mariocesar

from celery import Celery
from celery.signals import worker_shutdown, task_postrun
from django.db import connections

app = Celery()


...

mariocesar

atom dimension {
    width: int?
    height: int?
    depth: int?
}

atom money {
    amount: int
    currency: string
}

mariocesar

from django.db import models
from django.contrib.postgres.indexes import GinIndex
from django.db.models.functions import Lower


class SearchableCharField(models.CharField):
    def contribute_to_class(self, cls, name, **kwargs):
        super().contribute_to_class(cls, name, **kwargs)

        # Add a GIN index with trigram operations for fast search

mariocesar

"""
TODO: Use an strict environment like SandboxedEnvironment
TODO: Create an "allowed list" of filters and functions to use in the expression
TODO: Make or check the context object is inmutable (Prevent thread-safe situations)

"""

import json
from datetime import datetime
from jinja2 import Environment, meta, sandbox

mariocesar

bash

Get a sha256sum hash for all the given files, similar to GitHub Action hashFiles function.

hashFiles() {
    local files=("$@")
    if [[ ${#files[@]} -eq 0 ]]; then
        echo "Error: No files provided" >&2
        return 1

mariocesar

This small snippet can be implemented in your Django project to handle locks. It is particularly useful for replacing Redis locks, reducing dependency overhead. To use this snippet, simply copy and adapted to your Django project.

The hash_string function is used to convert a string value into a numerical hash value, as PostgreSQL advisory lock mechanism requires an integer.

Tested on Python3.11 and Django4

Learn more about advisory locks in:

• https://www.postgresql.org/docs/current/explicit-locking.html#ADVISORY-LOCKS

mariocesar

exclude        = ["docs/*", "*/migrations/*", ".git/*"]
line-length    = 100
indent-width   = 4
target-version = "py311"

[lint]
    select = [
        "E",   # pycodestyle errors
        "W",   # pycodestyle warnings
        "N",   # pep8-naming

mariocesar

import argparse
import shlex
from typing import List, Optional, TypedDict


class Command(TypedDict):
    prefix: str
    name: str
    args: List[str]

mariocesar

Instrucciones para el candidato

Adjunto encontrarás un script de Python llamado script.py y un archivo CSV llamado data.csv.

1. El archivo data.csv contiene datos de productos con las siguientes columnas: product_id, name, category_name, price, quantity.
2. El script script.py carga los datos del archivo CSV, calcula la media, el promedio y la moda de los precios de los productos agrupados por categoría, y muestra los resultados en la consola.
3. Tu tarea es revisar el código del script script.py y proponer cambios, mejoras o identificar cualquier problema, similar a lo que harías en una revisión a un Merge Request.
4. Prepara tus comentarios, sugerencias y mejoras propuestas para discutirlas durante la siguiente entrevista.

El objetivo de este ejercicio es evaluar tus habilidades para identificar problemas, proponer mejoras y más que todo comunicar tus ideas de manera efectiva.

mariocesar

-3502362900466137214