В Django есть 3 типа наследования.

Abstract Base Class

🔹 Не создаёт таблицу в БД
🔹 Используется для переиспользования полей

class Base(models.Model):
    created_at = models.DateTimeField()

    class Meta:
        abstract = True

Multi-table inheritance

🔹 Каждая модель → отдельная таблица
🔹 Связь через OneToOne

class Base(models.Model):
    name = models.CharField(max_length=100)

class Employee(Base):
    salary = models.IntegerField()

Proxy model

🔹 Таблица не создаётся
🔹 Меняется только поведение (методы, менеджеры)

class UserProxy(User):
    class Meta:
        proxy = True

🐍Вопросы с собесов -> ProstoPython

⏱️ Big O Breakdown — выпуск 24

Посмотри на код:

def example(n):
    i = 0
    j = 0

    while i < n:
        i += 1

    while j < n:
        j += 1

❓ Какая сложность?

A) O(n)
B) O(n log n)
C) O(n²)
D) O(1)

✅ Правильный ответ: A) O(n)

🧠 Разбор

Первый цикл:

выполняется n раз → O(n)

Второй цикл:

выполняется n раз → O(n)

Теперь объединяем:

O(n) + O(n) = O(2n)

В Big O константы отбрасываются:

O(2n) → O(n)

📌 Итог

Даже если циклов два,
это не значит O(n²).

Важно:

они выполняются последовательно,
а не вложенно.

🐍Вопросы с собесов -> ProstoPython

📈 FROM O(...) TO O(...)

Edit Distance: от O(3ⁿ) до O(n·m)

Задача: найти минимальное количество операций чтобы превратить одну строку в другую. Операции — вставка, удаление, замена символа.

s1 = "kitten"
s2 = "sitting"
# Ответ: 3
# kitten → sitten (замена k→s)
# sitten → sittin (замена e→i)
# sittin → sitting (вставка g)

Это называется расстояние Левенштейна. Используется в spell checker, git diff, поиске похожих строк.

Наивное решение — рекурсия:

def edit_distance(s1, s2, i, j):
    if i == 0:
        return j  # вставить j символов
    if j == 0:
        return i  # удалить i символов
    if s1[i-1] == s2[j-1]:
        return edit_distance(s1, s2, i-1, j-1)
    return 1 + min(
        edit_distance(s1, s2, i-1, j),    # удаление
        edit_distance(s1, s2, i, j-1),    # вставка
        edit_distance(s1, s2, i-1, j-1)   # замена
    )

O(3ⁿ) — три рекурсивных вызова на каждом шаге. На строках длиной 10 — тысячи повторных вычислений.

DP — O(n·m):

def edit_distance(s1, s2):
    n, m = len(s1), len(s2)
    dp = [[0] * (m + 1) for _ in range(n + 1)]

    for i in range(n + 1):
        dp[i][0] = i  # удалить i символов
    for j in range(m + 1):
        dp[0][j] = j  # вставить j символов

    for i in range(1, n + 1):
        for j in range(1, m + 1):
            if s1[i-1] == s2[j-1]:
                dp[i][j] = dp[i-1][j-1]
            else:
                dp[i][j] = 1 + min(
                    dp[i-1][j],    # удаление
                    dp[i][j-1],    # вставка
                    dp[i-1][j-1]   # замена
                )

    return dp[n][m]

Визуализация для "cat" и "cut":

    ""  c  u  t
""   0  1  2  3
c    1  0  1  2
a    2  1  1  2
t    3  2  2  1  ← ответ

Символы совпали — берём диагональ. Не совпали — минимум из трёх соседей плюс 1.

Оптимизация до O(m) памяти:

Как и в LCS — хранить только две строки таблицы.

🐍Вопросы с собесов -> ProstoPython

🧰 Code Cleanup

На первый взгляд — обычный код.
Но именно так пишут на автомате… и теряют читаемость.

❌ Плохой код

users = [
    {"name": "Alice", "age": 17},
    {"name": "Bob", "age": 25},
    {"name": "Charlie", "age": 16},
]

result = []

for u in users:
    if u["age"] >= 18:
        result.append(u["name"])

print(result)

✅ Улучшенный код

result = [user["name"] for user in users if user["age"] >= 18]

💥 Объяснение

Работает и так, и так.

Но есть нюанс.

👉 В первом варианте ты заставляешь мозг держать:

🔷 временный список
🔷 цикл
🔷 условие
🔷 мутацию (append)

👉 Во втором — всё выражено как одна мысль:

«возьми имена пользователей старше 18»

И это ключевое отличие.

🧠 Где здесь ловушка

Многие думают:

🔷 «list comprehension — это просто короче»

На самом деле:

🔷 Это декларативный стиль, а не просто синтаксический сахар

Ты описываешь *что хочешь получить*, а не *как это собирать по шагам*.

⚠️ Но не переусердствуй

Вот так — уже плохо:

result = [u["name"].upper() for u in users if u["age"] >= 18 and u["name"].startswith("A")]

Становится сложно читать.

🐍Вопросы с собесов -> ProstoPython

UDP (User Datagram Protocol) — транспортный протокол для передачи данных без установления соединения.

Особенности

🔹 нет установки соединения (connectionless)
🔹 нет гарантии доставки
🔹 нет порядка доставки
🔹 минимальные накладные расходы → высокая скорость

Когда используется

🔹 стриминг (видео/аудио)
🔹 онлайн-игры
🔹 DNS-запросы

Итог: UDP — быстрый, но ненадёжный протокол передачи данных без подтверждений и контроля доставки.

🐍Вопросы с собесов -> ProstoPython

❌ Rookie Mistakes

На первый взгляд — код абсолютно безопасный.
Но именно здесь многие ловят странные баги.

❌ Пример с ошибкой

def add_user(name, data={}):
    data[name] = len(name)
    return data

print(add_user("Alice"))
print(add_user("Bob"))
print(add_user("Charlie"))

🤯 Ожидание

{'Alice': 5}
{'Bob': 3}
{'Charlie': 7}

💥 Реальность

{'Alice': 5}
{'Alice': 5, 'Bob': 3}
{'Alice': 5, 'Bob': 3, 'Charlie': 7}

🧠 Почему это ошибка

На первый взгляд кажется:
data={} создаётся заново при каждом вызове.

Но…

👉 Значение по умолчанию создаётся один раз
👉 И это один и тот же словарь

Ты не создаёшь новый dict — ты каждый раз дописываешь в старый

⚠️ Именно здесь чаще всего ошибаются

Многие думают:

«Функция вызвалась → значит всё внутри новое»

На самом деле:

Дефолтные аргументы живут между вызовами


✅ Исправленный вариант

def add_user(name, data=None):
    if data is None:
        data = {}
    data[name] = len(name)
    return data

Теперь каждый вызов создаёт новый словарь.


⚡️ Краткий вывод

Если видишь в аргументах:

{} / [] / set()

👉 это потенциальный баг

🐍Вопросы с собесов -> ProstoPython

🧩 Code Cleanup

itertools — перестань писать вложенные циклы руками

Типичный код когда нужно перебрать все пары:

colors = ["red", "blue"]
sizes = ["S", "M", "L"]

result = []
for color in colors:
    for size in sizes:
        result.append((color, size))

Работает. Но две вложенности только ради декартова произведения — многовато.

После:

from itertools import product

result = list(product(colors, sizes))
# [('red','S'),('red','M'),('red','L'),('blue','S'),('blue','M'),('blue','L')]

Одна строка. Читается как задача — "произведение цветов и размеров".

🐍Вопросы с собесов -> ProstoPython

❌ Rookie Mistakes

Не сравнивай float через ==

Код который ломается в самый неожиданный момент:

total = 0.1 + 0.2
if total == 0.3:
    print("равно")
else:
    print("не равно")

Выведет "не равно". Всегда.

print(0.1 + 0.2)  # 0.30000000000000004

Числа с плавающей точкой хранятся в бинарном виде — и большинство десятичных дробей не представимы точно. 0.1 в памяти это не ровно 0.1 — это ближайшее представимое число.

🐍Вопросы с собесов -> ProstoPython

В множество (set) можно помещать только hashable (хешируемые) объекты.

Требования

🔹 объект имеет __hash__()
🔹 объект неизменяемый (immutable)
🔹 корректно реализует __eq__()

Можно

🔹 int, float, str, bool
🔹 tuple (если внутри тоже hashable)
🔹 frozenset

Нельзя

🔹 list
🔹 dict
🔹 set

(они изменяемые → нет стабильного хеша)

🐍Вопросы с собесов -> ProstoPython

🧰 Code Cleanup

На первый взгляд — аккуратный код.
Но в нём есть дублирование, которое замедляет чтение.

❌ Плохой код

def get_active_users(users):
    result = []

    for user in users:
        if "is_active" in user:
            if user["is_active"]:
                result.append(user["name"])

    return result

✅ Улучшенный код

def get_active_users(users):
    return [user["name"] for user in users if user.get("is_active")]

💥 Объяснение

В первом варианте происходит лишнее:

👉 Ты сначала проверяешь наличие ключа
👉 Потом сразу используешь его же

Это дублирование логики.

🐍Вопросы с собесов -> ProstoPython

🧠 Interview Thinking

Классическая задача.
Но валятся здесь не из-за кода — а из-за мышления.

📌 Задача

Дана строка:

s = "leetcode"

Нужно вернуть индекс первого уникального символа.
Если нет — вернуть -1.

👶 Как думает junior

def first_unique(s):
    for i in range(len(s)):
        if s.count(s[i]) == 1:
            return i
    return -1

На первый взгляд — логично.

👉 Проверяем каждый символ
👉 Если встречается 1 раз — возвращаем индекс

💥 Проблема

Метод count() — это O(n)

А он вызывается внутри цикла.

👉 Итог: O(n²)

На маленьких строках — ок
На больших — просадка


🧠 Как думает сильный кандидат

from collections import Counter

def first_unique(s):
    freq = Counter(s)

    for i, char in enumerate(s):
        if freq[char] == 1:
            return i

    return -1

🚀 Что изменилось

👉 Сначала считаем частоты → O(n)
👉 Потом один проход → O(n)

Итого: O(n)

⚠️ Но дело не только в оптимизации

Сильный кандидат:

🔷 сразу проговаривает сложность
🔷 замечает повторные операции
🔷ищет способ вынести их из цикла


🎯 Что хочет интервьюер

Не просто решение.

А чтобы ты сказал:

«Здесь есть повторный подсчёт.
Я могу вынести его в отдельную структуру»

🐍Вопросы с собесов -> ProstoPython

📈 From O(n²) to O(n)

Задача простая.
Но именно здесь многие застревают в brute force.

📌 Задача

Дан массив чисел и число target.

Нужно найти два индекса, сумма элементов по которым равна target.

nums = [2, 7, 11, 15]
target = 9

Ответ: [0, 1]


❌ Наивное решение (brute force)

def two_sum(nums, target):
    for i in range(len(nums)):
        for j in range(i + 1, len(nums)):
            if nums[i] + nums[j] == target:
                return [i, j]

💥 Проблема

Два вложенных цикла:

👉 O(n²)

На маленьких массивах — нормально
На больших — боль

🧠 Ключевой вопрос

На первый взгляд кажется:
«Ну а как иначе? Надо же проверить все пары»

Но…

👉 А если мы будем помнить, что уже видели?

✅ Оптимизированное решение

def two_sum(nums, target):
    seen = {}

    for i, num in enumerate(nums):
        complement = target - num

        if complement in seen:
            return [seen[complement], i]

        seen[num] = i

🚀 Что произошло

Мы заменили:

👉 «перебирать все пары»
на
👉 «проверять, встречали ли нужное значение раньше»


📉 Сложность

Один проход по массиву → O(n)
Поиск в словаре → O(1)

Итого: O(n)

⚠️ Где часто ошибаются

❌ Сначала добавляют в seen, потом проверяют
→ ловят кейс, где элемент используется дважды

Правильно:

👉 сначала проверка
👉 потом добавление

🐍Вопросы с собесов -> ProstoPython

Попробуйте ответить без запуска, что выведет код, разбор будет через 2 часа

🐍Вопросы с собесов -> ProstoPython

✅ Правильный ответ:
[1, 2, 3, 4]
[1, 2, 3, 4]

💥 Разбор

На первый взгляд кажется:

data += [4] создаёт новый список

Но это не так.

🧠 Что происходит на самом деле

Для списков:

data += [4]

👉 это мутация (аналог extend)
👉 объект изменяется на месте

А data и lst — это одна и та же ссылка.

⚠️ Где ловушка

Многие думают:

+= всегда создаёт новый объект

Но в Python:

для list → мутация
для tuple, str → новый объект

Один и тот же оператор — разное поведение.

🐍Вопросы с собесов -> ProstoPython

🧰 Code Cleanup

На первый взгляд — нормальный код.
Но в нём скрытая неэффективность и шум.

❌ Плохой код

def group_by_type(items):
    result = {}

    for item in items:
        if item["type"] not in result:
            result[item["type"]] = []

        result[item["type"]].append(item)

    return result

✅ Улучшенный код

from collections import defaultdict

def group_by_type(items):
    result = defaultdict(list)

    for item in items:
        result[item["type"]].append(item)

    return result

💥 Объяснение

В первом варианте:

👉 дважды обращаешься к item["type"]
👉 руками обрабатываешь инициализацию

Код работает, но перегружен лишними действиями.

🧠 Что здесь неочевидно

Многие думают:

«Ну это же стандартный паттерн»

На самом деле:

ты берёшь на себя работу, которую уже решил Python

⚠️ Где часто ошибаются

Пишут так «по привычке»:

if key not in dict:
    dict[key] = []

Хотя это почти всегда можно упростить.

⚡️ Маленькое правило

👉 Если собираешь значения в группы → смотри в сторону defaultdict
👉 Убирай повторные обращения к одним и тем же данным

🐍Вопросы с собесов -> ProstoPython

⏱️ Big O Breakdown

def process(matrix):
    result = []
    for row in matrix:
        for val in row:
            result.append(val)
    return result

matrix — это список из n элементов суммарно (например, 100 чисел, разбитых на строки разной длины).

Какая сложность?

A) O(n)
B) O(n²)
C) O(n · m)
D) Зависит от формы матрицы

Правильный ответ: A — O(n)

Разбор

Глаз видит два вложенных цикла и автоматически кричит «O(n²)!». Это рефлекс, и он часто врёт.

Сложность считается не по количеству циклов, а по числу итераций относительно размера входа.

Здесь внутренний for val in row пробегает по элементам строки. А внешний — по строкам. В сумме мы касаемся каждого элемента ровно один раз.

Если всего элементов n — мы делаем n шагов. Это O(n).

🐍Вопросы с собесов -> ProstoPython

📈 From O(n·k) to O(n)

Задача

Дан массив и число k. Для каждого окна длины k найти максимум.

nums = [1, 3, -1, -3, 5, 3, 6, 7], k = 3
→ [3, 3, 5, 5, 6, 7]

Наивное решение — O(n·k)

def max_sliding(nums, k):
    return [max(nums[i:i+k]) for i in range(len(nums) - k + 1)]

Чисто, читаемо, проходит на маленьких данных.

Проблема: для каждого из n окон вызываем max(), который проходит по k элементам. Итого — O(n·k).

При n = 10⁶ и k = 10⁵ это уже 10¹¹ операций. Тесты упадут по таймауту.


Оптимизация — O(n) через deque

Идея: хранить в очереди индексы кандидатов на максимум. Поддерживать в ней убывающий порядок значений.

from collections import deque

def max_sliding(nums, k):
    dq = deque()  # индексы, значения по ним убывают
    result = []

    for i, n in enumerate(nums):
        # выбрасываем индексы, вышедшие за окно
        while dq and dq[0] <= i - k:
            dq.popleft()

        # выбрасываем всё, что меньше текущего — они никогда не станут максимумом
        while dq and nums[dq[-1]] < n:
            dq.pop()

        dq.append(i)

        if i >= k - 1:
            result.append(nums[dq[0]])

    return result

Почему это O(n), а не O(n·k)?

На первый взгляд внутри for есть два while — кажется, что снова вложенность.

На самом деле каждый элемент попадает в очередь и выпадает из неё ровно один раз за всю работу алгоритма. Сумма всех итераций внутренних while — не больше 2n.

Это называется амортизированный анализ: смотрим не на худший шаг, а на суммарную работу.

🐍Вопросы с собесов -> ProstoPython

Новая рубрика🔥🔥🔥:

⚖️ This vs That — «Это или то»
Сравнение похожих штук, между которыми все путаются

Мы стараемся для вас 💛

🔥 — если ждали новую рубрику

🐍Вопросы с собесов -> ProstoPython

⚖️ This vs That: staticmethod vs classmethod

Оба — методы без self. Оба вызываются через класс. Разница ловится за 30 секунд, если понять одну вещь.

staticmethod — функция, которая просто живёт внутри класса

Не получает ни self, ни cls. Не знает ни про экземпляр, ни про класс. По сути — обычная функция, которую сложили в namespace класса для удобства.

class Temperature:

    @staticmethod

    def c_to_f(celsius):

        return celsius * 9/5 + 32

Temperature.c_to_f(100)  # 212

Если убрать staticmethod и вынести функцию наружу — ничего не сломается. Это и есть маркер.

classmethod — метод, который знает свой класс

Первым аргументом получает cls — сам класс. Это даёт две суперспособности:

1. Альтернативные конструкторы

class User:

    def __init__(self, name, age):

        self.name = name

        self.age = age

    @classmethod

    def from_dict(cls, data):

        return cls(data["name"], data["age"])

user = User.from_dict({"name": "Anna", "age": 30})

cls(...) вместо User(...) — важная деталь. Об этом ниже.

2. Корректная работа с наследованием

class Admin(User):

    pass

admin = Admin.from_dict({"name": "Bob", "age": 40})

print(type(admin))  # <class 'Admin'> ✅

Если бы внутри было return User(...) — Admin.from_dict(...) вернул бы User. Это классическая ошибка.

Главное отличие в одной фразе

staticmethod — про группировку.

classmethod — про полиморфизм по классу.

Если методу не нужен ни self, ни cls — это staticmethod.

Если нужно создать объект *того же класса, что вызвал метод* — это classmethod.

🐍Вопросы с собесов -> ProstoPython