Question 1

Qual é a diferença fundamental entre uma lista e uma tupla em Python?

Accepted Answer

As listas são mutáveis (podem ser modificadas após a criação) enquanto as tuplas são imutáveis (não podem ser modificadas). Essa imutabilidade torna as tuplas hashable e utilizáveis como chaves de dicionário, ao contrário das listas. As tuplas também são ligeiramente mais eficientes em termos de memória e velocidade de acesso.

Question 2

Qual método deve ser usado para adicionar um elemento ao final de uma lista em Python?

Accepted Answer

O método append() adiciona um único elemento ao final de uma lista. Ele modifica a lista no local e retorna None. Para adicionar vários elementos, use extend() ou o operador +=. O método insert() permite adicionar em uma posição específica.

Question 3

Como criar um dicionário vazio em Python?

Accepted Answer

Um dicionário vazio pode ser criado com {} ou dict(). A sintaxe {} é mais concisa e ligeiramente mais rápida. A notação {} cria um dicionário vazio, enquanto set() cria um conjunto vazio. Para um conjunto vazio, é obrigatório usar set() pois {} é reservado para dicionários.

Estruturas de dados em Python

Qual é a diferença fundamental entre uma lista e uma tupla em Python?

Resposta

Qual método deve ser usado para adicionar um elemento ao final de uma lista em Python?

Resposta

Como criar um dicionário vazio em Python?

Resposta

Qual é o resultado da expressão [x**2 for x in range(5)]?

Qual característica distingue um set das outras coleções de Python?

Outros temas de entrevista Data Science & ML

Fundamentos de Python

Programação Orientada a Objetos em Python

Fundamentos do Git

Fundamentos de SQL

Fundamentos de NumPy

Fundamentos de Pandas

Jupyter & Google Colab

SQL Joins e consultas avançadas

Pandas avançado

Visualização com Matplotlib & Seaborn

Visualizações interativas com Plotly

Estatística descritiva

Estatística inferencial

Web Scraping

BigQuery & Cloud Data

Feature Engineering

ML Supervisionado: Regressão

ML Supervisionado: Classificação

Árvores de Decisão e Ensembles

ML Não Supervisionado

Pipelines ML e Validação

Séries Temporais e Previsão

Fundamentos de Deep Learning

TensorFlow & Keras

CNN e classificação de imagens

RNN e Sequências

Transformers e Attention

NLP e Hugging Face

GenAI e LangChain

MLOps e Implantação

Domine Data Science & ML para sua proxima entrevista