3535 подписчиков

Вопросы собеседования на позицию автотестировщика python

9 сентября 20249 сен 2024

286

11 мин

Оглавление

1. Главные особенности Python в отличие от других языков (например, Java, C#)?
2. В каком порядке вызываются фикстуры?
3. В чем разница между list, tuple, set?

1. Главные особенности Python в отличие от других языков (например, Java, C#)?

Краткий ответ: Python — это интерпретируемый язык с динамической типизацией.

Более подробно: В отличие от Java и C#, Python не требует предварительной компиляции, так как является интерпретируемым языком. Также Python использует динамическую типизацию: тип переменной определяется во время выполнения программы, а не на этапе компиляции. Это делает его более гибким, но может снижать производительность по сравнению с языками со статической типизацией.

2. В каком порядке вызываются фикстуры?

Краткий ответ: Фикстуры с более широким скоупом вызываются раньше.

Более подробно: Фикстуры с большими скоупами (например, session) выполняются раньше фикстур с меньшими скоупами (например, function). Если нужно контролировать порядок вызова, можно передавать одну фикстуру в другую, но важно следить за тем, чтобы скоуп более поздней фикстуры не был меньше, чем у передаваемой.

3. В чем разница между list, tuple, set?

Краткий ответ: list — упорядоченный, изменяемый; tuple — упорядоченный, неизменяемый; set — неупорядоченный, изменяемый, уникальные элементы.

Более подробно:

list: поддерживает индексацию, элементы можно изменять (добавлять, удалять, заменять).
tuple: поддерживает индексацию, но элементы неизменяемы после создания.
set: неупорядоченная коллекция, которая не допускает дублирующихся элементов и не поддерживает индексацию.

4. Виды сортировки в python

Краткий ответ:

Встроенные:

sorted() — возвращает новый отсортированный список.
list.sort() — сортирует список на месте.

Можно реализовать пользовательские алгоритмы сортировки (просто пример, можно и другие):

Пузырьком (Bubble Sort)
Вставками (Insertion Sort)
Слиянием (Merge Sort)
Быстрая сортировка (Quick Sort)

Сортировки от библиотек:

numpy.sort()
pandas.DataFrame.sort_values()

Более подробно про пользовательские алгоритмы сортировки можно прочитать здесь.

5. Изменится ли содержимое кортежа после tpl[3].append(4)?

Краткий ответ: Да, изменится.

Более подробно:

Кортежи сами по себе неизменяемы, но если внутри кортежа есть изменяемый объект (например, список), то его содержимое можно изменить. В данном случае tpl[3] — это список, и операция append() изменяет его содержимое.

6. Знаете ли какие-нибудь встроенные в Python декораторы?

Краткий ответ: @staticmethod, @classmethod, @lru_cache, @dataclass.

Более подробно:

@staticmethod используется для объявления статического метода в классе. Статические методы не привязаны к экземпляру класса и не требуют передачи аргумента self (или cls). Они работают как обычные функции, но принадлежат пространству имен класса.
Особенности:

Статический метод может быть вызван как на классе, так и на экземпляре класса.
Не может взаимодействовать с экземпляром класса через self и не имеет доступа к атрибутам класса через cls.

@classmethod объявляет метод класса, который принимает класс как первый аргумент, обычно называемый cls. Такие методы могут взаимодействовать с атрибутами и методами класса, но не с конкретным экземпляром.

Особенности:

Метод класса всегда получает первым аргументом сам класс (cls).
Может изменять атрибуты класса или вызывать другие методы класса.
Полезен при работе с фабричными методами или при необходимости изменения состояния класса.

@lru_cache — это декоратор из модуля functools, который используется для мемоизации (кэширования) результатов функции. Это означает, что если функция вызывается с теми же аргументами несколько раз, результат берется из кэша, а не вычисляется повторно. "LRU" означает "Least Recently Used" (наименее недавно использованный) — это механизм, который автоматически очищает кэш, если он превышает заданный лимит.

Особенности:

maxsize определяет максимальное количество записей в кэше. Когда лимит превышен, удаляются наименее используемые записи.
Это полезно для функций, результаты которых часто повторяются при одинаковых входных данных, например, вычисление чисел Фибоначчи.
Улучшает производительность за счет повторного использования ранее вычисленных значений.

@dataclass — это декоратор из модуля dataclasses, который автоматически генерирует для класса методы, такие как __init__, __repr__, __eq__, и другие, на основе объявленных атрибутов. Это значительно упрощает создание классов для хранения данных.

Особенности:

Генерирует методы __init__, __repr__, __eq__, и другие автоматически.
Позволяет сосредоточиться на описании структуры данных, а не на ручном написании типичных методов.
Может быть настроен через параметры декоратора: например, можно указать, нужно ли генерировать метод __eq__ или __repr__.

7. Как пройтись по всем парам ключ-значение в словаре?

Краткий ответ: Использовать цикл for key, value in dct.items().

Более подробно: Метод items() возвращает итерируемый объект, который содержит пары "ключ-значение" словаря. В цикле for можно удобно работать с этими парами.

8. Какие типы данных вы знаете?

Краткий ответ: None, bool, int, float, complex, list, tuple, str, bytes, bytearray, memoryview, set, frozenset, dict.

Более подробно: Python поддерживает множество типов данных, включая примитивные (например, int, float, bool) и сложные структуры данных (например, списки list, множества set, словари dict).

9. Какие типы скоупов фикстур существуют?

Краткий ответ: function, class, module, package, session.

Более подробно:

function: фикстура создаётся и уничтожается для каждого теста.
class: фикстура создаётся для каждого класса тестов.
module: фикстура создаётся для каждого модуля (файла с тестами).
package: фикстура создаётся для каждого пакета.
session: фикстура создаётся один раз на всю сессию тестирования.

10. Какой фикстурой можно прогнать тест несколько раз на разных данных?

Краткий ответ: @pytest.mark.parametrize.

Более подробно: Декоратор @pytest.mark.parametrize позволяет запускать тесты с разными наборами данных, передавая значения в параметры теста.

11. Что такое класс?

Краткий ответ: Класс — это шаблон для создания объектов.

Более подробно: Класс определяет свойства и методы, которые могут иметь его экземпляры (объекты). Класс задает структуру и поведение объектов, которые будут создаваться на его основе.

12. Что такое композиция?

Краткий ответ: Композиция — это когда один класс содержит объект другого класса.

Более подробно: Композиция выражает отношение "имеет" (например, машина имеет двигатель). Это позволяет разделять ответственность между классами и использовать объекты других классов как компоненты в более сложных объектах.

13. Основные функции по работе с JSON в Python?

Краткий ответ: Запись с помощью dump() и dumps(), чтение с помощью load() и loads().

Более подробно:

dump(): записывает объект в JSON-файл.
dumps(): преобразует объект в строку в формате JSON.
load(): считывает данные из JSON-файла и преобразует их в Python-объект.
loads(): преобразует строку в формате JSON в Python-объект.

14. Что такое объект?

Краткий ответ: Объект — это экземпляр класса.

Более подробно: Объект — это конкретная реализация класса, которая имеет свои собственные значения полей (атрибутов) и может выполнять методы, определённые в классе.

15. Определение ООП

Краткий ответ: Программирование на основе взаимодействия объектов.

Более подробно: ООП (Объектно-ориентированное программирование) — это парадигма программирования, где программа состоит из объектов, которые взаимодействуют между собой. Объекты — это экземпляры классов, а классы могут образовывать иерархию через наследование.

16. Что такое поля и методы?

Краткий ответ: Поля — это свойства объекта, методы — его функции.

Более подробно:

Поле: хранит данные объекта.
Метод: функция, определённая в классе, которая позволяет объекту выполнять действия или изменять свои данные.

17. Принципы ООП

Краткий ответ: Абстракция, инкапсуляция, наследование, полиморфизм.

Более подробно:

Абстракция: выделение ключевых характеристик объекта, игнорируя несущественные детали.
Инкапсуляция: скрытие внутренней реализации объекта и предоставление доступа только через интерфейс.
Наследование: создание нового класса на основе существующего с возможностью дополнения/изменения поведения.
Полиморфизм: способность объектов разных классов реагировать на одно и то же сообщение по-разному.

Еще более подробно в статье: Принципы ООП

18. Циклы (for, while, do-while)

Краткий ответ: Управляют выполнением кода через итерации.

Более подробно:

for: выполняет код для всех элементов итерируемого объекта (например, списка).
while: выполняет код, пока условие истинно.
do-while: отсутствует в Python, но аналог можно создать с помощью while и дополнительных проверок.

19. Чем отличаются генераторы от итераторов?

Краткий ответ: Генератор отложенно создаёт значения, итератор обходит элементы.

Более подробно:

Итератор — это объект, который реализует интерфейс итерации. В Python он должен реализовать два метода:

__iter__() — возвращает сам итератор.
__next__() — возвращает следующий элемент последовательности или вызывает исключение StopIteration, если элементы закончились.

Пример создания собственного итератора:

Генераторы — это специальные функции, которые позволяют "лениво" возвращать элементы по одному за раз, вместо того чтобы возвращать все элементы сразу. Это полезно для работы с большими данными, когда хранение всех элементов в памяти может быть неэффективным или невозможным.

Генераторы создаются с помощью ключевого слова yield. Отличие от обычной функции в том, что генератор сохраняет своё состояние после каждого вызова yield, что позволяет продолжить выполнение функции с того места, где она была прервана.

Пример:

Преимущества использования генераторов:

Экономия памяти: Генераторы не создают полный список в памяти, а возвращают элементы по одному.
Ленивое выполнение: Генераторы не выполняют всю работу сразу, а только когда это необходимо.
Читаемость кода: Генераторы могут сделать ваш код более понятным и выразительным при работе с последовательностями.

20. Чем отличаются изменяемые и неизменяемые данные?

Краткий ответ: Изменяемые данные можно модифицировать после создания, неизменяемые — нет.

Более подробно:

Изменяемые: объекты, такие как списки (list), множества (set) и словари (dict), которые можно изменять (добавлять, удалять элементы).

Неизменяемые: объекты, такие как строки (str), целые числа (int), кортежи (tuple), которые нельзя изменить после создания. Если вы пытаетесь изменить такие объекты, создаётся новый объект.

Важно отметить, что в Python всё является объектом, включая целые числа и строки (это примечание для тех кто пришел из Java например).

**21. Что такое *args и kwargs?

Краткий ответ: *args передаёт произвольное количество аргументов, **kwargs — произвольное количество именованных аргументов.

Более подробно:

*args: позволяет передать в функцию произвольное количество позиционных аргументов как кортеж.

Пример использования *args:

**kwargs: позволяет передать произвольное количество именованных аргументов в виде словаря.

Пример использования **kwargs:

22. Что такое hooks в pytest?

Краткий ответ: Это специальные методы для изменения поведения pytest.

Более подробно: Hooks (хуки) позволяют разработчикам изменять и расширять стандартное поведение pytest (например, поведение при запуске тестов, обработке исключений). Это мощный инструмент для создания плагинов и расширений.

23. Что такое lambda в Python?

Краткий ответ: Анонимная функция в одну строку.

Более подробно:

Lambda-функция — это небольшая анонимная функция, которая может содержать только одно выражение и не имеет имени. Она часто используется для кратких операций, которые не требуют создания полноценной функции.

Пример lambda функции:

24. Что такое декоратор?

Краткий ответ: Обёртка над функцией, изменяющая её поведение без изменения исходного кода.

Более подробно:

Декоратор — это функция, которая принимает другую функцию и возвращает новую функцию с изменённым поведением. Это позволяет модифицировать функциональность без изменения исходного кода, например, добавляя логирование, кэширование или контроль доступа.

Пример декоратора:

Что происходит в коде:

Мы определяем декоратор my_decorator, который принимает функцию в качестве аргумента (func), а внутри создается функция wrapper, которая оборачивает вызов оригинальной функции.
Декоратор добавляет поведение перед и после вызова функции say_hello.
Когда используется синтаксис @my_decorator, это эквивалентно вызову say_hello = my_decorator(say_hello).
Когда вызывается say_hello(), сначала выполняется код декоратора, затем вызывается исходная функция, и потом выполняется код после неё.

25. Что такое контекстный менеджер в Python?

Краткий ответ: Управляет ресурсами через конструкцию with.

Более подробно:

Контекстный менеджер управляет ресурсами (например, файлами, подключениями) и гарантирует их корректное освобождение (например, закрытие). Конструкция with упрощает работу с такими ресурсами, автоматически вызывая методы для захвата и освобождения.

Пример:

В этом примере:

Метод __enter__ открывает файл и возвращает его.
Метод __exit__ автоматически закрывает файл, даже в случае возникновения исключений.

Пример 2: Контекстный менеджер с помощью декоратора contextlib

Здесь:

Блок перед yield выполняется при входе в контекст.
Блок после yield выполняется при выходе из контекста, даже если возникло исключение.

Оба примера демонстрируют одно и то же поведение: открытие и автоматическое закрытие файла после завершения работы с ним.

26. Что такое линтер (linter)?

Краткий ответ: Программа для проверки кода на соответствие стилю и правилам.

Более подробно:

Линтер проверяет код на различные ошибки, нарушения стиля и потенциальные проблемы (например, неиспользуемые переменные, лишние скобки и т.д.). Линтеры помогают сделать код более чистым, единообразным и безопасным. В Python популярны такие линтеры, как flake8 и pylint.