coding-interview-university
A complete computer science study plan to become a software engineer.
- 365k
- CC-BY-SA-4.0
- 2 wk ago
Most popular Python interview questions and answers -> https://www.devlovers.net
Repo DevLoversTeam/python-interview-questions, read from GitHub 4 min ago. DevLoversTeam has not joined Take My Repo.
DevLoversTeam/python-interview-questions is a public repo on GitHub by DevLoversTeam. Most popular Python interview questions and answers -> https://www.devlovers.net. It declares the MIT license on GitHub. It has 29 stars and last changed on 2026-03-19. Nobody has reviewed it on Take My Repo yet, which says nothing about its quality. Read from GitHub on 2026-11-22.
In the maintainer's words. Shown from GitHub; Take My Repo does not keep a copy.
Read in other languages: English 🇺🇸, Polska 🇵🇱, German 🇩🇪, French 🇫🇷, Spanish 🇪🇸, Українська 🇺🇦.
Python — це високорівнева мова загального призначення з акцентом на читабельність, швидку розробку та великий стандартний інструментарій.
Основні особливості:
pip, venv, pyproject.toml, тисячі готових
бібліотек.dataclass, async/await,
match/case, генератори, context managers.Приклад production-style функції:
from dataclasses import dataclass @dataclass(slots=True) class User: name: str active: bool def process_users(users: list[User]) -> list[str]: return [user.name for user in users if user.active]
Коротко:
Ключові переваги Python в продакшені:
pathlib, itertools, collections,
asyncio);typing, mypy, pyright) і сучасних практик.Коротко:
Python зазвичай виконується інтерпретатором: код компілюється у байткод і виконується в рантаймі (CPython VM). У компільованих мовах (C/C++, Rust) переважно є попередня компіляція у машинний код.
Практичні наслідки:
Коротко:
Динамічна типізація означає, що тип прив'язаний до об'єкта, а не до імені змінної. Ім'я може посилатися на значення різних типів у різний час виконання.
value = 10 # int value = "10" # str
Типи перевіряються під час виконання, тому помилки типів виникають у runtime, якщо не використовувати статичний аналізатор типів.
Коротко:
Strong typing у Python означає, що інтерпретатор не виконує небезпечні неявні перетворення між несумісними типами.
1 + "2" # TypeError
Для операцій між різними типами потрібне явне приведення:
1 + int("2") # 3
Коротко:
REPL (Read-Eval-Print Loop) це інтерактивний режим, де ви вводите вираз, отримуєте результат одразу і швидко перевіряєте гіпотези.
Застосування:
Інструменти: стандартний python, ipython, ptpython.
Коротко:
Literal це фіксоване значення, записане прямо в коді.
name = "Ada" # str literal count = 42 # int literal ratio = 3.14 # float literal enabled = True # bool literal items = [1, 2, 3] # list literal config = {"retries": 3} # dict literal flags = {"a", "b"} # set literal point = (10, 20) # tuple literal raw = b"abc" # bytes literal
Коротко:
Keywords це зарезервовані слова мови, які мають спеціальне синтаксичне призначення і не можуть бути іменами змінних.
Приклади: if, for, class, def, match, case, try, except,
async, await.
Переглянути список:
import keyword print(keyword.kwlist)
Коротко:
keyword.Змінна в Python це ім'я (reference), яке посилається на об'єкт у пам'яті. Присвоєння зв'язує ім'я з об'єктом, а не "кладе значення в коробку".
x = [1, 2] y = x y.append(3) # x і y посилаються на один список
Коротко:
pass це оператор-заглушка: нічого не робить, але дозволяє синтаксично
коректний порожній блок.
... (Ellipsis) це окремий об'єкт Ellipsis. Часто використовується як маркер
"ще не реалізовано", у type hints та бібліотеках (наприклад NumPy).
def feature() -> None: pass PLACEHOLDER = ...
Коротко:
pass потрібен для порожніх блоків коду.... це значення-об'єкт, а не ключове слово.PEP (Python Enhancement Proposal) це офіційний документ, який описує нову фічу, стандарт або процес у екосистемі Python.
Через PEP проходять:
Приклади: PEP 8 (style), PEP 484 (type hints), PEP 634 (pattern matching).
Коротко:
PEP 8 це офіційний стиль-гайд для Python-коду: іменування, форматування, відступи, імпорти, довжина рядків, читабельність конструкцій.
Навіщо потрібен:
На практиці стиль автоматизують через ruff format або black + ruff.
Коротко:
Ключові можливості сучасного Python:
match/case (structural pattern matching);| (int | None);typing.Self, typing.TypeAlias, typing.override;class Box[T]: ..., def f[T](...) -> ...);tomllib у стандартній бібліотеці.Практично це зменшує boilerplate і покращує надійність типізованого коду.
Коротко:
match/case і сучасний typing найпомітніше впливають на код.Docstring це рядок документації, перший вираз у модулі, класі або функції. Він
доступний через __doc__ і використовується IDE, help(), генераторами docs.
def normalize_email(email: str) -> str: """Return lowercase email without surrounding spaces.""" return email.strip().lower()
Рекомендовано описувати: що робить функція, аргументи, повернення, винятки.
Коротко:
help() та автогенерації docs.У Python відступи визначають блоки коду (тіло if, for, def, class).
Тобто відступ є частиною синтаксису, а не лише стилем.
if is_ready: run_task() else: stop_task()
Змішування tab і spaces може призвести до IndentationError або некоректної
структури блоку.
Коротко:
PEP 8 рекомендує 4 пробіли на один рівень відступу.
Чому це критично:
Коротко:
black це форматер коду з фіксованими правилами.
ruff це швидкий linter, а також форматер і автофіксер багатьох правил (PEP8,
імпорти, потенційні баги, спрощення синтаксису).
Практичні підходи:
ruff check --fix + ruff format;ruff для lint + black для форматування.Коротко:
black фокусується на форматуванні.ruff закриває linting і частину автоправок.ruff.Type annotations описують очікувані типи аргументів і повернення. Вони покращують автодоповнення, статичний аналіз і читабельність API.
def process_users(users: list[dict[str, object]]) -> list[str]: return [str(user["name"]) for user in users if bool(user.get("active"))]
Анотації не виконують runtime-валідацію самі по собі, але допомагають знайти
помилки на етапі CI через mypy/pyright.
Коротко:
Debugging це системний пошук причини некоректної поведінки коду та її усунення. Це не лише "знайти баг", а відтворити, локалізувати і перевірити fix.
Базовий цикл:
Коротко:
print-debugging це швидкий спосіб перевірити значення змінних і порядок
виконання без запуску складних інструментів.
Корисно, коли треба швидко перевірити гіпотезу в локальному скрипті:
def parse_port(raw: str) -> int: value = raw.strip() print(f"raw={raw!r} value={value!r}") return int(value)
Для продакшен-коду краще переходити на logging, щоб мати рівні логів і
кероване виведення.
Коротко:
print підходить для короткої локальної діагностики.logging.pdb дозволяє зупиняти виконання програми, крокувати по рядках, дивитися стан
змінних і стек викликів.
Базове використання:
import pdb def compute(x: int) -> int: pdb.set_trace() return x * 2
Ключові команди: n (next), s (step), c (continue), p expr (print expr),
l (list), bt (backtrace).
Коротко:
pdb дає інтерактивний контроль виконання.print для складних сценаріїв.Практичні стратегії:
None, великі обсяги);Для циклів корисно логувати індекс і ключові проміжні стани.
Коротко:
Довготривалі функції збільшують latency, блокують воркери/потоки і погіршують пропускну здатність сервісу.
Ризики:
Підхід: профілювати (cProfile), розбивати на менші кроки, використовувати
генератори/стрімінг, виносити важкі обчислення в multiprocessing або фон.
Коротко:
logging це стандартний механізм журналювання подій із рівнями (DEBUG,
INFO, WARNING, ERROR, CRITICAL), форматами й обробниками (console,
file).
Чому краще за print:
Коротко:
logging придатний для продакшену, print ні.Traceback це стек викликів, який Python показує при винятку: де почалось виконання, через які функції пройшов код і де саме сталася помилка.
Використання:
Коротко:
Основні built-in типи:
int, float, complex;bool;str, bytes, bytearray;list, tuple, set, dict, frozenset;NoneType (None).Важливо розуміти mutability:
list, dict, set, bytearray;int, str, tuple, frozenset.Коротко:
/ виконує звичайне ділення і завжди повертає float.
// виконує floor-ділення: повертає цілу частину вниз (до -∞), тип зазвичай
int для цілих операндів.
7 / 2 # 3.5 7 // 2 # 3 -7 // 2 # -4
Коротко:
/ -> дійсний результат.// -> округлення вниз до цілого.// не еквівалентне "обрізанню до нуля".Оператор % повертає остачу від ділення.
Перевірка парності:
def is_even(n: int) -> bool: return n % 2 == 0
Якщо n % 2 == 0, число парне; інакше непарне.
Типові задачі: циклічні індекси, розбиття на групи, календарні обчислення.
Коротко:
% повертає remainder.n % 2 це стандартна перевірка парності.int у Python має довільну точність (arbitrary precision), тобто не обмежений
32/64-бітами як у багатьох мовах.
Обмеження практичні:
Коротко:
int у звичному сенсі немає.Ділення на нуль викликає ZeroDivisionError. Це треба обробляти явно, якщо
дільник надходить із зовнішнього вводу або розраховується динамічно.
def safe_div(a: float, b: float) -> float | None: if b == 0: return None return a / b
У критичних сценаріях використовуйте try/except і логування контексту.
Коротко:
random використовується для псевдовипадкових значень у симуляціях, тестових
даних, non-crypto задачах.
Поширені функції:
random() — число у [0.0, 1.0);randint(a, b) — ціле в діапазоні;randrange(start, stop, step) — як range, але випадковий елемент;choice(seq) / choices(seq, k=...);shuffle(list_) — перемішує список in-place;sample(population, k) — унікальна вибірка.Для криптографії використовуйте secrets, не random.
Коротко:
random підходить для звичайної прикладної випадковості.randint, choice, shuffle, sample.secrets.Для фінансових і точних десяткових обчислень використовуйте decimal.Decimal, а
не float.
from decimal import Decimal total = Decimal("0.1") + Decimal("0.2") # Decimal('0.3')
Для раціональних чисел корисний fractions.Fraction.
Коротко:
float зручний, але має похибки двійкового представлення.Decimal.Escape-послідовності це спеціальні комбінації з \, які кодують службові
символи всередині рядка.
\n — новий рядок\t — табуляція\r — повернення каретки\" — подвійна лапка в рядку з "\' — одинарна лапка в рядку з 'text = "A\tB\n\"quoted\"\nI\'m here\rX"
Коротко:
r"...".Методи працюють з краями рядка:
strip() — прибирає символи з обох боків;lstrip() — лише зліва;rstrip() — лише справа.За замовчуванням видаляють whitespace, або конкретний набір символів:
" hello ".strip() # "hello" "--id--".strip("-") # "id"
Коротко:
strip-сімейство не змінює рядок in-place, а повертає новий.str.count(sub[, start[, end]]) рахує кількість неперекривних входжень підрядка
sub у вибраному діапазоні.
"banana".count("an") # 2 "banana".count("a", 2) # 2
Повертає 0, якщо входжень немає.
Коротко:
count швидко дає кількість входжень підрядка.start/end.sep.join(iterable) з'єднує послідовність рядків в один рядок через розділювач
sep.
names = ["Ada", "Linus", "Guido"] result = ", ".join(names) # "Ada, Linus, Guido"
Типове застосування: формування CSV-подібних рядків, логів, SQL-фрагментів, URL-шляхів, повідомлень.
Коротко:
join це стандартний і швидкий спосіб склеювання рядків.+= у циклі.Slicing це вибір частини послідовності через [start:stop:step].
s = "python" s[1:4] # "yth" s[:2] # "py" s[-3:] # "hon" s[::-1] # "nohtyp"
start включається, stop не включається.
Коротко:
str.replace(old, new, count=-1) повертає новий рядок, де old замінено на
new. За замовчуванням замінюються всі входження.
"foo bar foo".replace("foo", "baz") # "baz bar baz" "foo bar foo".replace("foo", "baz", 1) # "baz bar foo"
Коротко:
replace не змінює рядок in-place.count замінює всі входження.count дозволяє контролювати кількість замін.split(sep=None, maxsplit=-1) ділить рядок на список підрядків.
sep ділить по будь-яких пробільних символах;sep ділить по конкретному розділювачу;maxsplit обмежує кількість розділень."a,b,c".split(",") # ["a", "b", "c"] "a b c".split() # ["a", "b", "c"] "k=v=x".split("=", 1) # ["k", "v=x"]
Коротко:
split перетворює рядок у список токенів.sep=None має спеціальну поведінку для whitespace.maxsplit корисний для парсингу key/value форматів.Type casting це явне перетворення значення між типами через конструктори:
int(), float(), str(), bool(), list(), tuple(), set(), dict().
age = int("42") price = float("19.99") text = str(10)
Некоректні дані спричиняють виняток (ValueError, TypeError), тому для
зовнішнього вводу потрібна валідація.
Коротко:
У булевому контексті Python застосовує truthiness правила.
False-подібні значення:
False, None;0, 0.0, 0j;"", [], {}, set(), tuple(), range(0).Усе інше зазвичай True.
bool([]) # False bool("0") # True
Коротко:
False."0" все одно True.Для перетворення використовуйте int() і float():
count = int("42") ratio = float("3.14")
Якщо рядок невалідний, Python піднімає ValueError.
def parse_int(value: str) -> int | None: try: return int(value) except ValueError: return None
Коротко:
int()/float() виконують явну конверсію з рядка.ValueError.try/except.Python дозволяє числове порівняння сумісних numeric-типів.
int і float порівнюються за значенням.bool є підкласом int: False == 0, True == 1.1 == 1.0 # True True == 1 # True False < 1 # True
Для несумісних типів (наприклад int і str) порівняння порядку (<, >)
викликає TypeError.
Коротко:
int, float, bool мають спільну numeric-семантику.bool поводиться як 0/1 у порівняннях.list і set це різні типи з різною семантикою, тому пряме порівняння порядку
між ними не підтримується.
[1, 2] == {1, 2} # False [1, 2] < {1, 2} # TypeError
Якщо треба порівняти склад елементів, нормалізуйте тип:
set([1, 2]) == {1, 2} # True
Коротко:
list і set порівнюються як різні структури даних.== між ними зазвичай False.bool(x) повертає булеве значення x за правилами truthiness.
Типові сценарії:
True/False;bool("text") # True bool("") # False bool(0) # False
Коротко:
bool() уніфікує перевірку "порожнє/непорожнє".Головна різниця: list mutable, tuple immutable.
Практичні наслідки:
list підходить для даних, що змінюються;tuple підходить для фіксованих записів;tuple можна використовувати як ключ словника (якщо елементи хешовані).coords: tuple[float, float] = (50.45, 30.52) queue: list[str] = ["task-1", "task-2"]
Коротко:
list для змінних колекцій.tuple для незмінних структур даних.dict/set.Основні способи:
t1 = (1, 2, 3) t2 = 1, 2, 3 t3 = tuple([1, 2, 3]) single = (42,) # важлива кома empty = ()
Для одного елемента кома обов'язкова, інакше це просто вираз у дужках.
Коротко:
tuple створюють через літерал або tuple(iterable).single = (x,) це коректний одноелементний tuple.().list.reverse() змінює існуючий список in-place і повертає None.
lst[::-1] створює новий перевернутий список (копію).
values = [1, 2, 3] values.reverse() # values -> [3, 2, 1] other = values[::-1] # новий список
Коротко:
reverse() змінює оригінал.[::-1] повертає новий об'єкт.list.sort() сортує список in-place. Підтримує параметри:
key — функція ключа сортування;reverse=True — спадний порядок.nums = [5, 1, 7] nums.sort(reverse=True) # [7, 5, 1]
Якщо потрібна нова відсортована копія, використовуйте sorted(iterable).
Коротко:
sort() змінює список на місці.reverse=True.sorted() зручний, коли оригінал треба зберегти.Присвоєння копіює лише посилання:
a = [1, 2] b = a b.append(3) # a теж зміниться
a.copy() створює новий (поверхневий) список:
a = [1, 2] b = a.copy() b.append(3) # a не зміниться
Для вкладених структур може знадобитися copy.deepcopy.
Коротко:
= не копіює дані, а ділить один об'єкт між змінними.copy() ізолює зміни на рівні верхнього списку.deepcopy.pop() видаляє і повертає елемент зі списку.
pop() без аргументів видаляє останній елемент;pop(i) видаляє елемент за індексом i.items = ["a", "b", "c"] last = items.pop() # "c" first = items.pop(0) # "a"
Некоректний індекс викликає IndexError.
Коротко:
pop поєднує видалення і повернення значення.a + b створює новий список, а a.extend(b) змінює список a
in-place.
a = [1, 2] b = [3, 4] c = a + b # [1, 2, 3, 4], a не змінився a.extend(b) # a -> [1, 2, 3, 4]
Коротко:
+ повертає новий об'єкт.extend() мутує існуючий список.Це базові агрегатори для ітерованих колекцій:
min() / max() — мінімум і максимум;sum() — сума чисел;all() — True, якщо всі елементи truthy;any() — True, якщо хоча б один елемент truthy.nums = [3, 10, 1] min(nums), max(nums), sum(nums) # (1, 10, 14) all([True, 1, "x"]) # True any([0, "", None, 5]) # True
Коротко:
dict це асоціативний масив: зберігає пари ключ -> значення. Ключі мають бути
hashable, значення можуть бути будь-якого типу.
Відмінності:
O(1);Коротко:
dict оптимальний для швидкого доступу за ключем.d[key] повертає значення або кидає KeyError, якщо ключа немає.
d.get(key, default) повертає значення або default (або None), без винятку.
config = {"timeout": 30} config["timeout"] # 30 config.get("retries", 3) # 3
Коротко:
[] для обов'язкових ключів.get() для опціональних полів.get() зменшує кількість try/except у читанні даних.Оновлення:
d[key] = value — вставити/оновити один ключ;d.update({...}) — масове оновлення.Видалення:
del d[key] — видалити ключ (помилка, якщо нема);d.pop(key, default) — видалити і повернути значення;d.popitem() — видалити останню пару;d.clear() — очистити весь словник.Коротко:
[] і update().pop().Ці методи повертають view-об'єкти словника:
keys() — всі ключі;values() — всі значення;items() — пари (key, value).data = {"a": 1, "b": 2} for key, value in data.items(): ...
View динамічні: відображають актуальний стан словника.
Коротко:
keys/values/items потрібні для ітерації та перевірок.items() найзручніший для циклу з ключем і значенням.dict реалізований як hash table з оптимізаціями пам'яті і швидкого доступу.
Ключ хешується, за хешем обирається комірка, колізії розв'язуються внутрішнім
алгоритмом probing.
Практичні наслідки:
O(1);__hash__ і __eq__ впливає на поведінку;Коротко:
dict це високопродуктивна hash-структура.Hash function перетворює об'єкт у ціле число (hash), яке використовується для
швидкого розміщення/пошуку в dict і set.
Умови для коректності:
a == b, тоді hash(a) == hash(b);Коротко:
dict/set.__eq__ і __hash__.set це невпорядкована колекція унікальних елементів.
Відмінності:
x in s);Коротко:
set оптимальний для унікальності та membership-check.Створення:
s1 = {1, 2, 3} s2 = set([1, 2, 2, 3]) # {1, 2, 3} empty = set() # не {}
Обмеження:
int, str, tuple);list, dict, set не можна додати напряму.Коротко:
set() створює порожню множину.intersection() повертає спільні елементи множин, а union() об'єднує всі
унікальні елементи з обох множин.
a = {1, 2, 3} b = {3, 4} a.intersection(b) # {3} a.union(b) # {1, 2, 3, 4}
Коротко:
intersection = перетин (спільне).union = об'єднання (все унікальне).Поширені immutable-типи:
int, float, bool, complex;str, bytes;tuple (якщо елементи теж immutable);frozenset;NoneType.Коротко:
dict/елементів set.Поширені mutable-типи:
list;dict;set;bytearray;Коротко:
dict і set базуються на хешуванні, тому їх елементи/ключі мають бути
стабільними (hashable). Mutable-об'єкти не можна безпечно використовувати як
ключі або елементи set.
Також мутація значень через спільні reference часто породжує неочікувані баги.
Коротко:
dict/set.None це спеціальне singleton-значення типу NoneType, яке означає
"відсутність значення".
Типові сценарії:
Перевірка виконується через is:
if value is None: ...
Коротко:
None означає відсутність значення.is.id(obj) повертає ідентифікатор об'єкта (унікальний в межах життєвого циклу
об'єкта в поточному процесі).
Корисно для діагностики:
Коротко:
id допомагає аналізувати identity об'єктів.== порівнює значення (еквівалентність), а is порівнює ідентичність
(чи це один і той самий об'єкт у пам'яті).
a = [1, 2] b = [1, 2] a == b # True a is b # False
Важливо про оптимізації (Interning): CPython кешує ("інтернує") малі цілі
числа (від -5 до 256) та короткі рядки на етапі компіляції/завантаження. Тому
для них is може повертати True, навіть якщо вони створені окремо. Але це
деталі реалізації, на які не варто покладатися в бізнес-логіці.
Для None завжди використовуйте is.
Коротко:
== про рівність значень.is про той самий об'єкт у пам'яті.is True для малих int та str.value is None — це єдиний правильний стиль для перевірки на None.Singleton означає один глобальний екземпляр об'єкта в процесі. У Python його часто замінюють модульним рівнем (модулі імпортуються один раз).
Приклади singleton-об'єктів мови:
None;True і False;Ellipsis.У прикладному коді замість жорсткого Singleton частіше використовують DI-контейнер або фабрики для кращої тестованості.
Коротко:
break достроково завершує цикл, continue пропускає поточну ітерацію і
переходить до наступної.
for n in range(10): if n == 5: break if n % 2 == 0: continue
Коротко:
break зупиняє цикл повністю.continue пропускає лише поточний крок.Нескінченний цикл це цикл без природної умови завершення, наприклад
while True. Використовується для daemon/worker-процесів, polling, event-loop
логіки.
Коректне завершення:
break;try/finally для clean-up.while True: task = queue.get() if task is None: break handle(task)
Коротко:
while True доречний для довгоживучих сервісних циклів.Вкладений цикл це цикл усередині іншого циклу. Часто складність стає O(n*m)
або гірше, що критично на великих даних.
Оптимізації:
set/dict;itertools, векторизацію;Коротко:
match/case (Python 3.10+) це механізм розбору структури даних за шаблонами.
Працює з літералами, типами, послідовностями, словниками та класами.
def handle(message: dict[str, object]) -> str: match message: case {"type": "ping"}: return "pong" case {"type": "user", "id": int(user_id)}: return f"user:{user_id}" case _: return "unknown"
Коротко:
match/case читається краще для складного розгалуження.match/case кращий, коли потрібно:
if/elif.if/elif кращий для простих булевих умов і короткої логіки.
Коротко:
match/case.if/elif.Функція це іменований callable-блок коду, який приймає аргументи, повертає результат і дозволяє інкапсулювати логіку.
def normalize_name(name: str) -> str: return name.strip().title()
Функції підтримують default-значення, keyword-аргументи, *args/**kwargs,
анотації типів, декоратори.
Коротко:
У сучасному Python:
/);*);*args);**kwargs).def f(a, /, b, *, c, **kwargs): ...
Коротко:
/ і * формалізують API-контракт.*args/**kwargs корисні для розширюваних інтерфейсів.Позиційні аргументи передаються за порядком, іменовані (keyword) за назвою
параметра.
def connect(host: str, port: int) -> str: return f"{host}:{port}" connect("localhost", 5432) # позиційно connect(host="localhost", port=5432) # іменовано
Коротко:
Default-аргументи підставляються, якщо значення не передано під час виклику. Вони обчислюються один раз при визначенні функції.
Проблема: mutable default.
def add_item(item: int, bucket: list[int] | None = None) -> list[int]: if bucket is None: bucket = [] bucket.append(item) return bucket
Коротко:
None + ініціалізація всередині.*args збирає додаткові позиційні аргументи в tuple. **kwargs збирає
додаткові іменовані аргументи в dict.
def log_event(event: str, *args: object, **kwargs: object) -> None: ...
Використання: обгортки, адаптери API, декоратори, проксування параметрів.
Коротко:
*args = додаткові позиційні.**kwargs = додаткові іменовані.Типи задаються в сигнатурі параметрів і return-значення.
def process_users(users: list[dict[str, object]]) -> list[str]: return [str(user["name"]) for user in users if bool(user.get("active"))]
Переваги:
Коротко:
lambda це анонімна одно-виразна функція. Зазвичай використовується для
коротких callbacks у sorted, map, filter.
users = [{"name": "Ada"}, {"name": "Bob"}] users_sorted = sorted(users, key=lambda u: u["name"])
Для складної логіки краще звичайна def-функція.
Коротко:
lambda зручна для коротких локальних виразів.def.Python використовує правило LEGB для пошуку імен:
Local;Enclosing (зовнішні функції);Global (модуль);Builtins.Усередині функції присвоєння створює локальну змінну, якщо не оголошено global
або nonlocal.
Коротко:
UnboundLocalError.Локальні змінні живуть у тілі функції. Глобальні змінні визначені на рівні модуля.
Для зміни глобальної з функції потрібен global, але це зазвичай варто уникати
через неявні залежності.
Коротко:
nonlocal використовується у вкладеній функції для зміни змінної із найближчого
enclosing-scope (не глобального).
from collections.abc import Callable def counter() -> Callable: value = 0 def inc() -> int: nonlocal value value += 1 return value return inc
Коротко:
nonlocal змінює стан зовнішньої функції.Unpacking це розкладання елементів послідовності/структури в окремі змінні.
x, y = (10, 20) first, *middle, last = [1, 2, 3, 4]
Працює також зі словниками в match/case, викликах функцій і циклах.
Коротко:
Packing це збирання кількох значень в одну структуру (tuple, list, dict).
point = 10, 20 # tuple packing def collect(*args: int) -> tuple[int, ...]: return args
*args і **kwargs це типовий приклад packing аргументів.
Коротко:
* у параметрах функції пакує позиційні аргументи (*args), а у виклику
розпаковує iterable в позиційні аргументи.
def add(a: int, b: int) -> int: return a + b nums = [2, 3] add(*nums) # 5
Також * використовується у присвоєнні для захоплення "решти" елементів.
Коротко:
* універсальний оператор для роботи з varargs.Closure це внутрішня функція, яка "пам'ятає" змінні enclosing-scope навіть після завершення зовнішньої функції.
Decorator зазвичай реалізують саме через closure: обгортка зберігає посилання на оригінальну функцію і додаткові параметри.
Коротко:
Decorator це callable, який приймає функцію/клас і повертає модифіковану версію (обгортку).
from functools import wraps def log_calls(func): @wraps(func) def wrapper(*args, **kwargs): return func(*args, **kwargs) return wrapper
Застосування: логування, кешування, авторизація, ретраї, метрики.
Коротко:
Так, можна стекувати кілька декораторів. Вони застосовуються знизу вгору
(ближчий до def виконується першим обгортанням).
@decorator_a @decorator_b def handler() -> None: ...
Еквівалент: handler = decorator_a(decorator_b(handler)).
Коротко:
Неправильний порядок може змінити семантику: наприклад, кешування до перевірки доступу може закешувати небажаний результат або обійти очікувану логіку.
Типові ризики:
Коротко:
Так. Клас-декоратор реалізує __call__, щоб екземпляр поводився як функція.
class CallCounter: def __init__(self, func): self.func = func self.calls = 0 def __call__(self, *args, **kwargs): self.calls += 1 return self.func(*args, **kwargs)
Коротко:
__call__.Потрібна трирівнева структура: фабрика декоратора -> декоратор -> wrapper.
from functools import wraps def retry(times: int): def decorator(func): @wraps(func) def wrapper(*args, **kwargs): for _ in range(times - 1): try: return func(*args, **kwargs) except Exception: pass return func(*args, **kwargs) return wrapper return decorator
Коротко:
functools.wraps копіює метадані оригінальної функції в wrapper: ім'я,
docstring, модуль, а також __wrapped__.
Це важливо для:
Коротко:
wraps зберігає "ідентичність" оригінальної функції.Comprehension створює колекцію з виразу і циклу(ів), опційно з фільтром.
squares = [x * x for x in range(6)] mapping = {x: x * x for x in range(6)} unique = {x % 3 for x in range(10)}
Формат:
[expr for x in it if cond]{expr for x in it if cond}{k_expr: v_expr for x in it if cond}Коротко:
list, set, dict.Переваги:
append.Недолік: для дуже складної логіки comprehension погіршує читабельність.
Коротко:
for.Приклад flatten матриці:
matrix = [[1, 2], [3, 4], [5, 6]] flat = [item for row in matrix for item in row] # [1, 2, 3, 4, 5, 6]
Приклад з умовою:
pairs = [(x, y) for x in range(3) for y in range(3) if x != y]
Коротко:
for в одному виразі.for відповідає вкладеним циклам.У типових сценаріях list comprehension трохи швидший за цикл з append, бо має
оптимізований байткод і менше накладних операцій.
Важливо: реальний приріст залежить від тіла операції, тому для критичних ділянок
варто вимірювати (timeit, pyperf).
Коротко:
Iterator це об'єкт, який повертає елементи послідовно і пам'ятає поточний стан. Він реалізує протокол:
__iter__() повертає себе;__next__() повертає наступний елемент або кидає StopIteration.Коротко:
for, генераторів і lazy-обробки.Викликайте iter(iterable), щоб отримати iterator.
items = [10, 20, 30] it = iter(items)
Після цього значення читаються через next(it).
Коротко:
iter() перетворює iterable на iterator.next(iterator[, default]) повертає наступний елемент iterator. Коли елементи
закінчились, кидає StopIteration або повертає default, якщо його передано.
it = iter([1, 2]) next(it) # 1 next(it) # 2 next(it, None) # None
Коротко:
next() дає ручний контроль кроку ітерації.default кінець потоку -> StopIteration.default зручно безпечно читати потік.Так, але з нюансом протоколу:
iter(obj) викликає obj.__iter__();next(it) викликає it.__next__().Тобто функції є стандартним інтерфейсом до dunder-методів і зазвичай використовуються замість прямого виклику.
Коротко:
iter() відповідає __iter__().next() відповідає __next__().StopIteration сигналізує, що iterator вичерпано. for-цикл перехоплює його
автоматично і завершує ітерацію.
Зазвичай виникає:
next(it) після останнього елемента;Коротко:
StopIteration це штатний кінець потоку.Generator це спеціальний iterator, який створюється функцією з yield. Він
генерує значення по одному і зберігає внутрішній стан між викликами.
Відмінності:
return, а "пауза/продовження";__next__.Коротко:
DevLoversTeam/python-interview-questions is a public repo on GitHub by DevLoversTeam. Most popular Python interview questions and answers -> https://www.devlovers.net.
It declares the MIT license on GitHub.
Its maker tagged it for macOS, Windows and Linux, or as Docker or cross-platform. That is declared by the maker; Take My Repo has not tested it.
Open "Take it" on its page: Take My Repo writes an install plan for your machine and hands it to your AI agent (Claude Code, Codex or Cursor), which asks you before each step. Take My Repo has not tested it on any machine.
Its last change on GitHub was on 2026-03-19. GitHub counts 0 open issues and pull requests. Take My Repo does not judge from that whether it is maintained.
A complete computer science study plan to become a software engineer.
Nobody has reviewed it on Take My Repo yet, which says nothing about its quality.

Learn how to design large-scale systems. Prep for the system design interview. Includes Anki flashcards.

🟣 Python interview questions and answers to help you prepare for your next technical interview in 2026.
📝 Algorithms and data structures implemented in JavaScript with explanations and links to further readings
Most popular JavaScript interview questions and answers -> https://www.devlovers.net
DevLovers Technical Interview Platform -> https://www.devlovers.net
Most popular React interview questions and answers -> https://www.devlovers.net
Найпопулярніші запитання та відповіді на співбесіді з Git
Найпопулярніші запитання та відповіді на співбесіді з TypeScript

Найпопулярніші запитання та відповіді на співбесіді з HTML
This page is also available as structured data, with the same sources and dates.
/api/v1/resources/gh/DevLoversTeam/python-interview-questionsTake My Repo has not tested this on your machine. Requirements come from the project's own documentation.