используйте функцию iter(). Итераторы позволяют перебирать элементы коллекции один за другим с помощью метода next(). Вы также можете создать собственный итератор, реализовав методы __iter__() и __next__() в своем классе.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
Как сделать класс, который будет поддерживать протокол итератора ?
Спросят с вероятностью 3%

Чтобы сделать класс, который поддерживает протокол итератора, нужно реализовать два метода: __iter__() и __next__(). Метод __iter__() должен возвращать сам итератор (обычно это сам объект), а метод __next__() должен возвращать следующий элемент последовательности или выбрасывать исключение StopIteration, когда элементы заканчиваются.

Вот пример класса, который реализует протокол итератора:
class MyRange:
def __init__(self, start, end):
self.start = start
self.end = end
self.current = start

def __iter__(self):
return self

def __next__(self):
if self.current < self.end:
current = self.current
self.current += 1
return current
else:
raise StopIteration

# Использование класса MyRange
my_range = MyRange(1, 5)

for number in my_range:
print(number) # Выведет: 1 2 3 4


Объяснение

1️⃣Конструктор __init__:
Инициализирует начальное значение (start), конечное значение (end) и текущее значение (current), которое будет изменяться при итерации.

2️⃣Метод iter:
Возвращает сам итератор, то есть self.

3️⃣Метод next:
Проверяет, достигло ли текущее значение (self.current) конечного значения (self.end).
Если текущее значение меньше конечного, метод увеличивает текущее значение на 1 и возвращает предыдущее текущее значение.
Если текущее значение больше или равно конечному, выбрасывается исключение StopIteration.

Можно также создать более сложный итератор, например, для перебора элементов списка.
class MyListIterator:
def init(self, my_list):
self.my_list = my_list
self.index = 0

def iter(self):
return self

def next():
if self.index < len(self.my_list):
result = self.my_list[self.index]
self.index += 1
return result
else:
raise StopIteration

# Использование класса MyListIterator
my_list = [10, 20, 30, 40]
my_iterator = MyListIterator(my_list)

for item in my_iterator:
print(item) # Выведет: 10 20 30 40


Обработка итераций с вложенными циклами

Иногда может потребоваться использовать итератор в контексте вложенных циклов или других структур. В этом случае итератор должен поддерживать повторное использование.
class ResettableRange:
def __init__(self, start, end):
self.start = start
self.end = end
self.current = start

def __iter__(self):
self.current = self.start # Сброс текущего значения при начале новой итерации
return self

def __next__(self):
if self.current < self.end:
current = self.current
self.current += 1
return current
else:
raise StopIteration

# Использование класса ResettableRange
resettable_range = ResettableRange(1, 5)

# Первый цикл
for number in resettable_range:
print(number) # Выведет: 1 2 3 4

# Второй цикл
for number in resettable_range:
print(number) # Снова выведет: 1 2 3 4


Чтобы создать класс, поддерживающий протокол итератора, нужно реализовать методы iter() и next(). Метод iter() возвращает сам итератор, а метод next() возвращает следующий элемент или выбрасывает StopIteration, когда элементы заканчиваются.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
🤔 Какая библиотека Python обычно используется для работы с векторными и матричными операциями?
Anonymous Quiz
17%
pandas
25%
matplotlib
53%
numpy
5%
scipy
Как реализовать класс, объект которого может работать в менеджере контекста ?
Спросят с вероятностью 3%

Для того чтобы класс мог использоваться в менеджере контекста (в конструкции with), он должен реализовать методы __enter__ иак реализо Эти методы управляют инициализацией и завершением контекста, соответственно.

Рассмотрим пример класса, который открывает и закрывает файл:
class FileManager:
def __init__(self, filename, mode):
self.filename = filename
self.mode = mode
self.file = None

def __enter__(self):
self.file = open(self.filename, self.mode)
return self.file

def __exit__(self, exc_type, exc_value, traceback):
if self.file:
self.file.close()

# Использование класса FileManager в конструкции with
with FileManager('example.txt', 'w') as file:
file.write('Hello, world!')

# После выхода из блока with файл будет закрыт автоматически


Объяснение


1️⃣
Конструктор
elf.file.cl

Принимает имя файла и режим его открытия.
Инициализирует атрибут file значением None.

2️⃣Метод enter:
Открывает файл и сохраняет его объект в атрибут file.
Возвращает объект файла, чтобы он мог быть использован в блоке with.

3️⃣Метод exit:
Закрывает файл, если он был успешно открыт.
Принимает три аргумента (exc_type, exc_value, traceback), которые используются для обработки исключений. Если в блоке with возникло исключение, эти аргументы содержат информацию о нем.

Обработка исключений

Метод exit может обрабатывать исключения, возникшие в блоке with. Если метод возвращает True, исключение подавляется и не передается дальше. Если метод возвращает False (или ничего не возвращает), исключение передается дальше.

Пример с обработкой исключений
class FileManager:
def __init__(self, filename, mode):
self.filename = filename
self.mode = mode
self.file = None

def __enter__(self):
self.file = open(self.filename, self.mode)
return self.file

def __exit__(self, exc_type, exc_value, traceback):
if self.file:
self.file.close()
if exc_type is not None:
print(f"An exception occurred: {exc_value}")
return True # Подавляет исключение

# Использование класса FileManager с исключением
try:
with FileManager('example.txt', 'w') as file:
file.write('Hello, world!')
raise ValueError("An intentional error")
except ValueError:
print("ValueError caught")

# После выхода из блока with файл будет закрыт автоматически


Объяснение:

Если в блоке with возникает исключение, метод exit обрабатывает его, выводит сообщение и возвращает True, что подавляет исключение и не передает его дальше.
Блок try позволяет убедиться, что исключение обработано правильно.

Чтобы класс мог работать в менеджере контекста (в конструкции with), необходимо реализовать методыает True, чиак реализо Методализовать кинициализирует ресурс и возвращает его, чтобы он мог быть использован в блоке with. Методероятностьосвобождает ресурс и может обрабатывать исключения, возникающие в блоке with.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
Что известно про init ?
Спросят с вероятностью 3%

Метод init является специальным методом (часто называемым "магическим методом"), который используется для инициализации новых объектов класса. Он выполняется автоматически при создании нового экземпляра класса.

Зачем он нужен ?

Метод init нужен для задания начального состояния объекта. С его помощью можно передать начальные значения атрибутам объекта при его создании.

Как его использовать ?

Определяется внутри класса. Его первым параметром всегда является self, который представляет собой сам объект. Остальные параметры могут быть любыми и задаются при создании объекта.

Пример:
class Person:
def __init__(self, name, age):
self.name = name
self.age = age

# Создание экземпляра класса Person
person1 = Person("Alice", 30)
print(person1.name) # Выведет: Alice
print(person1.age) # Выведет: 30


Почему это так важно?

1️⃣Инициализация атрибутов: init позволяет задать начальные значения атрибутам объекта, что делает объект полнофункциональным сразу после создания.
2️⃣Гибкость: Можно задавать различные параметры при создании объекта, что позволяет создавать объекты с разными начальными состояниями.
3️⃣Чистота кода: init делает код более читаемым и понятным, так как инициализация объектов происходит в одном месте.

Рассмотрим более сложный пример:

class Car:
def __init__(self, brand, model, year):
self.brand = brand
self.model = model
self.year = year

def display_info(self):
print(f"{self.brand} {self.model}, {self.year}")

# Создание экземпляров класса Car
car1 = Car("Toyota", "Corolla", 2020)
car2 = Car("Honda", "Civic", 2019)

car1.display_info() # Выведет: Toyota Corolla, 2020
car2.display_info() # Выведет: Honda Civic, 2019


В этом примере метод init задает марку, модель и год выпуска автомобиля. Метод display_info выводит информацию об автомобиле.

Метод init используется для инициализации новых объектов класса. Он позволяет задавать начальные значения атрибутов, делая объекты готовыми к использованию сразу после их создания.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
🤔 Как в Python можно гарантировать, что код в блоке будет выполнен независимо от того, возникли ошибки или нет?
Anonymous Quiz
68%
Использование блока `finally`
20%
Использование блока `except`
5%
Использование блока `else`
6%
Использование декоратора `@safecall`
Для чего нужны class method ?
Спросят с вероятностью 3%

Методы класса определяются с использованием декоратора @classmethod. В отличие от статических методов, методы класса имеют доступ к самому классу через первый параметр, обычно называемый cls. Это позволяет методам класса изменять состояние класса или вызывать другие методы класса.

Зачем они нужны?


1️⃣Работа с классом, а не с экземпляром: Полезны, когда нужно работать с самим классом, а не с его экземпляром. Это особенно актуально для создания альтернативных конструкторов.
2️⃣Изменение состояния класса: Могут изменять классовые атрибуты, что влияет на все экземпляры класса.
3️⃣Организация кода: Они позволяют организовать код таким образом, чтобы некоторые функции были логически связаны с классом и его состоянием.

Как их использовать?

Метод класса объявляется с использованием декоратора @classmethod и принимает первым параметром cls.

Пример:
class MyClass:
class_attribute = 0

@classmethod
def increment_class_attribute(cls):
cls.class_attribute += 1

# Вызов метода класса
MyClass.increment_class_attribute()
print(MyClass.class_attribute) # Выведет: 1


Почему это важно?


1️⃣Альтернативные конструкторы: Методы класса часто используются для создания объектов класса с различными начальными условиями.
2️⃣Группировка логики: Они позволяют группировать функции, которые работают с классом, внутри самого класса.
3️⃣Поддержка наследования: Методы класса поддерживают наследование, что позволяет создавать методы, которые могут быть переопределены в подклассах.

Рассмотрим пример с альтернативным конструктором:
class Person:
def __init__(self, name, age):
self.name = name
self.age = age

@classmethod
def from_birth_year(cls, name, birth_year):
age = 2024 - birth_year
return cls(name, age)

# Создание экземпляров класса Person
person1 = Person("Alice", 30)
person2 = Person.from_birth_year("Bob", 1990)

print(person1.name, person1.age) # Выведет: Alice 30
print(person2.name, person2.age) # Выведет: Bob 34


В этом примере метод класса from_birth_year создает экземпляр Person, вычисляя возраст на основе года рождения.

Методы класса используются для выполнения задач, связанных с классом, а не с его экземплярами. Они полезны для изменения состояния класса и создания альтернативных конструкторов. Методы класса принимают первым параметром cls, представляющий класс.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
Чем обычный метод отличается от class method ?
Спросят с вероятностью 3%

Существуют разные виды методов, каждый из которых имеет свои особенности и назначение. Основное различие между обычным методом (методом экземпляра) и методом класса заключается в том, как они работают с объектами и классами.

Обычный метод (метод экземпляра)

Определение: Определяется внутри класса и первым параметром всегда принимает self, который представляет собой экземпляр класса.
Доступ: Имеет доступ к атрибутам и другим методам экземпляра класса.
Использование: Используется для работы с данными, специфичными для конкретного экземпляра.

Пример:
class MyClass:
def __init__(self, value):
self.value = value

def instance_method(self):
return self.value

# Создание экземпляра и вызов метода
obj = MyClass(10)
print(obj.instance_method()) # Выведет: 10


Метод класса

Определение: Определяется с использованием декоратора @classmethod и первым параметром принимает cls, который представляет собой сам класс.
Доступ: Имеет доступ к атрибутам и другим методам класса.
Использование: Используется для работы с данными, общими для всех экземпляров класса, и для создания альтернативных конструкторов.

Пример:
class MyClass:
class_value = 0

@classmethod
def class_method(cls):
return cls.class_value

# Вызов метода класса
print(MyClass.class_method()) # Выведет: 0


Ключевые различия

1️⃣Первый параметр:
Обычный метод: первый параметр self указывает на экземпляр класса.
Метод класса: первый параметр cls указывает на сам класс.

2️⃣Доступ:
Обычный метод: имеет доступ к атрибутам и методам конкретного экземпляра.
Метод класса: имеет доступ к атрибутам и методам класса.

3️⃣Назначение:
Обычный метод: используется для работы с данными, специфичными для конкретного экземпляра.
Метод класса: используется для работы с данными, общими для всех экземпляров, и для создания альтернативных конструкторов.

Пример сравнения
class MyClass:
class_attribute = 0

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

def instance_method(self):
return self.value

@classmethod
def class_method(cls):
return cls.class_attribute

# Создание экземпляра и вызов методов
obj = MyClass(10)
print(obj.instance_method()) # Выведет: 10 (использует атрибут экземпляра)
print(MyClass.class_method()) # Выведет: 0 (использует атрибут класса)


Обычный метод использует self и работает с данными конкретного экземпляра класса.
Метод класса использует cls и работает с данными, общими для всего класса.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
Forwarded from easyoffer
Канал приближается к 20к подписчиков, а здесь так и нет нормального контент плана 😒

Ищу талантливых журналистов, способных писать клевые и авторские посты на тему "Карьера в IT" и все что с этим связано: поиск работы, повышение з/п, разбор кейсов, переезд в другие страны по рабочим визам, аналитика, исследование рынка и т.д.

Важно глубокое понимание IT индустрии, вы должны иметь опыт работы в ней

Если интересно отправьте мне свое резюме @kivaiko
Как работает наследование классов ?
Спросят с вероятностью 3%

Наследование классов позволяет создавать новый класс на основе уже существующего класса. Новый класс, называемый подклассом (или дочерним классом), наследует атрибуты и методы родительского класса (или базового класса), при этом может добавлять новые атрибуты и методы или переопределять существующие.

Как оно работает?


1️⃣Создание базового класса: Определяем базовый класс, содержащий общие атрибуты и методы.
2️⃣Создание подкласса: Определяем подкласс, который наследует базовый класс. Для этого указываем базовый класс в скобках при определении подкласса.
3️⃣Использование подкласса: Создаем экземпляры подкласса, которые будут иметь доступ к атрибутам и методам как подкласса, так и базового класса.

Базовый класс
class Animal:
def __init__(self, name):
self.name = name

def speak(self):
raise NotImplementedError("Subclass must implement abstract method")


Подклассы
class Dog(Animal):
def speak(self):
return f"{self.name} says Woof!"

class Cat(Animal):
def speak(self):
return f"{self.name} says Meow!"


Использование
dog = Dog("Buddy")
cat = Cat("Whiskers")

print(dog.speak()) # Выведет: Buddy says Woof!
print(cat.speak()) # Выведет: Whiskers says Meow!


Переопределение методов

Подклассы могут переопределять методы базового класса. В приведенном примере метод speak переопределен в каждом из подклассов.

Вызов методов базового класса

Подклассы могут вызывать методы базового класса с помощью функции super(). Это особенно полезно при переопределении метода __init__.
class Bird(Animal):
def __init__(self, name, can_fly):
super().__init__(name)
self.can_fly = can_fly

def speak(self):
return f"{self.name} says Tweet!"


Множественное наследование


Python поддерживает множественное наследование, что позволяет подклассу наследовать атрибуты и методы от нескольких базовых классов. Однако это может усложнить структуру и логику программы.
class Flyer:
def fly(self):
return "Flying high!"

class Swimmer:
def swim(self):
return "Swimming fast!"

class Duck(Animal, Flyer, Swimmer):
def speak(self):
return f"{self.name} says Quack!"


Полиморфизм

Позволяет использовать объекты разных классов через единый интерфейс. Например, все подклассы Animal могут вызывать метод speak, независимо от того, какой конкретный класс они представляют.
animals = [Dog("Buddy"), Cat("Whiskers"), Duck("Donald")]

for animal in animals:
print(animal.speak())

# Выведет:
# Buddy says Woof!
# Whiskers says Meow!
# Donald says Quack!


Наследование позволяет создавать новые классы на основе существующих, переопределяя или расширяя их функциональность. Подклассы наследуют атрибуты и методы базовых классов, могут переопределять их и добавлять новые. Полиморфизм обеспечивает единый интерфейс для работы с объектами разных классов.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
Что знаешь про агрегацию ?
Спросят с вероятностью 3%

Агрегация в ООП
— это концепция, при которой один класс включает в себя другой класс в качестве части, но обе части могут существовать независимо друг от друга. Агрегация описывает "имеет-a" отношения между объектами, где один объект является контейнером или коллекцией для другого объекта, но не несет ответственности за его существование.

Рассмотрим простой пример с классами Person и Address:
class Address:
def __init__(self, street, city):
self.street = street
self.city = city

def display(self):
return f"{self.street}, {self.city}"

class Person:
def __init__(self, name, address):
self.name = name
self.address = address # Агрегация

def display(self):
return f"{self.name} lives at {self.address.display()}"

# Создание объектов Address и Person
address = Address("123 Main St", "New York")
person = Person("John Doe", address)

print(person.display()) # Выведет: John Doe lives at 123 Main St, New York


В этом примере:


Класс Address определяет атрибуты улицы и города и метод для отображения адреса.
Класс Person включает объект Address в качестве атрибута.

Оба объекта могут существовать независимо. Объект Address может существовать без объекта Person, и наоборот.

Различие между агрегацией и композицией

Агрегация: Части могут существовать независимо. Если объект-контейнер удален, включенные объекты могут продолжать существовать.
Композиция: Части не могут существовать независимо. Если объект-контейнер удален, все включенные объекты также будут удалены.

Пример агрегации:

class Engine:
def __init__(self, horsepower):
self.horsepower = horsepower

class Car:
def __init__(self, model, engine):
self.model = model
self.engine = engine # Агрегация

engine = Engine(150)
car = Car("Toyota", engine)

# Удаление объекта car не удаляет объект engine
del car
print(engine.horsepower) # Выведет: 150


Пример композиции:
class Engine:
def __init__(self, horsepower):
self.horsepower = horsepower

class Car:
def __init__(self, model, horsepower):
self.model = model
self.engine = Engine(horsepower) # Композиция

car = Car("Toyota", 150)

# Удаление объекта car также удаляет объект engine
del car
# Теперь доступ к engine невозможен


Преимущества

1️⃣Гибкость: Компоненты могут быть легко заменены или изменены без влияния на другие части системы.
2️⃣Повторное использование: Один и тот же объект может быть использован в нескольких агрегатах.
3️⃣Чистая архитектура: Способствует созданию более модульного и поддерживаемого кода.

Агрегация в ООП — это отношение, при котором один объект включает в себя другой, но оба объекта могут существовать независимо. Это полезно для создания гибкой и модульной архитектуры, где компоненты могут быть легко заменены или повторно использованы.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
Что такое dependency injection ?
Спросят с вероятностью 3%

Внедрение зависимостей (Dependency Injection, DI) — это паттерн проектирования в ООП, который используется для уменьшения жесткой связи между компонентами системы и повышения их модульности и тестируемости. Зависимости (объекты, от которых зависит класс) передаются классу извне, а не создаются внутри класса.

Зачем он нужен?

1️⃣Ослабление связей: Уменьшает жесткую связь между классами, делая их более независимыми друг от друга.
2️⃣Повышение тестируемости: Позволяет легко заменять реальные зависимости на поддельные (mock) объекты во время тестирования.
3️⃣Гибкость и расширяемость: Облегчает изменение и замену зависимостей без необходимости изменять код класса.

Как он работает?


DI может быть реализован несколькими способами:

1️⃣Внедрение через конструктор (Constructor Injection):
Зависимости передаются через параметры конструктора.

      class Service:
def do_something(self):
return "Service is doing something."

class Client:
def __init__(self, service):
self.service = service

def perform_action(self):
return self.service.do_something()

# Внедрение зависимости через конструктор
service = Service()
client = Client(service)
print(client.perform_action()) # Выведет: Service is doing something.


2️⃣Внедрение через сеттер (Setter Injection):
Зависимости передаются через методы установки (сеттеры).
      class Client:
def set_service(self, service):
self.service = service

def perform_action(self):
return self.service.do_something()

# Внедрение зависимости через сеттер
service = Service()
client = Client()
client.set_service(service)
print(client.perform_action()) # Выведет: Service is doing something.


3️⃣Внедрение через интерфейс (Interface Injection):
В этом подходе используется интерфейс для предоставления зависимостей. Это менее распространенный метод в Python, так как язык не имеет явной поддержки интерфейсов как, например, Java.

Преимущества

1️⃣Уменьшение жесткой связи: Классы меньше зависят друг от друга, что упрощает их изменение и замену.
2️⃣Повышение модульности: Каждый компонент может быть разработан и протестирован отдельно.
3️⃣Легкость тестирования: Зависимости могут быть легко заменены на заглушки или mock-объекты во время тестирования, что делает тестирование проще и надежнее.
4️⃣Улучшенная читаемость и поддерживаемость: Четко видно, какие зависимости нужны классу, что делает код более понятным.

Недостатки

1️⃣Сложность настройки: Может потребоваться больше начальных настроек для передачи всех зависимостей.
2️⃣Понимание паттерна: Требуется понимание концепции DI для правильного использования, что может быть сложным для начинающих разработчиков.

Рассмотрим пример с веб-приложением, где у нас есть контроллер, который зависит от сервиса для обработки бизнес-логики:
class OrderService:
def process_order(self, order_id):
return f"Processing order {order_id}"

class OrderController:
def __init__(self, order_service):
self.order_service = order_service

def handle_request(self, order_id):
return self.order_service.process_order(order_id)

# Внедрение зависимости через конструктор
order_service = OrderService()
order_controller = OrderController(order_service)
print(order_controller.handle_request(123)) # Выведет: Processing order 123


Dependency Injection — это паттерн проектирования, который позволяет передавать зависимости классу извне, а не создавать их внутри класса. Это улучшает модульность, тестируемость и гибкость кода, уменьшая жесткую связь между компонентами системы.

👉 Можно посмотреть Примеры как отвечают люди на этот вопрос, или перейти К списку 1096 вопроса на Python разработчика. Ставь 👍 если нравится контент

🔐 База собесов | 🔐 База тестовых
📌 Какие бывают виды тестов ?

💬 Спросят с вероятностью 3%

Тестирование ПО включает в себя множество различных типов тестов, каждый из которых предназначен для проверки различных аспектов приложения. Основные виды тестов, используемые в разработке:

1️⃣ Юнит-тестирование (Unit Testing)

Цель: Проверка отдельных модулей или компонентов программы (функций, методов, классов) в изоляции.

Характеристики: Изолированные тесты, обычно покрывают небольшой объем кода.

Инструменты: unittest, pytest.

2️⃣ Интеграционное тестирование (Integration Testing)

Цель: Проверка взаимодействия между несколькими модулями или компонентами.

Характеристики: Проверяет, работают ли компоненты корректно вместе.

Инструменты: pytest, nose2, unittest.

3️⃣ Функциональное тестирование (Functional Testing)

Цель: Проверка функциональности приложения в соответствии с требованиями.

Характеристики:
Ориентируется на результат выполнения функциональных задач.

Инструменты: pytest, unittest, Selenium для веб-приложений.

4️⃣ Системное тестирование (System Testing)

Цель: Проверка всей системы целиком для обеспечения соответствия требованиям.

Характеристики: Тестирование всех компонентов приложения как единого целого.

Инструменты: Manual testing, Selenium, pytest.

5️⃣ Приемочное тестирование (Acceptance Testing)

Цель: Проверка системы на соответствие требованиям пользователя и готовность к эксплуатации.

Характеристики: Оценивается заказчиком или конечным пользователем.

Инструменты: Behave, Cucumber, Manual testing.

Примеры использования инструментов:

Юнит-тестирование с pytest
# math_operations.py
def add(a, b):
return a + b

# test_math_operations.py
import pytest
from math_operations import add

def test_add():
assert add(1, 2) == 3
assert add(-1, 1) == 0
assert add(-1, -1) == -2

if __name__ == '__main__':
pytest.main()


Интеграционное тестирование с pytest
# database_operations.py
def connect_to_db():
return "Connected to DB"

def get_data_from_db():
return {"data": "Sample data"}

# test_integration.py
import pytest
from database_operations import connect_to_db, get_data_from_db

def test_db_integration():
assert connect_to_db() == "Connected to DB"
data = get_data_from_db()
assert "data" in data
assert data["data"] == "Sample data"

ifittest, py== '__main__':
pytest.main()


Функциональное тестирование с Selenium
from selenium import webdriver
from selenium.webdriver.common.by import By
from selenium.webdriver.common.keys import Keys

def test_google_search():
driver = webdriver.Chrome()
driver.get("https://www.google.com")
search_box = driver.find_element(By.NAME, "q")
search_box.send_keys("pytest")
search_box.send_keys(Keys.RETURN)
assert "pytest" in driver.title
driver.quit()

ifты: unitte== '__main__':
test_google_search()


Каждый вид тестирования играет важную роль в процессе обеспечения качества программного обеспечения. Выбор подходящего типа тестирования зависит от конкретных задач и этапа разработки, на котором находится проект. Использование различных инструментов и методов тестирования помогает выявлять ошибки, улучшать производительность и обеспечивать соответствие приложения требованиям пользователей.

🔥 ТОП ВОПРОСОВ С СОБЕСОВ

🔒 База собесов | 🔒 База тестовых
Please open Telegram to view this post
VIEW IN TELEGRAM
📌 Что такое mock ?

💬 Спросят с вероятностью 3%

mock — это термин, который относится к созданию фиктивных объектов или имитаций для тестирования. Обычно означает использование библиотеки unittest.mock, которая входит в стандартную библиотеку и предоставляет мощные инструменты для создания и управления mock-объектами.

Позволяют изолировать тестируемый код от внешних зависимостей, таких как базы данных, сетевые соединения, файловые системы и другие ресурсы. Это делает тесты более надежными и позволяет тестировать только тот код, который непосредственно интересует разработчика.

Основные возможности:

1️⃣ Mock-объекты: Можно создавать фиктивные объекты, которые имитируют поведение реальных объектов.

2️⃣ Патчинг (patching): Позволяет временно заменять объекты в определенном пространстве имен на mock-объекты.

3️⃣ Отслеживание вызовов: Mock-объекты могут отслеживать, какие методы или атрибуты были вызваны и с какими аргументами.

4️⃣ Настройка возвращаемых значений и побочных эффектов: Можно задавать возвращаемые значения и побочные эффекты для методов mock-объектов.

Основные компоненты:

1️⃣ `Mock` класс: Базовый класс для создания mock-объектов.

2️⃣ mock — этдекоратор и контекстный менеджер: Используются для замены объектов на mock-объекты в определенном пространстве имен.

3️⃣ MagicMock класс: Расширяет Mock и включает магические методы (например, getitem, setitem и т.д.).

Примеры использования:

Пример создания mock-объекта
from unittest.mock import Mock

# Создание mock-объекта
mock_obj = Mock()

# Настройка возвращаемого значения для метода
mock_obj.some_method.return_value = 42

# Вызов метода
result = mock_obj.some_method()
print(result) # Вывод: 42

# Проверка вызова метода
mock_obj.some_method.assert_called_once()

Пример использования patch

from unittest.mock import patch

# Предположим, у нас есть функция, которая делает HTTP-запрос
def fetch_data():
import requests
response = requests.get("https://api.example.com/data")
return response.json()

# Тестируем функцию с использованием patch
@patch('requests.get')
def test_fetch_data(mock_get):
# Настройка mock-объекта
mock_response = Mock()
mock_response.json.return_value = {"key": "value"}
mock_get.return_value = mock_response

# Вызов тестируемой функции
result = fetch_data()
assert result == {"key": "value"}

# Проверка вызова mock-объекта
mock_get.assert_called_once_with("https://api.example.com/data")

# Запуск теста
test_fetch_data()

Пример использования MagicMock

from unittest.mock import MagicMock

# Создание MagicMock-объекта
mock_obj = MagicMock()

# Настройка возвращаемого значения для магического методаен.
3. `Magicmock_obj.__getitem__.return_value = "value"

# Вызов магического метода
result = mock_obj["key"]
print(result) # Вывод: value

# Проверка вызова магического метода
mock_obj.__getitem__.assert_called_once_with("key")


Преимущества:

1️⃣ Изоляция тестов: Позволяет тестировать компоненты в изоляции от их зависимостей.

2️⃣ Повышение надежности тестов: Тесты становятся менее зависимыми от внешних факторов, таких как сетевые соединения или состояние базы данных.

3️⃣ Гибкость: Mock-объекты можно легко настраивать для разных сценариев тестирования.

4️⃣ Отслеживание поведения: Можно отслеживать, как и с какими параметрами были вызваны методы и атрибуты.

Mock-объекты являются мощным инструментом для создания изолированных и надежных тестов в Python. Библиотека unittest.mock предоставляет все необходимые средства для создания и управления mock-объектами, позволяя эффективно тестировать код, избегая зависимости от внешних ресурсов и улучшая качество тестирования.

🔥 ТОП ВОПРОСОВ С СОБЕСОВ

🔒 База собесов | 🔒 База тестовых
Please open Telegram to view this post
VIEW IN TELEGRAM
🤔 Какой тип данных в Python является неизменяемым?
Anonymous Quiz
5%
list
15%
set
6%
dict
74%
tuple
📌 Что такое pytest ?

💬 Спросят с вероятностью 3%

pytest — это популярный и мощный фреймворк для тестирования, который позволяет писать компактные и легко читаемые тесты. Он широко используется благодаря своей простоте, гибкости и поддержке различных расширений. Поддерживает как модульное, так и функциональное тестирование, предоставляя множество удобных инструментов для тестирования кода.

Основные особенности

1️⃣ Простой синтаксис: Использует лаконичный и интуитивно понятный синтаксис для написания тестов.

2️⃣ Автоматическое обнаружение тестов: Автоматически обнаруживает тестовые функции и методы, что упрощает организацию тестов.

3️⃣ Фикстуры (fixtures): Предоставляет мощный механизм фикстур, который позволяет задавать исходные условия для тестов.

4️⃣ Параметризация тестов: Позволяет запускать один и тот же тест с разными входными данными, что сокращает количество повторяющегося кода.

5️⃣ Поддержка плагинов: Имеет богатую экосистему плагинов, которые расширяют его функциональность.

6️⃣ Совместимость: Совместим с unittest и другими фреймворками, что упрощает миграцию.

Установка pytest

Можно установить с помощью pip:
pip install pytest


Тестирование функции

Предположим, у нас есть простая функция для сложения двух чисел:
# math_operations.py
def add(a, b):
return a + b


Теперь напишем тест для этой функции с его использованием:
# test_math_operations.py
from math_operations import add

def test_add():
assert add(1, 2) == 3
assert add(-1, 1) == 0
assert add(-1, -1) == -2


Запуск тестов

Для него можно использовать команду pytest:
pytest test_math_operations.py


pytest автоматически найдет и выполнит все тесты, а затем выведет результаты на экран.

Фикстуры (fixtures)

Позволяют задавать инициализацию, необходимую для тестов. Они могут использоваться для подготовки данных, создания объектов и других операций, которые нужны перед выполнением тестов.
# test_math_operations.py
import pytest
from math_operations import add

@pytest.fixture
def input_data():
return 1, 2

def test_add(input_data):
a, b = input_data
assert add(a, b) == 3


Параметризация тестов

Позволяет запускать один и тот же тест с разными наборами данных.
# test_math_operations.py
import pytest
from math_operations import add

@pytest.mark.parametrize("a, b, expected", [
(1, 2, 3),
(-1, 1, 0),
(-1, -1, -2),
])
def test_add(a, b, expected):
assert add(a, b) == expected


Плагины:

Поддерживает множество плагинов, которые расширяют его функциональность. Некоторые из популярных плагинов:

pytest-cov: Генерация отчетов о покрытии кода тестами.

pytest-xdist: Параллельное выполнение тестов.

pytest-mock: Интеграция с библиотекой unittest.mock для создания и управления mock-объектами.

Пример использования плагина pytest-cov

Для его установки:
pip install pytest-cov


Запуск тестов с генерацией отчета о покрытии:
pytest --cov=my_module test_my_module.py


pytest — это мощный и гибкий фреймворк для тестирования, который упрощает написание и выполнение тестов. Благодаря простому синтаксису, поддержке фикстур, параметризации и плагинов, Позволяет эффективно автоматизировать процесс тестирования и обеспечивать высокое качество кода.

🔥 ТОП ВОПРОСОВ С СОБЕСОВ

🔒 База собесов | 🔒 База тестовых
Please open Telegram to view this post
VIEW IN TELEGRAM