Teknik mülakatlarda adayların en sık takıldığı nokta Python sözdizimi değil; doğrusal olmayan veya durum izleme gerektiren problemlerde doğru veri yapısını seçmektir. Dizi (list) ve sözlük (dict) soruları ilk telefon elemesini geçmenizi sağlar; ancak orta ve ileri seviye (Mid/Senior) mülakat turlarının kilidini üç temel veri yapısı açar:
- Yığınlar (Stacks, Monotonik Yığın & Heap): İç içe geçmiş yapıları eşleştirmek, "bir sonraki daha büyük/küçük elemanı" O(n) sürede bulmak ve öncelik kuyruğu yönetmek.
- Ağaçlar (Binary Trees & BST): Hiyerarşik veriyi modellemek, özyinelemeli (recursive) alt problemlere bölmek ve O(log n) arama/sıralama yapmak.
- Graflar (Graphs): Şehir haritalarından ders ön koşullarına, sosyal ağlardan mikroservis bağımlılıklarına kadar her türlü bağlantılı ağı BFS, DFS ve en kısa yol algoritmalarıyla çözmek.
Bu kapsamlı rehberde; Yığın, Ağaç ve Graf veri yapılarını Python'daki en temiz üretim kalıplarıyla inceliyor ve her başlığın sonunda teoriyi hemen tarayıcıda kodlayabileceğiniz canlı PyMülakat soru sayfalarına yönlendiriyoruz.
Hızlı Karar Tablosu: Soruda Hangi İpucu Hangi Veri Yapısını İşaret Eder?
| Sorudaki Anahtar İpucu | Seçilecek Veri Yapısı / Kalıp | Zaman Karmaşıklığı | Örnek Soru |
|---|---|---|---|
| Açılıp kapanan parantez, iç içe etiket, geri alma (undo) | Yığın (Stack - LIFO) | O(n) | K14: Geçerli Parantez |
| "Sağdaki ilk daha büyük/küçük eleman", histogram, yağmur suyu | Monotonik Yığın | O(n) | O27: Günlük Sıcaklıklar |
| "En büyük/küçük K eleman", K sıralı listeyi birleştirme | Öncelik Yığını (heapq) |
O(n log k) | Z26: K Sıralı Liste |
| Hiyerarşi, derinlik, kökten yaprağa yol, alt ağaç | İkili Ağaç (DFS) | O(n) | K19: Maksimum Derinlik |
| Sıralı ağaçta arama, aralık sorgusu, K'ıncı en küçük | İkili Arama Ağacı (BST) | O(h) | O34: BST K'ıncı Eleman |
| Katman katman dolaşma, sağdan/soldan görünüm | Ağaçta BFS (deque) |
O(n) | O36: Sağdan Görünüm |
| Ağırlıksız en kısa yol, minimum adım sayısı, yayılım | Grafta BFS | O(V + E) | O42: Çürük Portakallar |
| Ada sayısı, bağlı bileşen, bölge boyama | Grafta DFS / BFS | O(V + E) | O43: Ada Sayısı |
| Ön koşul, görev sırası, döngüsel bağımlılık tespiti | Topolojik Sıralama | O(V + E) | O07: Görev Sırası |
| Pozitif ağırlıklı kenarlarda en kısa maliyetli yol | Dijkstra (heapq) |
O((V + E) log V) | Z35: Ağ Gecikme Süresi |
1. Yığınlar (Stacks), Monotonik Yığın ve Heap
1.1 Klasik Yığın (LIFO — Son Giren İlk Çıkar)
Yığın (Stack), üst üste dizilmiş tabaklar gibidir: Yalnızca en üste eleman ekleyebilir (push) ve yalnızca en üstteki elemanı çıkarabilirsiniz (pop). Python'da yerleşik list tipi, sondan ekleme (append) ve sondan çıkarma (pop) işlemlerini amortize O(1) sürede yaptığı için doğrudan yığın olarak kullanılır.
Dikkat:
list.pop(0)(baştan çıkarma) tüm elemanları kaydırdığı için O(n) sürer. Hem baştan hem sondan O(1) işlem gerektiğindecollections.dequekullanın.
def gecerli_parantez(s: str) -> bool:
eslesme = {")": "(", "]": "[", "}": "{"}
yigin: list[str] = []
for ch in s:
if ch in eslesme:
# Kapanış parantezi: yığın boşsa veya tepedeki eşleşmiyorsa geçersiz
if not yigin or yigin.pop() != eslesme[ch]:
return False
else:
yigin.append(ch)
return len(yigin) == 0
print(gecerli_parantez("({[]})")) # True
print(gecerli_parantez("([)]")) # False
1.2 Monotonik Yığın: O(n²) Aramayı O(n)'e İndiren Sihir
Bir dizideki her eleman için "sağındaki ilk daha büyük elemanı" bulmak istediğinizde kaba kuvvet çözüm iç içe iki döngüyle O(n²) sürer. Monotonik azalan yığın ise henüz cevabını bulamadığımız indeksleri yığında tutar; daha büyük bir sayı geldiğinde yığının tepesindeki küçük elemanların cevabını tek seferde çözer. Her indeks yığına en fazla bir kez girip bir kez çıktığı için toplam karmaşıklık O(n) olur.
def gunluk_sicakliklar(sicakliklar: list[int]) -> list[int]:
"""Her gün için daha sıcak bir günün kaç gün sonra geleceğini döndürür."""
n = len(sicakliklar)
cevap = [0] * n
yigin: list[int] = [] # cevabını bekleyen günlerin indeksleri (azalan sıra)
for bugun, derece in enumerate(sicakliklar):
while yigin and sicakliklar[yigin[-1]] < derece:
gecmis_gun = yigin.pop()
cevap[gecmis_gun] = bugun - gecmis_gun
yigin.append(bugun)
return cevap
print(gunluk_sicakliklar([73, 74, 75, 71, 69, 72, 76, 73]))
# [1, 1, 4, 2, 1, 1, 0, 0]
1.3 İkili Yığın (Binary Heap / Priority Queue — heapq)
Türkçede hem Stack hem Heap kelimesi zaman zaman "yığın" olarak çevrilse de ikisi farklı yapılardır:
- Stack: Son giren ilk çıkar (LIFO).
- Heap (Öncelik Kuyruğu): Her zaman en küçük (Min-Heap) veya en büyük (Max-Heap) eleman ilk çıkar. Python'daki
heapqmodülü dizi tabanlı bir Min-Heap uygular;heappushveheappopişlemleri O(log n), en küçük elemana bakmak (heap[0]) ise O(1) sürer.
🎯 Yığın (Stack & Heap) İçin Çözmeniz Gereken Sorular
- Başlangıç (Isınma):
- K14: Geçerli Parantez Eşleşmesi — Klasik LIFO parantez doğrulama
- O33: Kuyruk ile Yığın Simülasyonu — İki veri yapısının davranışını birbirine dönüştürme
- Orta Seviye (Mülakat Standartları):
- O28: Min Yığın Tasarımı —
push,popveget_minişlemlerini O(1) sürede çalıştıran yığın - O29: Ters Polonya Notasyonu Hesaplama — Yığın tabanlı matematiksel ifade değerlendirici
- O30: Asteroid Çarpışması — Yön ve büyüklük kurallarıyla yığın simülasyonu
- O27: Günlük Sıcaklıklar - Next Greater — Monotonik yığın kalıbının en temel sorusu
- Z25: Parantez Skoru Değerlendirme — İç içe derinlik skoru hesaplama
- O28: Min Yığın Tasarımı —
- İleri Seviye (Senior / Onsite Barajı):
- Z23: Yağmur Suyu Tutma — Monotonik yığın ve iki gösterici ile alan hesabı
- Z24: Histogramda En Büyük Dikdörtgen — Sağ ve sol sınırları monotonik yığınla O(n)'de bulma
- Z26: K Sıralı Bağlantılı Listeyi Birleştirme —
heapq(Min-Heap) ile O(N log k) birleştirme
👉 Tüm modülü incelemek için: Modül 3: Yığın, Kuyruk ve Bağlantılı Listeler
2. Ağaçlar (Binary Trees & İkili Arama Ağaçları - BST)
Ağaçlar; dosya sistemlerinden HTML DOM yapısına, veritabanı indekslerinden karar ağaçlarına kadar her türlü hiyerarşik verinin temelidir. Teknik mülakatlarda ağaç sorularının %90'ı İkili Ağaç (Binary Tree) ve İkili Arama Ağacı (Binary Search Tree — BST) üzerine kuruludur.
2.1 İkili Ağaç Düğümü ve 4 Temel Dolaşma (Traversal)
Her ağaç sorusu şu soruyu yanıtlayarak başlar: "Bilgiyi çocuklardan yukarı mı topluyorum (Postorder), yukarıdan aşağı mı aktarıyorum (Preorder), sıralı mı geziyorum (Inorder), yoksa katman katman mı ilerliyorum (BFS)?"
from collections import deque
class TreeNode:
def __init__(self, val: int = 0, left=None, right=None):
self.val = val
self.left = left
self.right = right
def max_derinlik_dfs(root: TreeNode | None) -> int:
"""Postorder DFS: Alt ağaçların derinliğini bulup 1 ekler — O(n) zaman, O(h) bellek."""
if not root:
return 0
return 1 + max(max_derinlik_dfs(root.left), max_derinlik_dfs(root.right))
def sagdan_gorunum_bfs(root: TreeNode | None) -> list[int]:
"""Level-Order BFS: Her katmanın son düğümünü toplar."""
if not root:
return []
gorunum: list[int] = []
kuyruk = deque([root])
while kuyruk:
katman_boyutu = len(kuyruk)
for i in range(katman_boyutu):
dugum = kuyruk.popleft()
if i == katman_boyutu - 1:
gorunum.append(dugum.val)
if dugum.left:
kuyruk.append(dugum.left)
if dugum.right:
kuyruk.append(dugum.right)
return gorunum
2.2 İkili Arama Ağacı (BST) Değişmezi ve Klasik Mülakat Tuzağı
Bir İkili Arama Ağacında (BST) her düğüm için şu kural geçerlidir:
- Sol alt ağaçtaki TÜM düğümler kök değerinden küçük,
- Sağ alt ağaçtaki TÜM düğümler kök değerinden büyüktür.
Mülakat Tuzağı: Yalnızca
node.left.val < node.val < node.right.valkontrolü yapmak yanlıştır! Çünkü sağ alt ağacın sol çocuğunda kökten daha küçük bir değer gizlenmiş olabilir. Doğru çözüm, aşağı inerken(alt_sinir, ust_sinir)aralığını taşımaktır:
def gecerli_bst_mi(root: TreeNode | None,
alt: float = float("-inf"),
ust: float = float("inf")) -> bool:
if not root:
return True
if not (alt < root.val < ust):
return False
return (gecerli_bst_mi(root.left, alt, root.val) and
gecerli_bst_mi(root.right, root.val, ust))
Ayrıca bir BST'yi Inorder (Sol → Kök → Sağ) sırasıyla dolaştığınızda değerler küçükten büyüğe sıralı gelir.
🎯 Ağaçlar (Trees & BST) İçin Çözmeniz Gereken Sorular
- Başlangıç (Özyineleme Refleksi):
- K19: İkili Ağaç Maksimum Derinliği — Temel DFS postorder kalıbı
- K20: Simetrik Ağaç Kontrolü — İki alt ağacı ayna simetrisiyle eşzamanlı karşılaştırma
- K21: İkili Arama Ağacında Arama — BST özelliğiyle O(log n) yön seçimi
- K22: İki Ağacın Birleştirilmesi — Eşzamanlı ağaç traversi
- K23: Kökten Yaprağa Yol Toplamı Kontrolü — Yukarıdan aşağı hedef toplam taşıma
- Orta Seviye (BST & Katman Dolaşma):
- O08: Katman Toplamları —
dequeile seviye bazlı BFS toplamı - O34: BST'de K'ıncı En Küçük Eleman — Inorder dolaşma ile sıralı seçim
- O35: İkili Arama Ağacı Doğrulama — Aralık kısıtlamalı (
min_val,max_val) doğrulama - O36: Ağacın Sağdan Görünümü — Katman sonu görünürlük analizi
- O37: En Düşük Ortak Ata - LCA — İki düğümün kesiştiği en derin ortak kök
- O38: BST'den Düğüm Silme — Inorder ardıl (successor) ile ağaç yapısını koruyarak silme
- O39: ZigZag Düzey Dolaşma — Çift yönlü katman taraması
- O41: BST Iterator Simülasyonu — Açık yığın (stack) kullanarak O(h) bellekle tembel (lazy) inorder gezinti
- O08: Katman Toplamları —
- İleri Seviye (Senior / Staff Ağaç Problemleri):
- Z29: İkili Ağaç Maksimum Yol Toplamı — Her düğümde "çatal oluşturma" ile "yukarı tek kol gönderme" ayrımı
- Z30: Ağaçta Hırsız III — Ağaç üzerinde dinamik programlama (Tree DP):
(secildi, secilmedi)çifti döndürme - Z31: İkili Ağacı Serileştirme ve Ters Serileştirme — Ağacı metne dönüştürüp kayıpsız geri kurma
👉 Tüm modülü incelemek için: Modül 4: Ağaçlar (Trees & BST)
3. Graflar (Graphs): BFS, DFS, Topolojik Sıralama ve Dijkstra
Ağaçlar aslında döngü içermeyen bağlı graflardır. Düğümler arasında birden fazla yol veya döngü (cycle) olabildiğinde problem bir graf problemine dönüşür. Bu yüzden graf algoritmalarının altın kuralı şudur: Sonsuz döngüye girmemek için ziyaret edilen düğümleri (visited) mutlaka işaretle.
3.1 Graf Temsili ve Ağırlıksız En Kısa Yol (BFS)
Kenar ağırlıkları eşit (veya ağırlıksız) bir grafta A noktasından B noktasına en az adımla ulaşmanın yolu her zaman Genişlik Öncelikli Arama (BFS) algoritmasıdır:
from collections import defaultdict, deque
def en_kisa_adim_bfs(n: int, kenarlar: list[tuple[int, int]], baslangic: int, hedef: int) -> int:
graf: dict[int, list[int]] = defaultdict(list)
for u, v in kenarlar:
graf[u].append(v)
graf[v].append(u)
ziyaret = {baslangic}
kuyruk = deque([(baslangic, 0)]) # (dugum, adim_sayisi)
while kuyruk:
dugum, adim = kuyruk.popleft()
if dugum == hedef:
return adim
for komsu in graf[dugum]:
if komsu not in ziyaret:
ziyaret.add(komsu)
kuyruk.append((komsu, adim + 1))
return -1
3.2 Topolojik Sıralama (Kahn Algoritması) ve Döngü Tespiti
"B dersini almak için önce A dersini bitirmelisin" veya "B paketi derlenmeden önce A paketi derlenmeli" şeklindeki tüm ön koşul soruları Yönlü Çevrimsiz Graf (DAG) üzerinde Topolojik Sıralama problemidir. Giriş derecesi (in_degree) 0 olan düğümlerden başlayarak bağımlılıkları adım adım çözeriz:
from collections import defaultdict, deque
def gorev_sirasi_bul(gorev_sayisi: int, on_kosullar: list[tuple[int, int]]) -> list[int]:
"""on_kosullar: (hedef, on_kosul) çiftleri. Döngü varsa boş liste döndürür."""
graf: dict[int, list[int]] = defaultdict(list)
giris_derecesi = [0] * gorev_sayisi
for ders, on_kosul in on_kosullar:
graf[on_kosul].append(ders)
giris_derecesi[ders] += 1
kuyruk = deque(i for i, d in enumerate(giris_derecesi) if d == 0)
sira: list[int] = []
while kuyruk:
mevcut = kuyruk.popleft()
sira.append(mevcut)
for sonraki in graf[mevcut]:
giris_derecesi[sonraki] -= 1
if giris_derecesi[sonraki] == 0:
kuyruk.append(sonraki)
return sira if len(sira) == gorev_sayisi else [] # eşit değilse döngü (deadlock) vardır
3.3 Ağırlıklı En Kısa Yol: Dijkstra Algoritması (heapq)
Kenarların farklı maliyetleri (mesafe, gecikme süresi, ücret) olduğunda normal kuyruk (deque) yerine Min-Heap (heapq) kullanırız. Her adımda şu ana kadar bilinen en düşük maliyetli düğümü genişletiriz:
from collections import defaultdict
import heapq
def dijkstra_en_kisa_sure(n: int, kenarlar: list[tuple[int, int, int]], kaynak: int) -> dict[int, int]:
graf: dict[int, list[tuple[int, int]]] = defaultdict(list)
for u, v, maliyet in kenarlar:
graf[u].append((v, maliyet))
mesafe: dict[int, int] = {}
heap: list[tuple[int, int]] = [(0, kaynak)] # (toplam_maliyet, dugum)
while heap:
maliyet, u = heapq.heappop(heap)
if u in mesafe:
continue # daha kısa yoldan zaten işlendi
mesafe[u] = maliyet
for v, agirlik in graf[u]:
if v not in mesafe:
heapq.heappush(heap, (maliyet + agirlik, v))
return mesafe
🎯 Graflar (Graphs) İçin Çözmeniz Gereken Sorular
- Başlangıç (Graf Temsili ve Temel Gezinti):
- K24: Grafikte Yol Var mı? — Komşuluk listesi kurma ve BFS/DFS ile erişilebilirlik
- K25: Komşuluk Listesi Dereceleri — Düğüm giriş/çıkış derecesi analizi
- K26: Bağlı Bileşen Sayısı — Ayrık alt ağları sayma
- K27: Matris Ada Çevresi — 2B ızgara (grid) üzerinde komşu kontrolü
- K28: İkili Matriste Boyama (Flood Fill) — 4 yönlü matris yayılımı
- Orta Seviye (Multi-Source BFS, Topolojik Sıralama & Döngü):
- O43: Ada Sayısı — Mülakatların en klasik 2B matris DFS/BFS sorusu
- O42: Çürük Portakallar - Multi-Source BFS — Çoklu başlangıç noktasından eşzamanlı dalga yayılımı
- O07: Görev Sırası — Kahn algoritmasıyla topolojik sıralama
- O45: Ders Programı - Döngü Tespiti — Yönlü grafta döngüsel bağımlılık (deadlock) yakalama
- O46: İki Kümeli Grafik Kontrolü - Bipartite — 2-renkleme ile graf ikiye bölünebilirlik testi
- O47: Pasifik Atlantik Su Akışı — Hedef kıyılardan içeriye doğru ters (reverse) DFS/BFS
- O48: En Kısa İkili Matris Yolu — 8 yönlü ızgarada BFS ile en kısa mesafe
- İleri Seviye (En Kısa Yol, Union-Find & Köprü Tespiti):
- Z03: Kullanıcı Kümeleri (Union-Find) — Ayrık kümeler (Disjoint Set) ve yol sıkıştırma
- Z34: Kelime Merdiveni En Kısa Yol — Kelime dönüşüm grafında BFS
- Z35: Dijkstra ile Ağ Gecikme Süresi — Ağırlıklı grafta sinyal yayılım süresi
- Z36: K Duraklı En Ucuz Uçuş Rotası — Kısıtlı adım sayısıyla Bellman-Ford / модиfiye Dijkstra
- Z37: Ağda Kritik Bağlantılar - Köprü Tespiti — Tarjan algoritmasıyla tek hata noktalarını (bridge) bulma
👉 Tüm modülü incelemek için: Modül 5: Graflar (Graphs)
Önerilen 3 Haftalık Çalışma Planı
Bu üç veri yapısını kalıcı mühendislik refleksine dönüştürmek için rastgele soru çözmek yerine şu sırayı izleyin:
- 1. Hafta — Yığın ve Monotonik Yığın: K14 → O28 → O29 → O27 → Z24 → Z26
- 2. Hafta — İkili Ağaçlar ve BST: K19 → K20 → O35 → O34 → O36 → O37 → Z29
- 3. Hafta — Graflar ve En Kısa Yol: K24 → O43 → O42 → O45 → O07 → Z35 → Z37
Yukarıdaki her bağlantıya tıklayarak doğrudan PyMülakat'ın tarayıcı içi Python editöründe kodunuzu çalıştırabilir, gizli sınır testleriyle doğrulayabilir ve NeatyAI mülakatçısıyla karmaşıklık analizinizi tartışabilirsiniz.
1. Yığın (Stack), Monotonik Yığın ve Heap Soruları
2. İkili Ağaçlar (Binary Tree) ve BST Soruları
3. Graflar (BFS, DFS, Topolojik Sıralama ve Dijkstra) Soruları
Tarayıcıda Canlı Kodlamaya Hemen Başla
Kurulum gerektirmeden Yığın (K14), Ağaç (K19) veya Graf (K24) sorularını tarayıcı içi Python editöründe çöz ve gizli sınır testleriyle doğrula.
Diğer Python Rehberleri ve Makaleler
Python for Döngüsü: Liste, range ve Harf Notu
Python for döngüsü bir listenin her elemanını sırayla dolaşır. range, indeks ve not listesini harfe çeviren örnek. Sonunda Not Harfleri sorusu.
Python if, elif, else: Koşul Sırası ve Harf Notu
Python if, elif ve else ilk doğru dalı çalıştırır. Harf notunda 90'dan önce 80 yazılırsa 95 BA olur. Not Harfleri sorusu bu sırayı test eder.
Python while Döngüsü: Sayaç, Koşul ve Not Listesi
Python while döngüsü koşul doğru kaldıkça tekrar eder. Sayaç, sonsuz döngü ve not listesini indeksle gezmek. Aynı ölçek Not Harfleri sorusunda.
AI Mühendisi Olmak İsteyen Bir Pythoncunun Bilmesi Gereken 10 Temel Algoritma (2026)
Kosinüs benzerliğinden BPE tokenizasyonuna, BM25'ten beam search'e: AI mühendisliği mülakatlarında sorulan ve LLM/RAG sistemlerinin arkasında çalışan 10 temel algoritmayı saf Python kodlarıyla öğrenin.
Orta Seviye Python Kursları ve Kitap Önerileri: Udemy, Coursera ve Yol Haritası (2026)
Orta seviye (intermediate) Python geliştiriciler için 10 dakikalık kapsamlı kaynak rehberi. En iyi Udemy ve Coursera Python kursları, başucu kitap önerileri ve 8 haftalık çalışma planı.
Orta Seviye Python Proje Fikirleri: Portfolyo ve Mülakat İçin 8 Gerçek Mühendislik Projesi (2026)
Basit hesap makinesi ve yapılacaklar listesi (To-Do) projelerini geride bırakın. Orta seviye (intermediate) Python geliştiriciler için mimari kod örnekleri, asenkron veri hatları ve özel veri yapıları içeren 8 gerçek proje fikri.
Python Mülakat Soruları ve Cevapları Türkçe (2026)
Python mülakatlarında en sık sorulan teknik sorular, tuzak sorular ve çalışan kod örnekleri. Junior'dan senior'a mülakata girmeden önce rehberi oku.