Python-Interviewfragen: zehn Fragen zu Daten, Fehlern und Wartbarkeit

Richten Sie das Gespräch nach dem Python-Einsatz aus

Python kann in Datenaufbereitung, Webdiensten, Automatisierung oder internen Werkzeugen vorkommen. Klären Sie vorab, welche Arbeit die Rolle übernimmt und welches Erfahrungsniveau nötig ist. Fragen Sie nach einer früheren Lösung, die zu Ihrer Aufgabe passt. Allgemeine Quizfragen liefern wenig, wenn sie keinen Bezug zur realen Arbeit haben.

Die Fragen unten orientieren sich an Themen der offiziellen Python-Anleitung wie Datenstrukturen, Ausnahmen und virtuellen Umgebungen. Die Dokumentation erklärt die Sprache; sie ist kein vollständiger Maßstab für die Qualität einer Person. Python-Tutorial

Zehn Fragen und worauf Sie bei den Antworten achten können

Drei Python-Antworten mit Eingabe und Ausgabe

1. Veränderliche Standardwerte vermeiden

Frage: Was passiert, wenn eine Funktion eine Liste als Standardwert erhält? Listenobjekte bleiben über Funktionsaufrufe erhalten. Eine Antwort mit None erstellt pro Aufruf eine neue Liste:

def add_tag(tag, tags=None):
    if tags is None:
        tags = []
    tags.append(tag)
    return tags

print(add_tag("neu"))
print(add_tag("wichtig"))

Ausgabe: ["neu"] und danach ["wichtig"]. Bei tags=[] als Standardwert würde der zweite Aufruf ["neu", "wichtig"] ergeben.

2. Gruppierte Summen nachvollziehbar berechnen

Eingabe: drei Bestellungen, zwei bezahlt über 20 und 5, eine offen über 12. Die Schleife gruppiert nach Status:

orders = [
    {"status": "offen", "amount": 12},
    {"status": "bezahlt", "amount": 20},
    {"status": "bezahlt", "amount": 5},
]

totals = {}
for order in orders:
    status = order["status"]
    totals[status] = totals.get(status, 0) + order["amount"]
print(totals)

Ausgabe: {'offen': 12, 'bezahlt': 25}. Fragen Sie, was bei fehlendem Status oder Text statt einer Zahl passieren soll, bevor die Person die Regel stillschweigend erfindet.

3. Erwartete Fehler gezielt melden

Eingabe: ein Textwert, der eine ganze Zahl darstellen soll. Die Funktion behandelt nur die erwartbaren Umwandlungsfehler und lehnt negative Mengen fachlich ab:

def parse_quantity(value):
    try:
        quantity = int(value)
    except (TypeError, ValueError) as exc:
        raise ValueError("Menge muss eine ganze Zahl sein") from exc
    if quantity < 0:
        raise ValueError("Menge darf nicht negativ sein")
    return quantity

print(parse_quantity("3"))
# parse_quantity("drei") -> gezielter ValueError

Ausgabe: 3. Der Wert "drei" löst einen verständlichen ValueError aus, der den ursprünglichen Fehler als Ursache erhält. Ein allgemeines except würde auch unerwartete Programmfehler verschlucken.

Eine kurze Python-Aufgabe kann KI-Nutzung erlauben

Aufgabe: „Lesen Sie eine vorbereitete Liste fiktiver Bestellungen ein, prüfen Sie erforderliche Felder und ermitteln Sie die Gesamtsumme pro Status. Erklären Sie, wie Sie fehlerhafte Zeilen behandeln, und ergänzen Sie Tests für leere sowie ungültige Eingaben.“ Halten Sie Datensatz, Zeitrahmen und Erwartung für alle Personen gleich.

Erlauben Sie Dokumentation und ein KI-Werkzeug, wenn diese Mittel auch im späteren Teamalltag zulässig sind. Bitten Sie darum, die Nutzung offenzulegen, Code und Vorschläge zu prüfen und eine Entscheidung zu erläutern. Geben Sie keine echten Kunden- oder Unternehmensdaten in externe Werkzeuge.

Bewerten Sie als „gezeigt“, „teilweise gezeigt“ oder „noch nicht gezeigt“: Validierung, Fehlerbehandlung, nachvollziehbare Berechnung, Tests und Erklärung. Notieren Sie zu jeder Einstufung die konkrete Beobachtung. Das Raster ist redaktionelle Gesprächshilfe und sagt keine spätere Leistung voraus.

Fiktives Beispiel: Ungültige Eingaben werden sichtbar behandelt

Fiktives Beispiel, kein realer Kundenfall: Ein Datensatz enthält eine Bestellung ohne Status. Ein Bewerber summiert sie nicht stillschweigend in einer Standardgruppe. Er meldet die ungültige Zeile mit Grund, hält die gültigen Ergebnisse getrennt und fragt, ob der Fachbereich solche Fälle korrigieren oder zurückweisen möchte.

Für die Probe: Validierung belegt, weil der Fehler erkennbar bleibt; Berechnung belegt, weil gültige Datensätze nachvollziehbar gruppiert werden; Produktaussage noch offen, weil die Regel für fehlende Statuswerte vom Fachbereich bestätigt werden muss. Das ist eine gute fachliche Grenze. Die korrekte technische Behandlung hängt weiterhin von der vereinbarten Datenregel ab.

Python beschreibt Ausnahmen als Fehler, die während der Ausführung auftreten, und zeigt, wie sie gezielt behandelt werden können. Python: Fehler und Ausnahmen

Ein Interview zeigt Ausschnitte, keine langfristige Leistung

Eine Frage oder Arbeitsprobe bildet Ihre Produktionsumgebung nicht ab. Prüfen Sie frühere Arbeit, Erklärungen und die Art, wie die Person mit Rückfragen umgeht. Eine Zertifizierung oder eine fehlerfreie Kurzaufgabe allein beweist nicht, wie jemand mit Ihren Daten, Abhängigkeiten oder Teamkonventionen arbeitet.

Ihr Team bleibt für Anforderungen, erlaubte Datenverarbeitung, Zugänge und fachliche Abnahme zuständig. Vereinbaren Sie, wer über Grenzfälle entscheidet und wie Fehler in bestehende Abläufe gelangen.

Division5 gleicht die Rolle mit vorab geprüften Profilen ab. Sie können die geprüften Profile und aufgezeichneten Interviews schon vor dem Kennenlernen ansehen. Für alle Fachkräfte gilt eine 30-tägige Testphase; Umfang und Bedingungen halten Sie vor Beginn schriftlich fest. Die Verfügbarkeit wird für Ihre Anfrage geprüft. So läuft der Auswahlprozess ab.

Fachkräfte für Ihr Team ansehen.