🤔 Что такое объект первого класса?

Это объект, который:
- Может быть передан как аргумент.
- Может быть возвращён из функции.
- Может быть присвоен переменной. В Python функции являются объектами первого класса.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 Как работает функция filter()?

filter() — это встроенная функция Python, которая отбирает элементы из последовательности по заданному условию.

filter(function, iterable)

🚩Как работает `filter()`?

Пример 1: Фильтрация чётных чисел

numbers = [1, 2, 3, 4, 5, 6]

# Оставляем только чётные числа
even_numbers = filter(lambda x: x % 2 == 0, numbers)

print(list(even_numbers))  # [2, 4, 6]

Пример 2: Фильтрация строк по длине

words = ["apple", "kiwi", "banana", "cherry"]

# Оставляем только слова длиной больше 5 символов
long_words = filter(lambda word: len(word) > 5, words)

print(list(long_words))  # ['banana', 'cherry']

Пример 3: Фильтрация None и пустых значений

values = [None, 0, "", "hello", 42, [], {}]

# Оставляем только "истинные" значения
filtered_values = filter(None, values)

print(list(filtered_values))  # ['hello', 42]

Пример 4: Использование filter() с def

def is_positive(n):
    return n > 0

numbers = [-5, -2, 0, 3, 7, -1]
positive_numbers = filter(is_positive, numbers)

print(list(positive_numbers))  # [3, 7]

🚩Чем `filter()` лучше `for` + `if`?

Более короткий и читаемый код

# С `filter()`
even_numbers = list(filter(lambda x: x % 2 == 0, numbers))

# С `for` + `if`
even_numbers = [x for x in numbers if x % 2 == 0]

Ставь 👍 и забирай 📚 Базу знаний

🤔 Откуда берётся O(n) и почему это лучше, чем O(n²)?

O(n) означает, что время выполнения пропорционально количеству элементов. O(n²) — значит, число операций растёт квадратично. Например, при 1 000 элементах:
- O(n) ≈ 1 000 операций;
- O(n²) ≈ 1 000 000 операций.
Поэтому линейная сложность значительно быстрее при больших объёмах данных.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 Что такое dict comprehensions?

dict comprehension (генератор словаря) — это способ быстро создать словарь с помощью компактного синтаксиса, похожего на list comprehension.

🚩Простейший пример `dict comprehension`

squares = {x: x**2 for x in range(1, 6)}
print(squares)

Вывод

{1: 1, 2: 4, 3: 9, 4: 16, 5: 25}

🚩`dict comprehension` с условием (`if`)

Оставляем только чётные числа:

squares = {x: x**2 for x in range(1, 11) if x % 2 == 0}
print(squares)

Вывод

{2: 4, 4: 16, 6: 36, 8: 64, 10: 100}

🚩Преобразование списка в словарь

Создаём словарь из списка пар (name → длина слова)

names = ["Alice", "Bob", "Charlie"]
name_lengths = {name: len(name) for name in names}
print(name_lengths)

Вывод

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

🚩Обратный словарь (ключи и значения меняются местами)

Инвертируем словарь {ключ: значение} → {значение: ключ}

original = {"a": 1, "b": 2, "c": 3}
inverted = {v: k for k, v in original.items()}
print(inverted)

Вывод

{1: 'a', 2: 'b', 3: 'c'}

🚩Генерация словаря из `zip()`

Объединяем два списка в словарь

keys = ["name", "age", "city"]
values = ["Alice", 25, "New York"]

person = {k: v for k, v in zip(keys, values)}
print(person)

Вывод

{'name': 'Alice', 'age': 25, 'city': 'New York'}

🚩`dict comprehension` с `if-else`

Разделяем числа на чётные и нечётные

numbers = range(1, 6)
parity = {x: "чётное" if x % 2 == 0 else "нечётное" for x in numbers}
print(parity)

Вывод

{1: 'нечётное', 2: 'чётное', 3: 'нечётное', 4: 'чётное', 5: 'нечётное'}

Ставь 👍 и забирай 📚 Базу знаний

🤔 Примеры использования функции filter?

Эта функция отбирает только те элементы, которые соответствуют заданному условию. Например, можно выбрать только положительные числа из списка или отфильтровать строки, содержащие определённое слово.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 Что такое Host?

Host (хост) — это устройство или сервер, подключённый к сети, который может предоставлять или запрашивать данные.

GET /index.html HTTP/1.1
Host: example.com

🚩Где используется `Host`?

🟠В HTTP-запросах (заголовок `Host`)
Когда браузер запрашивает сайт, он отправляет заголовок Host, чтобы сервер знал, какой сайт нужно отдать.

GET / HTTP/1.1
Host: google.com
User-Agent: Mozilla/5.0

🟠В настройке DNS и доменных имён
Host — это доменное имя, привязанное к IP-адресу.
- example.com → 192.168.1.100
- mail.example.com → 192.168.1.101

127.0.0.1 mysite.local

🟠3. В локальной сети (локальные хосты)
Внутри сети устройства тоже считаются хостами (192.168.1.10, 192.168.1.20). localhost (127.0.0.1) — это всегда локальный компьютер.

Ставь 👍 и забирай 📚 Базу знаний

🤔 Что за функция gather()?

gather() используется для параллельного выполнения нескольких корутин. Она собирает их в одну задачу и возвращает результаты в виде списка. Все задачи выполняются одновременно, а gather() ждёт завершения всех.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 За счет чего асинхронность работает быстрее?

Асинхронность в Python позволяет не блокировать выполнение программы во время ожидания операций ввода-вывода (I/O). Это делает её намного быстрее в задачах, где программа тратит много времени на ожидание (например, загрузка файлов, работа с сетью, запросы к базам данных).

🟠Как работает синхронный код (медленный вариант)
В обычном (синхронном) коде каждая операция ждёт завершения предыдущей.

import requests
import time

start = time.time()

def fetch(url):
    response = requests.get(url)  # Ждём ответа от сервера
    return response.text

urls = ["https://example.com"] * 3

for url in urls:
    fetch(url)  # Ждём каждый запрос

print("Время выполнения:", time.time() - start)

🟠Как работает асинхронный код (быстрее!)
Асинхронность в Python использует event loop (цикл событий), который позволяет не ждать выполнения операции, а переключаться на другие задачи.

import asyncio
import aiohttp
import time

start = time.time()

async def fetch(url):
    async with aiohttp.ClientSession() as session:
        async with session.get(url) as response:
            return await response.text()

async def main():
    urls = ["https://example.com"] * 3
    tasks = [fetch(url) for url in urls]
    await asyncio.gather(*tasks)  # Запускаем все запросы одновременно

asyncio.run(main())

print("Время выполнения:", time.time() - start)

Ставь 👍 и забирай 📚 Базу знаний

🤔 Что такое Git Rebase?

rebase — это операция в Git, которая позволяет переписать историю коммитов, подставляя текущую ветку поверх другой. Это полезно для создания линейной, чистой истории.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 Как отсортировать список словарей по определенному полю?

Для сортировки списка словарей по определенному полю в Python удобно использовать функцию sorted() или метод sort(). Оба подхода позволяют указать ключ сортировки с помощью параметра key, где можно передать либо функцию, либо лямбда-выражение, которое извлекает значение из словаря для сортировки.

🚩Почему это важно?

Списки словарей часто используются для хранения структурированных данных. Например, вы можете иметь список сотрудников, где каждый сотрудник представлен в виде словаря с полями, такими как имя, возраст и зарплата. Сортировка по определенному полю позволяет упорядочить данные, чтобы ими было проще пользоваться или отображать.

🚩Как это сделать?

🟠Использование функции `sorted()`
Эта функция возвращает новый отсортированный список.

   employees = [
       {"name": "Alice", "age": 30, "salary": 70000},
       {"name": "Bob", "age": 25, "salary": 50000},
       {"name": "Charlie", "age": 35, "salary": 120000}
   ]

   # Сортировка по возрасту
   sorted_employees = sorted(employees, key=lambda x: x["age"])

   print(sorted_employees)
   

Результат

   [{'name': 'Bob', 'age': 25, 'salary': 50000},
    {'name': 'Alice', 'age': 30, 'salary': 70000},
    {'name': 'Charlie', 'age': 35, 'salary': 120000}]
   

🟠Использование метода `sort()`
Этот метод изменяет существующий список.

   employees = [
       {"name": "Alice", "age": 30, "salary": 70000},
       {"name": "Bob", "age": 25, "salary": 50000},
       {"name": "Charlie", "age": 35, "salary": 120000}
   ]

   # Сортировка по зарплате
   employees.sort(key=lambda x: x["salary"])

   print(employees)
   

Результат

   [{'name': 'Bob', 'age': 25, 'salary': 50000},
    {'name': 'Alice', 'age': 30, 'salary': 70000},
    {'name': 'Charlie', 'age': 35, 'salary': 120000}]
   

🟠Сортировка в обратном порядке
Установите параметр reverse=True, чтобы отсортировать в порядке убывания.

   sorted_employees_desc = sorted(employees, key=lambda x: x["age"], reverse=True)
   print(sorted_employees_desc)
   

🟠Использование функции `itemgetter` из модуля `operator`
Это более эффективный способ, чем лямбда-функция, особенно для больших данных.

   from operator import itemgetter

   sorted_employees = sorted(employees, key=itemgetter("age"))
   print(sorted_employees)
   

🚩Обработка отсутствующих значений

Если поле может отсутствовать в некоторых словарях, можно использовать параметр key для обработки таких ситуаций.

employees = [
    {"name": "Alice", "age": 30},
    {"name": "Bob"},
    {"name": "Charlie", "age": 35}
]

sorted_employees = sorted(employees, key=lambda x: x.get("age", 0))
print(sorted_employees)

Результат

[{'name': 'Bob'},
 {'name': 'Alice', 'age': 30},
 {'name': 'Charlie', 'age': 35}]

Ставь 👍 и забирай 📚 Базу знаний

🔴 Реальный собес на Python от ТехЛида с опытом работы в Авито и Яндексе в прямом эфире

23 декабря (уже завтра!) в 19:00 по мск приходи на прямой эфир с реальным собеседованием на Middle разработчика.

Почему точно нужно прийти:
📂 Савва Демиденко, ТехЛид с опытом в Яндексе и Авито, будет задавать реальные вопросы и задачи разработчику-добровольцу
📂 Савва будет комментировать каждый ответ респондента, чтобы дать понять чего от вас ожидает собеседующий на интервью
📂 В конце можно будет задать любой вопрос Савве

Это бесплатно. Эфир проходит в рамках менторской программы от ШОРТКАТ для Python-разработчиков, которые хотят повысить свой грейд, ЗП и прокачать скиллы.

Переходи в нашего бота, чтобы получить ссылку на эфир → @shortcut_py_bot

Реклама.
О рекламодателе.

🤔 Отличие методов GET, POST и HEAD?

- GET — запрашивает данные, передаёт параметры в URL, ничего не меняет на сервере.
- POST — отправляет данные (формы, JSON), используется для создания/обработки.
- HEAD — как GET, но без тела ответа, только заголовки (для проверки существования, длины и пр.).

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний

🤔 В чем отличие изменяемые / неизменяемые?

В Python все данные делятся на изменяемые (mutable) и неизменяемые (immutable)

🚩Неизменяемые (`immutable`) типы

После создания их нельзя изменить!

x = 10
print(id(x))  # 140735598722544 (адрес в памяти)

x = x + 5  # Создаётся новый объект!
print(id(x))  # 140735598722704 (новый адрес)

Пример: str неизменяемая

s = "hello"
print(id(s))  # 140735598723664

s = s + " world"  # Создаётся новая строка!
print(id(s))  # 140735598724240 (новый адрес)

🚩Изменяемые (`mutable`) типы

Можно менять их содержимое без создания нового объекта.

lst = [1, 2, 3]
print(id(lst))  # 140735598722544

lst.append(4)  # Изменяем список
print(id(lst))  # 140735598722544 (адрес остался тот же!)

Пример: dict изменяемый

d = {"name": "Alice"}
print(id(d))  # 140735598723664

d["age"] = 25  # Добавляем ключ
print(id(d))  # 140735598723664 (адрес не изменился!)

🚩Почему это важно?

Неизменяемые объекты безопаснее для ключей dict и set

d = {}
d[[1, 2, 3]] = "Ошибка!"  # ❌ TypeError: unhashable type: 'list'

Используем tuple вместо list (он неизменяемый)

d[(1, 2, 3)] = "OK"

Ошибки с изменяемыми значениями по умолчанию

def add_item(lst=[]):  # ❌ Опасный код!
    lst.append(1)
    return lst

print(add_item())  # [1]
print(add_item())  # [1, 1]  ❌ Список не создаётся заново!

Используем None вместо списка

def add_item(lst=None):
    if lst is None:
        lst = []
    lst.append(1)
    return lst

🚩Копирование объектов (`copy()` vs `deepcopy()`)

copy() делает поверхностную копию (новый объект, но старые вложенные элементы).
deepcopy() делает глубокую копию (всё новое).

import copy

lst1 = [[1, 2, 3], [4, 5, 6]]
lst2 = copy.copy(lst1)  # Поверхностная копия

lst2[0][0] = 99
print(lst1)  # [[99, 2, 3], [4, 5, 6]] ❌ Исходный список изменился!

Используем deepcopy() для полной независимой копии

lst3 = copy.deepcopy(lst1)
lst3[0][0] = 100
print(lst1)  # [[99, 2, 3], [4, 5, 6]] ✅ Не изменился!

Ставь 👍 и забирай 📚 Базу знаний

🤔 Какая сложность быстрее: линейная или логарифмическая?

Логарифмическая (O(log n)) быстрее линейной (O(n)). Например, при n = 1 000 000:
- log₂(n) ≈ 20,
- n = 1 000 000.
Логарифмическая сложность характерна для бинарного поиска, деления, дерева поиска.

Ставь 👍 если знал ответ, 🔥 если нет
Забирай 📚 Базу знаний