Python Interview

• PyChecker : 정적 분석에 사용, 프로젝트의 버그를 식별하고 버그와 관련된 스타일 및 복잡성도 보여줌
• Pylint : 코딩 표준을 충족하는지 확인

• 함수를 빠르게 변경할 때 사용 가능함.

• 리스트는 mutable(수정 가능), 튜플은 immutable(수정 불가능)

• 개별 힙을 사용하여 메모리 유지
• 힙은 모든 파이썬 객체와 자료구조를 가지고 있으며 이 영역은 파이썬 인터프리터만이 접근 가능하며 프로그래머는 사용 불가능
• 내장된 가비지 컬렉터를 통해 사용되지 않은 메모리 관리

• def는 여러 표현식을 가질 수 있지만, lambda는 단일 함수
• def는 함수를 생성하고 나중에 호출 할 이름을 지정하고, lambda는 함수 객체를 형성하고 반환
• def는 return문을 가질 수 있지만 lambda는 불가능
• lambda는 list나 dictionary에서 사용가능

def print_items(items):
    # Doctsring (print_items.__doc__)
    """
    items를 print
    :param items: 
    :return: 
    """
    for item in items:
        print(item)

• 함수의 목적은 입력을 받아 출력을 반환하는 것
• return은 호출자에게 값을 보내는데 사용

• 표현식 또는 값이 함수의 각 변수에 바인딩되는지 여부를 나타내는 인수
• 해당 변수는 로컬로 취급하며, 함수 외부에 반영되지 않음.

• 참조로 인수를 전달하면 단순 복사가 아닌 함수에 대한 암시적 참조로 사용됨.
• 로컬 복사본을 만들 필요가 없으므로 시간과 공간 효율성을 높일 수 있음.
• 함수 호출 중 변수가 실수로 변경 될 수 있으므로 프로그래머는 이러한 불확실성을 피하기 위한 코드를 작성해야 함.

• N개의 매개변수를 넘기겠다.

# Python code to demonstrate 
# *args for dynamic arguments 
def fn(*argList):  
    for argx in argList:
        print (argx) 
fn('I', 'am', 'Learning', 'Python')
# Output
# I
# am
# Learning
# Python

• 이름이나 키워드로 지정할 수 있는 N 개의 인수를 전달

# Python code to demonstrate 
# **kwargs for dynamic + named arguments 
def fn(**kwargs):  
for emp, age in kwargs.items(): 
    print ("%s's age is %s." %(emp, age))
# Output
# John's age is 25.
# Kalley's age is 22.
# Tom's age is 32.

• pass문은 아무것도 하지 않는다.
• continue문은 루프가 다음 반복에서 다시 시작되도록 한다.

• Global Interpreter Lock의 약자로 인터프리터가 한 스레드만 하나의 바이트코드를 실행 시킬 수 있도록 해주는 Lock
• 파이썬은 기본적으로 garbage collection과 reference counting을 통해 할당된 메모리를 관리하는데
  멀티스레드인 경우 여러 스레드가 하나의 객체를 사용한다면 reference count를 관리하기 위하여 모든 객체에 대한 lock이 필요함
  이러한 비효율을 막기 위해 GIL을 사용하게 됨
• 하나의 Lock을 통해 모든 객체들에 대한 reference count의 동기화 문제를 해결

• 모든 객체와 자료구조를 가지고 있는 힙 관리자가 내부적으로 구현되어 있음.
• 이 힙 관리자는 객체에 대한 힙 공간 할당, 할당 해제를 수행함.

• immutable한 자료형으로 리스트와 비슷한 구조를 가지고 있지만, 수정이 가능하냐 안하느냐는 차이가 있음

• collection 데이터 타입의 하나로 key와 value의 구조로 이뤄진 데이터 타입
• 해쉬, 맵 혹은 해쉬맵이라고 불림

• 순서가 없는 collection 데이터 객체로 유니크하고 변경 불가능한 객체를 저장

• 가변 길이의 배열로 C 스타일의 연결리스트와는 다르다.
• 내부적으로 다른 객체를 참조하기 위한 연속적인 배열을 가지며, 배열 변수에 대한 포인터와 그 길이를 리스트 헤더에 저장

• 상속의 한 종류로 기본 클래스에서 상속을 하지만 파생 클래스의 멤버 역할을 하는 기본 클래스의 인스턴스 변수를 사용

class PC: # Base class
	processor = "Xeon" # Common attribute
	def __init__(self, processor, ram):
  		self.processor = processor
    	self.ram = ram
    	def set_processor(self, new_processor):
        	processor = new_processor
    	def get_PC(self):
        	return "%s cpu & %s ram" % (self.processor, self.ram)
        	
class Tablet():
    make = "Intel"
    def __init__(self, processor, ram, make):
        self.PC = PC(processor, ram) # Composition
        self.make = make
    def get_Tablet(self):
        return "Tablet with %s CPU & %s ram by %s" % (self.PC.processor, self.PC.ram, self.make)
if __name__ == "__main__":
    tab = Tablet("i7", "16 GB", "Intel")
    print(tab.get_Tablet())

# Example - Raise an exception
while True:
    try:
        value = int(input("Enter an odd number- "))
        if value%2 == 0:
            raise ValueError("Exited due to invalid input!!!")
        else:
            print("Value entered is : %s" % value)
    except ValueError as ex:
        print(ex)
        break
# output
Enter an odd number- 2
Exited due to invalid input!!!
# output
Enter an odd number- 1
Value entered is : 1
Enter an odd number-

• iterator를 생성하는 함수이며, yield 키워드를 사용하여 반환
• return과 달리 반환 후에 종료되지 않고 그 상태 유지
• memory를 효율적으로 사용할 수 있다.

• 함수 객체로서 다른 함수를 반환

def multiply_number(num):
    def product(number):
        # 'product() here is a closure'
        return num * number    
    return product
num_2 = multiply_number(2)
print(num_2(11))
print(num_2(24))
num_6 = multiply_number(6)
print(num_6(1))
# output
# 22
# 48
# 6

• 함수 객체에 동적으로 새로운 기능을 추가

def decorator_sample(func):
    def decorator_hook(*args, **kwargs):
        print("Before the function call")
        result = func(*args, **kwargs)
        print("After the function call")
        return result
    return decorator_hook
@decorator_sample
def product(x, y):
    # "Function to multiply two numbers."
    return x * y
print(product(3,3))

• 여러 컨테이너의 해당 인덱스를 매핑하여 단일 단위로 사용함.

# Example: zip() function
emp = [ "tom", "john", "jerry", "jake" ]
age = [ 32, 28, 33, 44 ]
dept = [ 'HR', 'Accounts', 'R&D', 'IT' ]

# call zip() to map values
out = zip(emp, age, dept)
# convert all values for printing them as set

out = set(out)
# Displaying the final values

print ("The output of zip() is : ",end="") 
print (out)

# output
# The output of zip() is : {('jerry', 33, 'R&D'), ('jake', 44, 'IT') ,('john', 28, 'Accounts'), ('tom', 32, 'HR')}

• copy.copy()
  • 얕은 복사는 새로운 객체(변수)를 만든 후에 원본에 접근할 수 있는 참조(reference)를 입력한다.
    👉🏽 이런 경우 서로 다른 변수명이지만 본질적으로 서로 같은 대상을 의미하므로 하나의 변수 역시 수정이 된다.
  • 가변형(mutable) 자료형에 대해서 적용이 가능하다.
    👉🏽 가변형(mutable) 자료형은 같은 주소에서 값(value)이 변경 가능하기 때문에 얕은 복사가 가능하다.
    👉🏽 불변형(immutable) 자료형은 본질적으로 변경이 불가능하므로 재배정을 통해 변수를 바꾼다. 따라서 재배정이 이루어지므로 객체가 서로 달라진다.
• copy.deepcopy()
  • 깊은 복사는 내부에 객체들까지 모두 새롭게 copy 되는 것
  • 깊은 복사는 새로운 객체(변수)를 만든 뒤에 원본의 복사본을 변수에 입력한다.
    👉🏽 서로 값만 같을 뿐 본질적으로 서로 다르기 때문에 한 변수가 수정될 시 다음 변수가 수정되지 않는다.