Estructuras de datos en Python
Listas, diccionarios, sets, tuplas, list comprehensions, generadores, itertools
1¿Cuál es la diferencia fundamental entre una lista y una tupla en Python?
¿Cuál es la diferencia fundamental entre una lista y una tupla en Python?
Respuesta
Las listas son mutables (modificables después de su creación) mientras que las tuplas son inmutables (no modificables). Esta inmutabilidad hace que las tuplas sean hashables y puedan usarse como claves de diccionario, a diferencia de las listas. Las tuplas también son ligeramente más eficientes en cuanto a uso de memoria y velocidad de acceso.
2¿Qué método se debe usar para agregar un elemento al final de una lista de Python?
¿Qué método se debe usar para agregar un elemento al final de una lista de Python?
Respuesta
El método append() agrega un único elemento al final de una lista. Modifica la lista in situ y retorna None. Para agregar varios elementos, use extend() o el operador +=. El método insert() permite agregar en una posición específica.
3¿Cómo crear un diccionario vacío en Python?
¿Cómo crear un diccionario vacío en Python?
Respuesta
Un diccionario vacío puede crearse con {} o dict(). La sintaxis {} es más concisa y ligeramente más rápida. La notación {} crea un diccionario vacío, mientras que set() crea un conjunto vacío. Para un conjunto vacío, es obligatorio usar set() porque {} está reservado para los diccionarios.
¿Cuál es el resultado de la expresión [x**2 for x in range(5)]?
¿Qué característica distingue a un set de las demás colecciones de Python?
+17 preguntas de entrevista
Otros temas de entrevista Data Science & ML
Fundamentos de Python
Programación Orientada a Objetos en Python
Fundamentos de Git
Fundamentos de SQL
Fundamentos de NumPy
Fundamentos de Pandas
Jupyter & Google Colab
SQL Joins y consultas avanzadas
Pandas avanzado
Visualización con Matplotlib & Seaborn
Visualizaciones interactivas con Plotly
Estadística descriptiva
Estadística inferencial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Supervisado: Regresión
ML Supervisado: Clasificación
Árboles de Decisión y Ensembles
ML No Supervisado
Pipelines ML y Validación
Series Temporales y Pronóstico
Fundamentos de Deep Learning
TensorFlow & Keras
CNN y clasificación de imágenes
RNN y Secuencias
Transformers y Attention
NLP y Hugging Face
GenAI y LangChain
MLOps y Despliegue
Domina Data Science & ML para tu próxima entrevista
Accede a todas las preguntas, flashcards, tests técnicos, ejercicios de code review y simuladores de entrevista.
Empieza gratis