20 najpopularniejszych pytań na rozmowie kwalifikacyjnej o Pythona

📌 Przykładowe pytanie na ten temat

Pytanie: Jakie typy danych obsługuje Python i jak tworzyć zmienne z tymi typami?

Odpowiedź: Python obsługuje kilka wbudowanych typów danych: liczby całkowite i zmiennoprzecinkowe, ciągi znaków, listy, krotki, zbiory, słowniki i wartości logiczne.

Przykładowy kod z różnymi typami danych:

# Liczby

number = 42

float_num = 3.14

# Linie

text = «Witaj»

# Listy

my_list = [1, 2, 3]

# Krotki

my_tuple = (1, 2, 3)

# Zestawy

my_set = {1, 2, 3

# Słowniki

my_dict = {«key»: «value»}

# Typ logiczny

is_active = True

📌 Przykładowe pytanie na ten temat

Pytanie:Jak używać pętli ‘for’ i ‘while’ w Pythonie. I kiedy należy używać każdej z nich?

Odpowiedź:Pętle ‘for’ służą do iterowania po elementach kolekcji, takich jak listy czy ciągi znaków. Na przykład: dla elementu w elementach: print(element). Pętla while jest używana, gdy trzeba powtarzać akcje, aż do spełnienia określonego warunku: while condition: do_something(). Ważne jest, aby móc kontrolować proces powtarzania i poprawnie używać warunków wyjścia z pętli.

📌 Przykładowe pytanie na ten temat

Pytanie: Jak poprawnie używać konstrukcji ‘if’, ‘elif’ i ‘else’ w Pythonie?

Odpowiedź: Instrukcje if, elif i else pomagają kontrolować logikę programu, umożliwiając wykonywanie kodu na podstawie warunków.

Przykład kodu:

if condition1:

do_something()

elif condition2:

do_something_else()

else:

else:

do_default_thing()

Ważne jest, aby poprawnie konstruować warunki, aby uniknąć błędów w logice programu.

📌 Przykładowe pytanie na ten temat

Pytanie: jak pracować z elementami słownika w Pythonie?

Odpowiedź: 

# Utwórz słownik

user = {‘name’: ‘John’, ‘age’: 25

# Dodaj element

user[‘city’] = ‘Nowy Jork’

# Zmiana elementu

user[‘age’] = 26

# Usuwanie elementu

del user[‘name’]

# Usuwanie za pomocą pop()

city = user.pop(‘city’)

print(user) # Wyniki: {‘age’: 26

📌 Przykładowe pytanie na ten temat

Pytanie:Jak definiować i wywoływać funkcje w Pythonie?

Odpowiedź:Aby utworzyć funkcję, użyj słowa kluczowego ‘def’, a następnie wywołaj ją po nazwie. Na przykład:

def greet(name):

return f»Witaj, {name}!»

print(greet(«Maria»))

📌 Przykładowe pytanie na ten temat

Pytanie: Dlaczego wcięcia są ważne w Pythonie?

Odpowiedź: Wcięcia w Pythonie określają strukturę programu. Nieprawidłowe formatowanie kodu może prowadzić do błędów. Aby zachować czytelność i poprawność programu, należy przestrzegać ścisłych zasad dotyczących wcięć.

📌 Przykładowe pytanie na ten temat

Pytanie: Jaka jest różnica między listą, krotką i zestawem w Pythonie?

Odpowiedź: 

# Lista — zmienny, uporządkowany, z duplikatami

numbers_list = [1, 2, 2, 3]

numbers_list[0] = 5 # Elementy można modyfikować

# Krotka — niezmienny, uporządkowany, z duplikatami

numbers_tuple = (1, 2, 2, 3)

# numbers_tuple[0] = 5 # Elementów nie można modyfikować

# Ustaw — zmienny, nieuporządkowany, bez duplikatów

numbers_set = {1, 2, 2, 3} # Będzie {1, 2, 3

numbers_set.add(4) # Można dodawać elementy

print(numbers_list) # [5, 2, 2, 3]

print(numbers_tuple) # (1, 2, 2, 3)

print(numbers_set) # {1, 2, 3, 4

📌 Przykładowe pytanie na ten temat

Pytanie:Jak przekonwertować słownik na zestaw w Pythonie?

Odpowiedź: Wbudowane metody Pythona służą do konwersji słownika na zestaw. Podczas konwersji na zestaw zachowywane są tylko klucze słownika.

Przykład kodu:

my_dict = {‘a’: 1, ‘b’: 2, ‘c’: 3

my_set = set(my_dict)

print(my_set) # Wyjście: {‘a’, ‘b’, ‘c’

Aby uzyskać zestaw wartości:

values_set = set(my_dict.values())

print(values_set) # Dane wyjściowe: {1, 2, 3

📌 Przykładowe pytanie na ten temat

Pytanie: W jakim przypadku należy użyć sortowania przez scalanie zamiast sortowania szybkiego?

Odpowiedź: Sortowanie przez scalanie ma sens, gdy ważna jest stabilność sortowania. Mianowicie, gdy trzeba zachować kolejność identycznych elementów. Sortowanie nadaje się również do dużych zbiorów danych, które nie mieszczą się w pamięci RAM, ponieważ działa na zasadzie dzielenia danych na części i przetwarzania ich. Ma taką samą złożoność w najgorszym przypadku jak sortowanie w przypadku średnim — O(n log n), w przeciwieństwie do sortowania szybkiego, które ma złożoność w najgorszym przypadku O(n^2).

📌 Przykładowe pytanie na ten temat

Pytanie: Jakie są główne różnice między sortowaniem bąbelkowym a sortowaniem szybkim?

Odpowiedź: Sortowanie bąbelkowe to prosty algorytm, który porównuje pary sąsiadujących elementów i zamienia je, jeśli są w niewłaściwej kolejności. Dzieje się tak, dopóki cała tablica nie zostanie posortowana.

Sortowanie ma złożoność czasową O(n^2), co czyni je nieefektywnym w przypadku dużych tablic. Quicksort z kolei wykorzystuje zasadę „dziel i zwyciężaj”, dzieląc tablicę na podtablice i sortując je rekurencyjnie. Jego średnia złożoność czasowa wynosi O(n log n), co czyni je odpowiednim dla dużych zbiorów danych.

💡 Moduł to plik z rozszerzeniem .py zawierający kod Pythona, który można wykorzystać w innych programach.

💡 Pakiet to katalog zawierający moduły i pliki specjalnego przeznaczenia.

📌 Przykładowe pytanie na ten temat

Pytanie:Co to jest enkapsulacja w Pythonie i jak jest implementowana?

Odpowiedź:Enkapsulacja to zasada polegająca na ukryciu stanu wewnętrznego obiektu i ograniczeniu dostępu do jego danych. W Pythonie hermetyzacja jest realizowana za pomocą prywatnych metod i atrybutów.

Przykładowy kod z hermetyzacją:

class Employee:

def __init__(self, salary):

self.__salary = salary

@property

def salary(self):

return self.__salary

@salary.setter

def salary(self, value):

jeśli value > 0:

self.__salary = value

worker = Employee(5000)

print(worker.salary)

worker.salary = 6000

📌 Przykład pytania dla tego temat

Pytanie:Jak zaimplementować polimorfizm w Pythonie?

Odpowiedź:Polimorfizm pozwala obiektom różnych klas obsługiwać wywołania metod o tej samej nazwie na swój własny sposób. W Pythonie osiąga się to poprzez użycie metod o tej samej nazwie w różnych klasach.

Przykładowy kod:

class Bird:

def fly(self):

return «Flying»

class Airplane:

def fly(self):

return «Szybując przez niebo»

def perform_fly(entity):

print(entity.fly())

bird = Bird()

airplane = Airplane()

perform_fly(bird) # Wyniki «Flying»

perform_fly(airplane)

📌 Przykładowe pytanie na ten temat

Pytanie: Jakie klasy i metody utworzyłbyś, aby zaimplementować prosty program do zarządzania biblioteką?

Odpowiedź: Klasa książki zawierająca atrybuty: tytuł książki, autora i numer ISBN. Klasa biblioteki zarządzałaby zbiorem książek, wykorzystując metody do dodawania, usuwania i wyszukiwania książek. Ważne jest zastosowanie hermetyzacji, aby metody mogły oddziaływać tylko z niezbędnymi atrybutami.

SQLite to wbudowana baza danych, która nie wymaga osobnego serwera do działania. Nadaje się do małych projektów i prostych testów.

PostgreSQL to potężna baza danych obsługująca różne funkcje. Do pracy z nią wykorzystywana jest biblioteka psycopg2.

📌 Przykładowe pytanie na ten temat

Pytanie: Jak połączyć się z bazą danych PostgreSQL za pomocą Pythona?

Odpowiedź: Użycie biblioteki psycopg2 do interakcji z PostgreSQL z poziomu Pythona. Połączenie jest nawiązywane za pomocą funkcji connect(), w której przekazywane są parametry połączenia.

Przykład kodu:

import psycopg2

try:

connection = psycopg2.connect(

dbname=»twoja_nazwa_bazy_danych»,

user=»twoja_nazwa_użytkownika»,

password=»twoje_hasło»,

host=»localhost»,

port=»5432″

)

cursor = connection.cursor()

cursor.execute(«SELECT version();»)

db_version = cursor.fetchone()

print(f»Połączono z: {db_version}»)

except Exception jako błąd:

print(f»Błąd: {error}»)

na koniec:

if connection:

cursor.close()

connection.close()

📌 Przykład pytania na ten temat

Pytanie: Jakie środki bezpieczeństwa należy podjąć podczas pracy z bazami danych, aby chronić dane przed atakami typu SQL injection?

Odpowiedź: Trzy metody — procedury składowane, ograniczenia praw dostępu i walidacja danych wejściowych.

• Procedury składowane to wstępnie utworzone i sprawdzone zapytania wywoływane przez API: cursor.callproc(‘get_user’, [user_id]).

• Ograniczenia praw dostępu — każdemu użytkownikowi przyznawane są tylko niezbędne uprawnienia w bazie danych.

• Walidacja danych wejściowych — sprawdzanie i czyszczenie wszystkich danych otrzymanych od użytkownika.

Paralelizmto technika, w której kilka zadań jest wykonywanych jednocześnie w celu przyspieszenia procesu.

Wielowatośćto zasada równoległego wykonywania kilku zadań w ramach jednej aplikacji ze współdzieloną przestrzenią pamięci. W systemach operacyjnych wątki działają jednocześnie dzięki szybkiemu przełączaniu się między nimi na poziomie procesora.

📌 Przykładowe pytanie na ten temat

Pytanie:Jaka jest różnica między modułami wątkowania i wieloprocesorowości w Pythonie? Kiedy należy ich używać?

Odpowiedź:Moduł wątków w Pythonie służy do pracy z wątkami. Pomaga je tworzyć i zarządzać nimi, synchronizować i organizować ich interakcje. Nadaje się do zadań, które można wykonywać w częściach i dobrze radzi sobie z zadaniami wejścia/wyjścia.

Z kolei przetwarzanie wieloprocesorowe tworzy oddzielne procesy, które korzystają z własnej pamięci. Moduł nadaje się do zadań wymagających użycia wszystkich rdzeni procesora i gdzie ważne jest bezpieczeństwo izolacji procesu.

Przykładowy kod dla wątków:

import threading

def print_numbers():

for i in range(5):

print(f’Number: {i}’)

thread = threading.Thread(target=print_numbers)

thread.start()

thread.join()

Przykładowy kod dla przetwarzania wieloprocesorowego:

z importu wieloprocesorowego Process

def print_numbers():

for i in range(5):

print(f’Numer: {i}’)

process = Process(target=print_numbers)

process.start()

process.join() 

📌 Przykładowe pytanie na ten temat

Pytanie: Jakie trudności mogą pojawić się podczas korzystania z wątków w Pythonie? 

Odpowiedź: Główną trudnością jest to, że wiele wątków uzyskuje dostęp do współdzielonych zasobów, co może prowadzić do problemów z synchronizacją. Czasami powoduje to błędy — wyścigi danych, które komplikują debugowanie i prowadzą do nieprzewidywalnego zachowania programu.

📌 Przykładowe pytanie na ten temat

Pytanie: Jaka jest różnica między NumPy a Pandas? Podaj przykład ich użycia.

Odpowiedź: NumPy to biblioteka do pracy z tablicami wielowymiarowymi, macierzami i funkcjami matematycznymi. Pandas służy do pracy z danymi tabelarycznymi i udostępnia struktury danych oraz funkcje do efektywnego nimi manipulowania.

Na przykład NumPy jest często używany do operacji numerycznych i algebry liniowej. Pandas ułatwia importowanie, analizowanie i przetwarzanie danych z tabel.

Przykład kodu:

import numpy as np

import pandas as pd

# Przykład NumPy

array = np.array([1, 2, 3, 4])

print(«NumPy array:», array * 2) # Pomnóż wszystkie elementy tablicy przez 2

# przykład pandas

data = {‘Imię’: [‘Jan’, ‘Anna’, ‘Piotr’], ‘Wiek’: [28, 24, 35]

df = pd.DataFrame(data)

print(«DataFrame:\n», df)

📌 Przykładowe pytanie na ten temat

Pytanie: Jaka jest zaleta Flaska w porównaniu z Django i w jakich sytuacjach użyłbyś Flaska?

Odpowiedź:Flask to lekki framework webowy, który zapewnia minimalny zestaw narzędzi do tworzenia aplikacji internetowych. Idealnie nadaje się do tworzenia małych i prostych prototypów, w których potrzebna jest tylko podstawowa funkcjonalność.

Django z kolei zapewnia kompleksowe rozwiązanie z różnymi wbudowanymi funkcjami, co czyni go bardziej odpowiednim do większych i bardziej złożonych projektów.

Przykład kodu Flask:

from flask import Flask

app = Flask(__name__)

@app.route(‘/’)

def hello_world():

return ‘Witaj, świecie!’

if __name__ == ‘__main__’:

app.run()

📌 Przykładowe pytanie na ten temat

Pytanie: Jak utworzyć szereg czasowy w Pandas i obliczyć średnią ruchomą?

Odpowiedź: Pakiet Pandas nadaje się do pracy z szeregami czasowymi. Szereg czasowy można utworzyć za pomocą funkcji pd.date_range(). Aby obliczyć średnią ruchomą, możesz użyć metody .rolling().

Przykład kodu: 

import pandas as pd

# Tworzenie szeregu czasowego

dates = pd.date_range(start=’2023-01-01′, periods=5)

data = [10, 20, 15, 25, 30]

series = pd.Series(data, index=dates)

# Obliczanie średniej ruchomej

rolling_mean = series.rolling(window=2).mean()

print(«Seria:\n», seria)

print(«Średnia krocząca:\n», średnia_krocząca)

📌 Przykładowe pytanie na ten temat

Pytanie:Jak mogę użyć unittest do przetestowania funkcji zwracającej kwadrat liczby?

Odpowiedź:

import unittest

def square(x):

return x * x

class TestSquareFunction(unittest.TestCase):

def test_square(self):

self.assertEqual(square(2), 4)

self.assertEqual(square(-3), 9)

self.assertEqual(square(0), 0)

if __name__ == ‘__main__’:

unittest.main()

📌 Przykładowe pytanie na ten temat

Pytanie: Jak mogę sprawdzić, czy funkcja zgłasza wyjątek w pytest?

Odpowiedź: Pytest oferuje specjalny sposób sprawdzania, czy funkcja zgłasza wyjątki, za pomocą metody pytest.raises konstrukcja.

Przykładowy kod:

import pytest

def divide(x, y):

if y == 0:

raise ValueError(«Nie można dzielić przez zero!»)

return x / y

def test_divide_zero():

with pytest.raises(ValueError, match=»Cannot divide by zero!»):

divide(10, 0)

📌 Przykładowe pytanie na ten temat Temat

Pytanie: Jak mogę debugować funkcję, używając wbudowanych narzędzi Pythona?

Odpowiedź: Python udostępnia moduł pdb do wbudowanego debugowania. Dzięki niemu możesz przechodzić przez kod wiersz po wierszu, przeglądać wartości zmiennych i monitorować przepływ programu.

Przykład kodu:

def buggy_function(x, y):

import pdb; pdb.set_trace() # Ustawienie punktu przerwania

result = x + y

return result

buggy_function(4, ‘2’) # Podejrzenie błędu z powodu dodania liczby i ciągu