Fortgeschrittenes Python für Data Engineering
OOP, Decorators, Generators, Context Managers, Typing, async/await, Modules, Virtual Environments
1Was ist eine Klasse in Python?
Was ist eine Klasse in Python?
Antwort
Eine Klasse ist eine Vorlage (Blueprint), die Struktur und Verhalten von Objekten definiert. Sie kapselt Daten (Attribute) und Funktionen (Methoden), die mit diesen Daten arbeiten. Klassen ermöglichen das Erstellen mehrerer Instanzen, die dieselbe Struktur, aber unterschiedliche Werte haben, was für die objektorientierte Programmierung grundlegend ist.
2Welche Rolle spielt die Methode __init__ in einer Python-Klasse?
Welche Rolle spielt die Methode __init__ in einer Python-Klasse?
Antwort
Die __init__-Methode ist der Konstruktor einer Python-Klasse. Sie wird beim Erstellen einer neuen Instanz automatisch aufgerufen und ermöglicht das Initialisieren der Objektattribute mit spezifischen Werten. Diese Methode erhält immer self als ersten Parameter, der auf die zu erstellende Instanz verweist.
3Was ist der Unterschied zwischen einer Instanzmethode und einer Klassenmethode in Python?
Was ist der Unterschied zwischen einer Instanzmethode und einer Klassenmethode in Python?
Antwort
Eine Instanzmethode erhält self und arbeitet mit einer bestimmten Instanz, während eine Klassenmethode (mit @classmethod dekoriert) cls erhält und mit der Klasse selbst arbeitet. Klassenmethoden eignen sich gut zum Erstellen von Factory Methods oder zum Ändern von Klassenattributen, die von allen Instanzen geteilt werden.
Was ist ein Decorator in Python?
Wie erstellt man einen Decorator, der Argumente akzeptiert?
+22 Interview-Fragen
Weitere Data Engineering-Interviewthemen
Linux & Shell - Grundlagen
Git & GitHub - Grundlagen
Docker - Grundlagen
Google Cloud Platform - Grundlagen
CI/CD und Codequalität
Docker Compose
FastAPI - Daten-APIs
Fortgeschrittenes SQL für Data Engineering
Data Lake - Architektur und Ingestion
BigQuery für Data Engineering
PostgreSQL - Administration
Data Modeling für Data Engineering
Fivetran & Airbyte - Daten-Ingestion
dbt - Grundlagen
Apache Airflow - Grundlagen
Kubernetes - Grundlagen
dbt - Erweiterte Funktionen
ETL- / ELT- / ETLT-Patterns
Apache Airflow - Fortgeschritten
Airflow + dbt - Pipeline-Orchestrierung
PySpark - Verarbeitung im großen Maßstab
Google Pub/Sub - Daten-Streaming
Apache Beam & Dataflow
Kubernetes - Produktion und Skalierung
Terraform - Infrastructure as Code
NoSQL-Datenbanken
Moderne Data Architecture
Monitoring und Observability
IAM und Datensicherheit
Meistere Data Engineering für dein nächstes Interview
Zugang zu allen Fragen, Flashcards, technischen Tests, Code-Review-Übungen und Interview-Simulatoren.
Kostenlos starten