🎭 Red Flag

Плохой пример

def get_config(path):
    try:
        with open(path) as f:
            return json.load(f)
    except Exception:
        pass
    return {}

Выглядит «надёжно»: что бы ни случилось — функция не упадёт, вернёт пустой конфиг. Программа продолжит работать.
Именно в этом и проблема.

Что не так
except Exception ловит всё подряд, а pass молча проглатывает. Ты теряешь информацию о том, что вообще пошло не так:

файла нет           → молчим, отдаём {}
битый JSON          → молчим, отдаём {}
опечатка в коде      → молчим, отдаём {}   ← а вот это уже баг!
нет прав на чтение   → молчим, отдаём {}

Все эти разные беды слиплись в один тихий «всё нормально». Приложение поедет на пустом конфиге, а настоящую причину ты будешь искать часами — потому что в логах пусто.
Хуже того: except Exception способна поймать KeyError/AttributeError от твоей же опечатки внутри try — и баг превратится в невидимку.

Как надо
Лови конкретные ожидаемые исключения, остальное пусть летит наверх:

def get_config(path):
    try:
        with open(path) as f:
            return json.load(f)
    except FileNotFoundError:
        logging.warning("Конфиг %s не найден, беру дефолт", path)
        return {}
    except json.JSONDecodeError as e:
        logging.error("Конфиг %s битый: %s", path, e)
        raise          # это уже серьёзно — не глотаем

Теперь видно: чего ты ожидал (файла может не быть — ок) и что должно громко падать (битый JSON — это ошибка деплоя, а не норма).

🐍Вопросы с собесов -> ProstoPython

⏱️ Big O Breakdown

def running_medians(stream):
    seen = []
    result = []
    for x in stream:
        seen.append(x)
        s = sorted(seen)
        result.append(s[len(s) // 2])
    return result

Для каждого нового числа считаем медиану по всему, что пришло. n — длина потока.

Какая сложность по времени?
A) O(n)
B) O(n log n)
C) O(n²)
D) O(n² log n)

Правильный ответ: D — O(n² log n)
Почти все говорят C, забывая про логарифм от сортировки.

Разбор
Считаем по слоям.
Цикл крутится n раз. На каждой итерации внутри прячется sorted(seen):

итерация i:  сортируем список длины i  →  O(i · log i)

Суммируем по всем итерациям:

i=1:  1·log1
i=2:  2·log2
...
i=n:  n·log n

каждое слагаемое ≤ n·log n, а слагаемых n штук
→  всего ≤ n · (n log n)  =  O(n² log n)

Две ловушки сразу:

1) sorted внутри цикла   → лишний множитель n
2) сама сортировка       → лишний множитель log n

C (O(n²)) получился бы, будь внутри линейная операция (sum, max). Но сортировка дороже — отсюда log n сверху.

Где это легко прозевать
sorted(seen) — короткая строка, читается как «ну, отсортировали». Но она пересортировывает весь накопленный список заново на каждом шаге, хотя добавился всего один элемент.

🐍Вопросы с собесов -> ProstoPython

⚖️ This vs That: is vs ==

Путают постоянно. А разница — фундаментальная, и на ней ловят на собесах.

Что делает ==
Сравнивает значения: «равны ли эти объекты по содержимому». Вызывает метод __eq__.

a = [1, 2, 3]
b = [1, 2, 3]
a == b      # True — содержимое одинаковое

Что делает is
Сравнивает идентичность: «это один и тот же объект в памяти». Сравнивает id(), никаких методов не зовёт.

a is b      # False — два разных списка, просто с одинаковым содержимым
a ──► [1, 2, 3]   id = 0xAAA
b ──► [1, 2, 3]   id = 0xBBB

a == b  →  сравнивает содержимое  →  True
a is b  →  сравнивает адреса      →  False

Главное отличие в одной фразе

==

спрашивает «равны ли они?»,


is

— «это вообще один и тот же объект?».

🐍Вопросы с собесов -> ProstoPython

📈 From O(n·m) to O(n+m)

Задача
Даны два отсортированных массива. Слей их в один отсортированный.
Пример: [1, 3, 5] и [2, 4, 6] → [1, 2, 3, 4, 5, 6].

Наивное решение
«Соединю и отсортирую — делов-то»

def merge(a, b):
    return sorted(a + b)

Работает, коротко. Но мы выбросили главное — то, что массивы уже отсортированы. sorted об этом не знает и сортирует с нуля: O((n+m)·log(n+m)).

Проблема
Платим за сортировку, хотя данные уже почти готовы. Логарифмический множитель здесь лишний — порядок внутри каждого массива нам ничего не стоил, а мы его проигнорировали.

Оптимизированное решение
Два указателя. Идём по обоим массивам одновременно, на каждом шаге берём меньший из текущих элементов.

def merge(a, b):
    i = j = 0
    result = []
    while i < len(a) and j < len(b):
        if a[i] <= b[j]:
            result.append(a[i])
            i += 1
        else:
            result.append(b[j])
            j += 1
    # один из массивов кончился — добиваем хвост второго
    result.extend(a[i:])
    result.extend(b[j:])
    return result

Каждый элемент трогаем ровно один раз → O(n+m) время.

Объяснение
Трассировка a = [1, 3, 5], b = [2, 4, 6]:

a: [1, 3, 5]     b: [2, 4, 6]
   i               j

1 ≤ 2  → берём 1, i→      result: [1]
3 > 2  → берём 2, j→      result: [1, 2]
3 ≤ 4  → берём 3, i→      result: [1, 2, 3]
5 > 4  → берём 4, j→      result: [1, 2, 3, 4]
5 ≤ 6  → берём 5, i→      result: [1, 2, 3, 4, 5]
a кончился → добиваем хвост b: [6]
                          result: [1, 2, 3, 4, 5, 6]

Указатели только движутся вперёд и никогда не откатываются — отсюда линейность.

🐍Вопросы с собесов -> ProstoPython

❌ Rookie Mistakes

def add_item(item, basket=[]):
    basket.append(item)
    return basket

Кажется логичным: не передал корзину — получи пустую. Но запусти дважды:

add_item("apple")    # ['apple']
add_item("banana")   # ['apple', 'banana']   ← откуда яблоко?!

Банан попал в ту же корзину, что и яблоко. Хотя мы её вроде не передавали.

Почему это ошибка
Значение по умолчанию вычисляется один раз — в момент определения функции, а не при каждом вызове.

def add_item(...basket=[]):   ← здесь создаётся ОДИН список
                                 и привязывается к функции навсегда

Все вызовы без аргумента используют этот единственный список. Мутируешь его в одном вызове — изменения видны во всех последующих.

вызов 1: basket → [тот самый список] → append("apple")  → ['apple']
вызов 2: basket → [тот же список!]   → append("banana") → ['apple', 'banana']

Список живёт между вызовами, как глобальная переменная, о которой ты не просил.
Кусаются именно мутабельные дефолты: [], {}, set(). С неизменяемыми (None, числа, строки, кортежи) проблемы нет — их и так нельзя поменять на месте.

Исправленный вариант
Дефолтом ставь None, а реальный объект создавай внутри — он будет свежим на каждый вызов:

def add_item(item, basket=None):
    if basket is None:
        basket = []
    basket.append(item)
    return basket
add_item("apple")    # ['apple']
add_item("banana")   # ['banana']   ← теперь каждый раз новая корзина

🐍Вопросы с собесов -> ProstoPython

🧰 Code Cleanup

Плохой код

def get_discount(user):
    if user is not None:
        if user.is_active:
            if user.subscription is not None:
                if user.subscription.is_premium:
                    return 0.2
                else:
                    return 0.1
                else:
                    return 0.0
            else:
                return 0.0
    return 0.0

Логика простая, а читать невозможно: четыре уровня вложенности, «лесенка», и где какой else относится — глаза ломаются. Главное действие утонуло в самой глубине.

Чистый вариант

def get_discount(user):
    if user is None:
        return 0.0
    if not user.is_active:
        return 0.0
    if user.subscription is None:
        return 0.0

    return 0.2 if user.subscription.is_premium else 0.1

Те же условия — но «плохие» случаи отсекаем сразу и выходим. Что осталось до конца функции — это счастливый путь.

Объяснение
Приём называется guard clauses (защитные проверки): вместо того чтобы заворачивать основную логику во вложенные if, ты в начале функции отбрасываешь всё, что мешает, через ранний return.

Что меняется:

было:  условие → углубляемся → условие → углубляемся → …
       (читать надо, держа в голове весь стек вложенности)

стало: не то? → выход.
       не то? → выход.
       дошли сюда — значит всё ок, делаем дело.

🐍Вопросы с собесов -> ProstoPython

🧠 Что выведет код

grid = [[0] * 3] * 3
grid[0][0] = 1
print(grid)

Варианты:
A) [[1, 0, 0], [0, 0, 0], [0, 0, 0]]
B) [[1, 0, 0], [1, 0, 0], [1, 0, 0]]
C) [[1, 1, 1], [0, 0, 0], [0, 0, 0]]
D) Ошибка

Правильный ответ: B
Меняли одну ячейку — «поплыла» вся колонка. На этом теряют часы отладки.

Разбор
Тут две разные * 3, и они делают не одно и то же.

[0] * 3        →  [0, 0, 0]   три НОВЫХ нуля (числа неизменяемы, копий не надо)
[...] * 3       →  три ссылки на ОДИН И ТОТ ЖЕ список


* 3 для внешнего списка не копирует внутренний. Он трижды кладёт ссылку на один объект:

grid ──► [ • , • , • ]
           │   │   │
           └───┴───┘
               ▼
          [0, 0, 0]      ← одна строка на всех

Поэтому grid[0], grid[1], grid[2] — это один и тот же список. Меняешь через любой — видишь во всех.

🐍Вопросы с собесов -> ProstoPython

🧠 Interview Thinking

Задача
Дан массив. Передвинь все нули в конец, сохранив порядок остальных элементов. Меняй на месте, без нового массива.
Пример: [0, 1, 0, 3, 12] → [1, 3, 12, 0, 0].

Как думает junior
«Соберу ненулевые в новый список, потом добью нулями.»

def move_zeroes(nums):
    result = [x for x in nums if x != 0]
    result += [0] * (len(nums) - len(result))
    return result

Логика верная. Но условие сказало на месте — а мы завели новый массив, O(n) доп. памяти. И ничего не меняем в исходном (вернули новый).
На собесе тут же спросят: «А без выделения второго массива?»

Как думает сильный кандидат
Инсайт: не «двигать нули», а подтягивать ненулевые вперёд. Нули окажутся в конце сами.

Два указателя, оба в одном массиве:
insert — куда класть следующий ненулевой элемент;
i — бежит по массиву и ищет ненулевые.

def move_zeroes(nums):
    insert = 0
    for i in range(len(nums)):
        if nums[i] != 0:
            nums[insert], nums[i] = nums[i], nums[insert]
            insert += 1

O(n) время, O(1) память. Меняем исходный массив.

🐍Вопросы с собесов -> ProstoPython

⏱️ Big O Breakdown

def process_queue(tasks):
    while tasks:
        task = tasks.pop(0)   # берём из начала
        handle(task)

Обрабатываем задачи по очереди — берём из начала списка, пока не опустеет. n — число задач.

Какая общая сложность по времени?
A) O(n)
B) O(n log n)
C) O(n²)
D) O(1)

Правильный ответ: C — O(n²)
Цикл выглядит линейным, но pop(0) всё портит.

Разбор
list.pop(0) берёт первый элемент. Но список в Python — это массив: элементы лежат подряд в памяти, индексы привязаны к позиции.
Убрал нулевой элемент → дырка в начале → все остальные надо сдвинуть на одну ячейку влево:

[A, B, C, D]
 ↑ pop(0)

убираем A, сдвигаем хвост:
[B, C, D]
 └─ B, C, D переехали ← это O(n)

🐍Вопросы с собесов -> ProstoPython

⚖️ This vs That: yield vs return
Оба «отдают» значение из функции. Но yield превращает функцию в совсем другого зверя.

Что делает return
Возвращает значение и завершает функцию. Всё, она отработала, состояние стёрто.

def get_numbers():
    return [1, 2, 3]      # посчитали ВЕСЬ список сразу, отдали, вышли

Что делает yield
Отдаёт значение и ставит функцию на паузу, запоминая, где остановилась. При следующем запросе — продолжает с того же места.

def get_numbers():
    yield 1               # отдал 1, замер
    yield 2               # продолжил, отдал 2, замер
    yield 3

Функция с yield — это генератор: значения выдаются по одному, лениво, по требованию.

return:  [█████████]  всё посчитано и лежит в памяти целиком
yield:    █ → █ → █    по одному, считается ровно когда нужно

Главное отличие в одной фразе
return

отдаёт всё сразу и забывает функцию.

yield

отдаёт по одному и помнит, где остановился.

🐍Вопросы с собесов -> ProstoPython

❌ Rookie Mistakes

Сравнение float через ==

total = 0.1 + 0.2

if total == 0.3:
    print("оплата прошла")
else:
    print("ошибка суммы")

Логично же: 0.1 + 0.2 это 0.3. Запускаем:

ошибка суммы

Python считает, что 0.1 + 0.2 != 0.3. Проверим в лоб:

>>> 0.1 + 0.2
0.30000000000000004

Почему это ошибка
Компьютер хранит дробные числа в двоичной системе. А 0.1, 0.2, 0.3 в двоичной — это бесконечные дроби (как 1/3 = 0.333... в десятичной). Их приходится обрезать под размер float.

0.1  →  хранится как ≈ 0.1000000000000000055...
0.2  →  хранится как ≈ 0.2000000000000000111...
сумма →  ≈ 0.3000000000000000444...

а 0.3 само по себе → ≈ 0.2999999999999999888...

0.30000...04  ≠  0.29999...88   →  False

Это не баг Python — так устроена арифметика с плавающей точкой везде (стандарт IEEE 754). В Java, C, JS — ровно то же самое.

🐍Вопросы с собесов -> ProstoPython

📈 From O(n²) to O(n)

Задача
Дана строка. Найди длину самой длинной подстроки, в которой нет повторяющихся символов.
Пример: "abcabcbb" → 3 (это "abc").

Наивное решение
«Проверю все подстроки: для каждого начала тяну конец, пока символы не повторятся.»

def longest_unique(s):
    best = 0
    for i in range(len(s)):
        seen = set()
        for j in range(i, len(s)):
            if s[j] in seen:
                break
            seen.add(s[j])
            best = max(best, j - i + 1)
    return best

Корректно. Но для каждого старта i мы заново бежим вправо — O(n²).

Проблема
Когда натыкаемся на повтор, мы выбрасываем всю работу и начинаем со следующего символа с нуля. А ведь часть уже проверенного окна всё ещё валидна — её незачем пересчитывать.

Оптимизированное решение
Скользящее окно (sliding window). Держим окно [left..right] без повторов. Двигаем right вперёд; если символ уже в окне — подтягиваем left, выкидывая «хвост» до дубликата.

def longest_unique(s):
    seen = {}            # символ → его последний индекс
    left = 0
    best = 0
    for right, ch in enumerate(s):
        if ch in seen and seen[ch] >= left:
            left = seen[ch] + 1     # сдвигаем левую границу за дубликат
        seen[ch] = right
        best = max(best, right - left + 1)
    return best

O(n) время: каждый символ обрабатывается один раз. left и right только движутся вперёд.

🐍Вопросы с собесов -> ProstoPython

🧠 Что выведет код

def f():
    print(x)
    x = 10

x = 5
f()

Варианты:
A) 5
B) 10
C) None
D) UnboundLocalError

Правильный ответ: D)

Снаружи x = 5 существует. А функция всё равно падает. Почему?

Разбор

Python определяет, локальная переменная или глобальная, не во время выполнения, а заранее — на этапе компиляции функции.
Правило: если внутри функции переменной где-то присваивают значение — она считается локальной на всю функцию целиком. С первой строки до последней.

def f():
    print(x)    # ← пытаемся прочитать x
    x = 10      # ← из-за этой строки x ЛОКАЛЬНА во всей f

Из-за x = 10 ниже Python ещё при компиляции решает: «x здесь локальная». Глобальная x = 5 для функции больше не видна — её заслонила локальная.
А на строке print(x) локальной x ещё не присвоили значение:

f() вызвана
   ↓
x объявлена локальной (из-за присваивания ниже)
   ↓
print(x) → читаем локальную x, которой ещё нет → 💥 UnboundLocalError

Ключевой момент: дело не в порядке строк сверху вниз. Даже если print(x) идёт первым — наличие присваивания где угодно в функции делает переменную локальной везде.

🐍Вопросы с собесов -> ProstoPython

🧰 Code Cleanup

Плохой код

def get_handler(command):
    if command == "start":
        return start_game()
    elif command == "pause":
        return pause_game()
    elif command == "resume":
        return resume_game()
    elif command == "stop":
        return stop_game()
    else:
        return unknown_command()

Работает. Но это «лестница»: каждая новая команда — ещё два elif. И вся структура — однотипная: сравнили строку → вызвали функцию.

Чистый вариант

HANDLERS = {
    "start": start_game,
    "pause": pause_game,
    "resume": resume_game,
    "stop": stop_game,
}

def get_handler(command):
    handler = HANDLERS.get(command, unknown_command)
    return handler()

Соответствие «команда → функция» стало данными, а не кодом. Добавить команду — одна строка в словарь, а не новая ветка.

Объяснение
Длинный if/elif, который сравнивает одну и ту же переменную с разными значениями — это замаскированная таблица соответствий. А таблицу естественнее хранить в словаре.

🐍Вопросы с собесов -> ProstoPython

🧠 Interview Thinking

Задача
Даны две строки. Определи, являются ли они анаграммами — то есть состоят из одних и тех же символов в одинаковом количестве.
Пример: "listen" и "silent" → True; "rat" и "car" → False.

Как думает junior
«Анаграммы — это одинаковый набор букв. Отсортирую обе строки и сравню.»

def is_anagram(s, t):
    return sorted(s) == sorted(t)

Коротко и работает. Это абсолютно валидный ответ — не стыдись его. Но сортировка — это O(n log n), и на собесе спросят: «А можешь за линию?»

Как думает сильный кандидат
Инсайт: мне не нужен порядок букв — нужно только сколько раз каждая встречается. А подсчёт — это O(n), без всякой сортировки.
Считаю частоты в обеих строках и сравниваю:

from collections import Counter

def is_anagram(s, t):
    return Counter(s) == Counter(t)

O(n) время. Counter строит словарь {буква: количество}, а == сравнивает их целиком.

Хочешь показать, что понимаешь, что под капотом, — можно и руками одним словарём:

def is_anagram(s, t):
    if len(s) != len(t):     # разной длины — точно не анаграммы
        return False
    counts = {}
    for ch in s:
        counts[ch] = counts.get(ch, 0) + 1
    for ch in t:
        if ch not in counts:
            return False
        counts[ch] -= 1
        if counts[ch] == 0:
            del counts[ch]
    return not counts        # пусто → всё сошлось

🐍Вопросы с собесов -> ProstoPython

🎭 Red Flag

Плохой пример

def process(value):
    if type(value) == list:
        return [v * 2 for v in value]
    if type(value) == dict:
        return {k: v * 2 for k, v in value.items()}
    raise TypeError("неподдерживаемый тип")

Работает на обычных списках и словарях. Но проверка типа через type(x) == — хрупкая, и однажды она тихо тебя подведёт.

Что не так
type(x) == list проверяет, что тип — ровно list, и ничего больше. Наследников он не признаёт.

from collections import OrderedDict

d = OrderedDict(a=1, b=2)
type(d) == dict        # False !  — а ведь это словарь по сути
isinstance(d, dict)    # True


OrderedDict, defaultdict, Counter — все наследуют dict и ведут себя как словари. Но type(x) == dict их отвергнет, и твоя функция упадёт на совершенно валидных данных.
Это нарушает подстановку Лисков: подкласс должен работать везде, где работает базовый. type() == ломает этот принцип на ровном месте.

Как надо
isinstance проверяет «является ли x этим типом или его наследником» — то есть то, что обычно и нужно:

def process(value):
    if isinstance(value, list):
        return [v * 2 for v in value]
    if isinstance(value, dict):     # ловит и OrderedDict, и defaultdict
        return {k: v * 2 for k, v in value.items()}
    raise TypeError("неподдерживаемый тип")

🐍Вопросы с собесов -> ProstoPython

⏱️ Big O Breakdown

def join_words(words):
    result = ""
    for word in words:
        result += word + " "
    return result

Склеиваем слова в одну строку. n — число слов (для простоты считаем их сопоставимой длины).

Какая сложность по времени?
A) O(n)
B) O(n log n)
C) O(n²)
D) O(1)

Правильный ответ: C

Один цикл, простое += — а под капотом квадрат.

Разбор
Главная ловушка: строки в Python неизменяемы. result += word не дописывает в существующую строку — он создаёт новую, копируя в неё всё старое содержимое плюс новый кусок.

result += word  →  на самом деле:  result = result + word
                                   (новая строка, копия всего)

А копирование строки длины k стоит O(k). На каждой итерации result всё длиннее:

итерация 1:  копируем строку длины ~1
итерация 2:  копируем длины ~2
итерация 3:  копируем длины ~3
...
итерация n:  копируем длины ~n

всего: 1 + 2 + 3 + ... + n  =  O(n²)

Строка переписывается заново снова и снова. Каждый символ из начала копируется десятки тысяч раз.

🐍Вопросы с собесов -> ProstoPython

💾 Memory Footprint: чтение файла целиком vs построчно

def count_errors(path):
    lines = open(path).readlines()
    return sum(1 for line in lines if "ERROR" in line)

Считаем строки со словом ERROR в лог-файле. n — число строк в файле.

Какая сложность по ПАМЯТИ?
A) O(1)
B) O(log n)
C) O(n)
D) Зависит от числа ошибок

Правильный ответ: C

По времени тут честный O(n).

А вот по памяти — ловушка, которую почти не замечают.

Разбор
readlines() читает весь файл сразу и возвращает список всех строк:

readlines()  →  ["строка1\n", "строка2\n", ..., "строкаN\n"]
                 весь файл целиком лежит в памяти

Это список из n строк → O(n) памяти. На лог-файле в 10 ГБ программа просто упадёт с MemoryError, хотя нам нужно-то всего одно число — счётчик.
Ключевое наблюдение: нам не нужны все строки одновременно. Мы смотрим на каждую по разу и забываем. Зачем держать их все в памяти?

Как починить — O(1)
Файловый объект сам по себе итерируемый: можно идти по строкам, не загружая файл целиком. Каждая строка читается, обрабатывается и выбрасывается.

def count_errors(path):
    with open(path) as f:
        return sum(1 for line in f if "ERROR" in line)
readlines():  [строка1][строка2]...[строкаN]   ← всё в памяти, O(n)
итерация по f: строка → обработали → забыли    ← одна за раз, O(1)

В памяти в любой момент — одна строка.

🐍Вопросы с собесов -> ProstoPython

💾 Memory Footprint: генератор vs списковое включение

nums = range(1_000_000)

a = [x * x for x in nums]
b = (x * x for x in nums)

print(sum(a))
print(sum(b))

Обе строки «создают квадраты». sum от обеих даст одинаковый результат. Но память они едят по-разному.

Сколько памяти держит b (в круглых скобках)?
A) O(n), как и a
B) O(1)
C) O(log n)
D) Ошибка — генератор нельзя суммировать


Правильный ответ: B

Один символ разницы — квадратные скобки против круглых — меняет память с мегабайтов на байты.

Разбор

a = [x * x for x in nums]    # список: считает и хранит ВСЕ значения сразу
b = (x * x for x in nums)    # генератор: не считает ничего, пока не спросят


a — списковое включение. Оно сразу вычисляет миллион квадратов и складывает их в список. Это O(n) памяти — все элементы лежат одновременно.
b — генераторное выражение. Оно не вычисляет ничего наперёд. Это рецепт: «при запросе выдай следующий квадрат». Значения рождаются по одному во время итерации и тут же выбрасываются.

a:  [0, 1, 4, 9, ..., n²]      ← весь миллион в памяти, O(n)
b:  → 0 → 1 → 4 → ...          ← по одному, O(1)
        (в памяти всегда один элемент)


sum(b) идёт по генератору: берёт квадрат, прибавляет к сумме, забывает, берёт следующий. В памяти в каждый момент — одно число.

🐍Вопросы с собесов -> ProstoPython

🧠 Interview Thinking

Задача
Дан массив чисел. Определи, есть ли в нём хотя бы один повторяющийся элемент.
Пример: [1, 2, 3, 1] → True; [1, 2, 3, 4] → False.

Как думает junior
«Для каждого элемента проверю, встречается ли он дальше. Сравню все пары.»

def contains_duplicate(nums):
    for i in range(len(nums)):
        for j in range(i + 1, len(nums)):
            if nums[i] == nums[j]:
                return True
    return False

Корректно. Но это O(n²) — два вложенных цикла. На большом массиве собес ляжет.

Как думает сильный кандидат
Инсайт: вопрос «видел ли я это число раньше?» — это вопрос про принадлежность множеству. А in по set — это O(1).
Иду по массиву один раз, складываю увиденное в set. Если новый элемент уже там — нашли дубликат.

def contains_duplicate(nums):
    seen = set()
    for num in nums:
        if num in seen:
            return True
        seen.add(num)
    return False

O(n) время, O(n) память. И ранний выход — на первом же повторе.

🐍Вопросы с собесов -> ProstoPython