✏️ Вопрос с реального собеседования по Python

Как работает умножение списка в Python?

Когда в Python вы умножаете список на число, вы фактически дублируете его содержимое нужное количество раз. Давайте посмотрим, как это работает на примере:

my_list = [1, 2, 3]
result = my_list * 2
print(result)
# [1, 2, 3, 1, 2, 3]

⭐ Что произошло?

Список [1, 2, 3] скопировался дважды, и в результате получился новый список длиной 6 элементов.

#собес_academy

✏️ Вопрос с реального собеседования по Python

Что такое self в Python

Self ссылается на конкретный экземпляр класса. Это нужно, чтобы методы могли обновлять и использовать данные именно этого объекта.

📌 Пример:

class Shirt:
    def __init__(self, color):
        self.color = color  # Свойство привязывается к экземпляру

s = Shirt('yellow')  # Создаём рубашку жёлтого цвета
print(s.color)       # => 'yellow'

⭐ Что произошло

С помощью self мы задаём и используем свойства экземпляра, такие как color. В данном случае, self.color — это свойство, доступное конкретной рубашке.

#собес_academy

✏️ Вопрос с реального собеседования по Python

Глубокая и мелкая копии: в чем разница

Когда вы работаете с изменяемыми объектами, такими как списки, разница между глубокой и мелкой копией становится важной. Давайте разберем это на двух сценариях с примерами.

1️⃣ Мелкая копия

Создается новый объект, но элементы копируются по ссылке. Добавление новых элементов в оригинал не повлияет на копию, но изменения самих элементов — повлияют.

list3 = [['a'], ['b'], ['c']]
list4 = list(list3)

list3.append(['d'])
print(list4)
# Вывод: [['a'], ['b'], ['c']]

list3[0][0] = 'X'
print(list4)
# Вывод: [['X'], ['b'], ['c']]

2️⃣ Глубокая копия

Глубокая копия создает независимый объект, включая его содержимое. Изменения в оригинале никак не затронут копию.

list5 = [['a'], ['b'], ['c']]
list6 = copy.deepcopy(list5)

list5.append(['d'])
list5[0][0] = 'X'
print(list6)
# Вывод: [['a'], ['b'], ['c']]

#собес_academy

✏️ Вопрос с реального собеседования по Python

Списки или массивы в Python — в чем разница

Используйте списки для работы с разными типами и динамическими структурами, массивы — для численных вычислений и ML

⭐ Гибкость: в списках можно хранить разные типы данных, массивы (из NumPy) требуют однородных элементов.

⭐ Операции: арифметика в списках — это манипуляция элементами (например, конкатенация), а в массивах — математические вычисления, как в линейной алгебре.

⭐ Эффективность: массивы занимают меньше памяти и работают быстрее, особенно на больших объемах данных.

#собес_academy

✏️ Вопрос с реального собеседования по Python

Как объединить два массива в NumPy

Частая ошибка — путать массивы и списки. NumPy — библиотека для работы с массивами, и здесь всё основано на линейной алгебре. Чтобы объединить два массива, используем специальную функцию:

import numpy as np

arr1 = np.array([10, 20, 30])
arr2 = np.array([40, 50, 60])

result = np.concatenate((arr1, arr2))
print(result)
#=> [10 20 30 40 50 60]

Самая база для новичков 👀

#собес_academy