Python-Datenstrukturen
Listen, Dictionaries, Sets, Tupel, List Comprehensions, Generatoren, itertools
1Was ist der grundlegende Unterschied zwischen einer Liste und einem Tupel in Python?
Was ist der grundlegende Unterschied zwischen einer Liste und einem Tupel in Python?
Antwort
Listen sind veränderlich (nach der Erstellung modifizierbar), während Tupel unveränderlich sind (nicht modifizierbar). Diese Unveränderlichkeit macht Tupel hashbar und damit als Dictionary-Schlüssel verwendbar, im Gegensatz zu Listen. Tupel sind zudem etwas performanter in Bezug auf Speicherverbrauch und Zugriffsgeschwindigkeit.
2Welche Methode sollte verwendet werden, um ein Element am Ende einer Python-Liste hinzuzufügen?
Welche Methode sollte verwendet werden, um ein Element am Ende einer Python-Liste hinzuzufügen?
Antwort
Die Methode append() fügt ein einzelnes Element am Ende einer Liste hinzu. Sie ändert die Liste in-place und gibt None zurück. Um mehrere Elemente hinzuzufügen, verwenden Sie extend() oder den Operator +=. Die Methode insert() ermöglicht das Einfügen an einer bestimmten Position.
3Wie erstellt man ein leeres Dictionary in Python?
Wie erstellt man ein leeres Dictionary in Python?
Antwort
Ein leeres Dictionary kann mit {} oder dict() erstellt werden. Die {}-Syntax ist kürzer und etwas schneller. Die {}-Notation erzeugt ein leeres Dictionary, während set() ein leeres Set erzeugt. Für ein leeres Set muss zwingend set() verwendet werden, da {} für Dictionaries reserviert ist.
Was ist das Ergebnis des Ausdrucks [x**2 for x in range(5)]?
Welches Merkmal unterscheidet ein Set von anderen Python-Sammlungen?
+17 Interview-Fragen
Weitere Data Science & ML-Interviewthemen
Python-Grundlagen
Python Objektorientierte Programmierung
Git-Grundlagen
SQL-Grundlagen
NumPy-Grundlagen
Pandas-Grundlagen
Jupyter & Google Colab
SQL Joins & fortgeschrittene Abfragen
Fortgeschrittenes Pandas
Visualisierung mit Matplotlib & Seaborn
Interaktive Visualisierungen mit Plotly
Deskriptive Statistik
Inferenzstatistik
Web Scraping
BigQuery & Cloud Data
Feature Engineering
Überwachtes ML: Regression
Überwachtes ML: Klassifikation
Entscheidungsbäume & Ensembles
Unüberwachtes ML
ML-Pipelines & Validierung
Zeitreihen & Prognosen
Grundlagen des Deep Learning
TensorFlow & Keras
CNN und Bildklassifizierung
RNN & Sequenzen
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps und Deployment
Meistere Data Science & ML für dein nächstes Interview
Zugang zu allen Fragen, Flashcards, technischen Tests, Code-Review-Übungen und Interview-Simulatoren.
Kostenlos starten