📘 تفاوت ماژول، پکیج و کتابخانه در پایتون چیست؟
اگر تازه وارد دنیای برنامهنویسی شده باشیم، احتمالاً این سه واژه زیاد به گوشمان خورده است:
Module, Package, Library
اما واقعاً چه تفاوتی با هم دارند؟ 🤔
بیایید خیلی ساده توضیح بدهیم 👇
1) Module (ماژول)
یک فایل پایتون است با پسوند .py
داخلش میتواند تابع، کلاس، یا متغیر باشد.
مثال:
2) Package (پکیج)
یک پوشه از چند ماژول که داخلش یک فایل init.py هم وجود دارد.
پکیج کمک میکند کدها را دستهبندی کنیم.
مثال:
3) Library (کتابخانه)
یک مجموعه بزرگتر که شامل چند پکیج و ماژول است و یک هدف مشخص را دنبال میکند.
مثالها:
● NumPy
● Pandas
● Requests
یعنی:
📌 کتابخانه = چند پکیج
📌 پکیج = چند ماژول
📌 ماژول = یک فایل پایتون
🎯 یک تشبیه ساده و ملموستر 👇🏽
● ماژول = یک کتاب
● پکیج = یک قفسهی کتاب
● کتابخانه = کل ساختمان کتابخانه
یاد بگیریم، تمرین کنیم، حرفهای شویم. ✅️
#️⃣ #پایتون #آموزش_پایتون #کتابخانه_پایتون #پکیج #ماژول #پای_ویژن
#Python #LearnPython #Library #Package #Module #PyVision
🌐 @PyVision
اگر تازه وارد دنیای برنامهنویسی شده باشیم، احتمالاً این سه واژه زیاد به گوشمان خورده است:
Module, Package, Library
اما واقعاً چه تفاوتی با هم دارند؟ 🤔
بیایید خیلی ساده توضیح بدهیم 👇
1) Module (ماژول)
یک فایل پایتون است با پسوند .py
داخلش میتواند تابع، کلاس، یا متغیر باشد.
مثال:
math.py
random.py
2) Package (پکیج)
یک پوشه از چند ماژول که داخلش یک فایل init.py هم وجود دارد.
پکیج کمک میکند کدها را دستهبندی کنیم.
مثال:
mypackage/
__init__.py
module1.py
module2.py
3) Library (کتابخانه)
یک مجموعه بزرگتر که شامل چند پکیج و ماژول است و یک هدف مشخص را دنبال میکند.
مثالها:
● NumPy
● Pandas
● Requests
یعنی:
📌 کتابخانه = چند پکیج
📌 پکیج = چند ماژول
📌 ماژول = یک فایل پایتون
🎯 یک تشبیه ساده و ملموستر 👇🏽
● ماژول = یک کتاب
● پکیج = یک قفسهی کتاب
● کتابخانه = کل ساختمان کتابخانه
یاد بگیریم، تمرین کنیم، حرفهای شویم. ✅️
#️⃣ #پایتون #آموزش_پایتون #کتابخانه_پایتون #پکیج #ماژول #پای_ویژن
#Python #LearnPython #Library #Package #Module #PyVision
🌐 @PyVision
🔥3
PyVision | پایویژن
پاسخ صحیح؟!🔥 👇🏽 Correct answer?! x = 0 y = 1 if x or y and not x: print("A") elif not y or x and y: print("B") else: print("C") #️⃣ #پایتون #کدنویسی #چالش_پایتون #برنامهنویسی #آموزش_پایتون #منطق_پایتون #پای_ویژن #Python #PythonChallenge #Coding…
🟩 پاسخ:
ترتیب اولویت عملگرهای منطقی در پایتون به شکل زیر است:
not ➝ and ➝ or
پس شرط اول یعنی:
به این شکل ارزیابی میشود:
چون not x یعنی not 0 و برابر True است.
و 1 and True نتیجهاش 1 است (که در پایتون True محسوب میشود):
پس شرط اول برقرار است و خروجی برنامه:
🟩 Answer:
Operator precedence in Python is:
not ➝ and ➝ or
So the first condition:
is evaluated as:
Because not 0 is True.
And 1 and True results in 1, which is considered True.
So:
Therefore, the first if condition is True, and the output is:
🏁 نتیجه / Result:
A
#️⃣ #پایتون #برنامهنویسی #چالش_کدنویسی #منطق_پایتون #پای_ویژن
#Python #CodingChallenge #PythonLogic #LearnPython #PyVision
🌐 @PyVision
ترتیب اولویت عملگرهای منطقی در پایتون به شکل زیر است:
not ➝ and ➝ or
پس شرط اول یعنی:
x or y and not x
به این شکل ارزیابی میشود:
0 or (1 and True)
چون not x یعنی not 0 و برابر True است.
و 1 and True نتیجهاش 1 است (که در پایتون True محسوب میشود):
0 or 1 → 1 → True
پس شرط اول برقرار است و خروجی برنامه:
A
🟩 Answer:
Operator precedence in Python is:
not ➝ and ➝ or
So the first condition:
x or y and not x
is evaluated as:
0 or (1 and True)
Because not 0 is True.
And 1 and True results in 1, which is considered True.
So:
0 or 1 → 1 → True
Therefore, the first if condition is True, and the output is:
A
🏁 نتیجه / Result:
A
#️⃣ #پایتون #برنامهنویسی #چالش_کدنویسی #منطق_پایتون #پای_ویژن
#Python #CodingChallenge #PythonLogic #LearnPython #PyVision
🌐 @PyVision
🔥3
خروجی چیست؟ 🤔
What's output?
📌 نکته: مقدارهای i و j را مرحلهبهمرحله دنبال کنید؛
اما مراقب باشید! بعضی از دورهای حلقه اصلاً اجرا نمیشوند.
#️⃣ #پایتون #کدنویسی #چالش_پایتون #برنامهنویسی #آموزش_پایتون #منطق_پایتون #پای_ویژن
#Python #PythonChallenge #Coding #LearnPython #Programming #LogicOperators #PythonTips #PyVision
🌐 @PyVision
What's output?
result = 0
for i in range(3):
for j in range(i):
result += j
print(result)
📌 نکته: مقدارهای i و j را مرحلهبهمرحله دنبال کنید؛
اما مراقب باشید! بعضی از دورهای حلقه اصلاً اجرا نمیشوند.
#️⃣ #پایتون #کدنویسی #چالش_پایتون #برنامهنویسی #آموزش_پایتون #منطق_پایتون #پای_ویژن
#Python #PythonChallenge #Coding #LearnPython #Programming #LogicOperators #PythonTips #PyVision
🌐 @PyVision
👍2
PyVision | پایویژن
خروجی چیست؟ 🤔 What's output? result = 0 for i in range(3): for j in range(i): result += j print(result) 📌 نکته: مقدارهای i و j را مرحلهبهمرحله دنبال کنید؛ اما مراقب باشید! بعضی از دورهای حلقه اصلاً اجرا نمیشوند. #️⃣ #پایتون #کدنویسی #چالش_پایتون…
✅️ پاسخ چالش
کد:
🟩 تحلیل فارسی:
حلقهٔ بیرونی مقدارهای i را از 0 تا 2 تولید میکند:
● وقتی i = 0
حلقهٔ داخلی range(0) است → هیچ بار اجرا نمیشود.
● وقتی i = 1
حلقهٔ داخلی range(1) فقط مقدار j = 0 را میدهد:
● وقتی i = 2
حلقهٔ داخلی range(2) مقدارهای j = 0 و j = 1 را میدهد:
بنابراین نتیجهٔ نهایی:
🟩 English Analysis:
The outer loop iterates i from 0 to 2:
● When i = 0:
Inner loop is range(0) → runs 0 times.
● When i = 1:
Inner loop is range(1) → only j = 0:
● When i = 2:
Inner loop is range(2) → j = 0 and j = 1:
Final result:
✅ خروجی نهایی / Final Output:
#️⃣ #پایتون #برنامهنویسی #چالش_کدنویسی #منطق_پایتون #پای_ویژن
#Python #CodingChallenge #PythonLogic #LearnPython #PyVision
🌐 @PyVision
کد:
result = 0
for i in range(3):
for j in range(i):
result += j
print(result)
🟩 تحلیل فارسی:
حلقهٔ بیرونی مقدارهای i را از 0 تا 2 تولید میکند:
● وقتی i = 0
حلقهٔ داخلی range(0) است → هیچ بار اجرا نمیشود.
● وقتی i = 1
حلقهٔ داخلی range(1) فقط مقدار j = 0 را میدهد:
result += 0 → result = 0
● وقتی i = 2
حلقهٔ داخلی range(2) مقدارهای j = 0 و j = 1 را میدهد:
result += 0 → result = 0
result += 1 → result = 1
بنابراین نتیجهٔ نهایی:
1
🟩 English Analysis:
The outer loop iterates i from 0 to 2:
● When i = 0:
Inner loop is range(0) → runs 0 times.
● When i = 1:
Inner loop is range(1) → only j = 0:
result += 0
● When i = 2:
Inner loop is range(2) → j = 0 and j = 1:
result += 0
result += 1
Final result:
1
✅ خروجی نهایی / Final Output:
1
#️⃣ #پایتون #برنامهنویسی #چالش_کدنویسی #منطق_پایتون #پای_ویژن
#Python #CodingChallenge #PythonLogic #LearnPython #PyVision
🌐 @PyVision
🔥3
خروجی چیست؟🤔
What's output?
#️⃣ #پایتون #کدنویسی #چالش_پایتون #برنامهنویسی #آموزش_پایتون #منطق_پایتون #پای_ویژن
#Python #PythonChallenge #Coding #LearnPython #Programming #LogicOperators #PythonTips #PyVision
🌐 @PyVision
What's output?
x = 3
y = 0
while x > 0:
y += x % 2
x -= 1
print(y)
#️⃣ #پایتون #کدنویسی #چالش_پایتون #برنامهنویسی #آموزش_پایتون #منطق_پایتون #پای_ویژن
#Python #PythonChallenge #Coding #LearnPython #Programming #LogicOperators #PythonTips #PyVision
🌐 @PyVision
🔥3
PyVision | پایویژن
خروجی چیست؟🤔 What's output? x = 3 y = 0 while x > 0: y += x % 2 x -= 1 print(y) #️⃣ #پایتون #کدنویسی #چالش_پایتون #برنامهنویسی #آموزش_پایتون #منطق_پایتون #پای_ویژن #Python #PythonChallenge #Coding #LearnPython #Programming #LogicOperators #PythonTips…
✅️ پاسخ چالش
کد:
🟩 تحلیل فارسی
حلقه تا زمانی ادامه پیدا میکند که مقدار x بزرگتر از ۰ باشد. در هر دور:
● مقدار x % 2 (باقیمانده تقسیم بر ۲) به y اضافه میشود.
● سپس x یک واحد کم میشود.
مقادیر x در هر دور:
1. x = 3 →
3 % 2 = 1 → y = 1
2. x = 2 →
2 % 2 = 0 → y = 1
3. x = 1 →
1 % 2 = 1 → y = 2
در پایان، مقدار چاپشده:
🟩 English Analysis
The loop runs while x > 0.
Each iteration:
● Adds x % 2 (the remainder of x divided by 2) to y
● Then decreases x by 1
Values of x in each iteration:
1. x = 3 → 3 % 2 = 1 → y = 1
2. x = 2 → 2 % 2 = 0 → y = 1
3. x = 1 → 1 % 2 = 1 → y = 2
Final output:
✅ نتیجه / Final Output:
#️⃣ #پایتون #برنامهنویسی #چالش_کدنویسی #منطق_پایتون #پای_ویژن
#Python #CodingChallenge #PythonLogic #LearnPython #PyVision
🌐 @PyVision
کد:
x = 3
y = 0
while x > 0:
y += x % 2
x -= 1
print(y)
🟩 تحلیل فارسی
حلقه تا زمانی ادامه پیدا میکند که مقدار x بزرگتر از ۰ باشد. در هر دور:
● مقدار x % 2 (باقیمانده تقسیم بر ۲) به y اضافه میشود.
● سپس x یک واحد کم میشود.
مقادیر x در هر دور:
1. x = 3 →
3 % 2 = 1 → y = 1
2. x = 2 →
2 % 2 = 0 → y = 1
3. x = 1 →
1 % 2 = 1 → y = 2
در پایان، مقدار چاپشده:
2
🟩 English Analysis
The loop runs while x > 0.
Each iteration:
● Adds x % 2 (the remainder of x divided by 2) to y
● Then decreases x by 1
Values of x in each iteration:
1. x = 3 → 3 % 2 = 1 → y = 1
2. x = 2 → 2 % 2 = 0 → y = 1
3. x = 1 → 1 % 2 = 1 → y = 2
Final output:
2
✅ نتیجه / Final Output:
2
#️⃣ #پایتون #برنامهنویسی #چالش_کدنویسی #منطق_پایتون #پای_ویژن
#Python #CodingChallenge #PythonLogic #LearnPython #PyVision
🌐 @PyVision
🔥3
PyVision | پایویژن
📊کتابخانه Pandas، ابزار قدرتمند برای تحلیل داده در پایتون 🐍 اگر قصد داشته باشیم با دادهها، جدولها یا فایلهای CSV کار کنیم، قطعاً باید با Pandas آشنا شویم. این کتابخانه ستون فقرات بسیاری از پروژههای علم داده و یادگیری ماشین است. 🔹ماهیت آن چیست؟ کتابخانه…
🎯 ویژگی مهم Pandas: فیلتر کردن دادهها با یک خط کد!
یکی از قدرتمندترین قابلیتهای Pandas این است که میتوانیم دادهها را خیلی سریع، خوانا و دقیق فیلتر کنیم، بدون اینکه مجبور باشیم حلقه بزنیم یا شرطهای پیچیده بنویسیم.
این ویژگی در تحلیل داده، پیشپردازش، یادگیری ماشین و ساخت داشبوردهای هوشمند نقشی حیاتی دارد.
🔹 یک مثال ساده از فیلتر کردن دادهها
📤 خروجی:
✔ فقط با یک خط، دادهها را فیلتر کردیم
✔ خوانا و بسیار سریع
🔹 چرا فیلتر کردن در Pandas مهم است؟
● انتخاب بخشی از دادهها برای تحلیل سریع
● حذف دادههای نامعتبر یا غیرمطلوب
● آمادهسازی دادهها برای مدلهای یادگیری ماشین
● استخراج زیرمجموعههای کاربردی (مثلاً دانشجویان ممتاز، محصولات پرفروش، روزهای پرترافیک و...)
📌 منبع:
🔘 Pandas documentation
#️⃣ #پایتون #آموزش_پایتون #تحلیل_داده #پانداس #کتابخانه_پایتون #پای_ویژن
#Python #Pandas #DataAnalysis #LearnPython #PythonLibraries #PyVision
🌐 @PyVision
یکی از قدرتمندترین قابلیتهای Pandas این است که میتوانیم دادهها را خیلی سریع، خوانا و دقیق فیلتر کنیم، بدون اینکه مجبور باشیم حلقه بزنیم یا شرطهای پیچیده بنویسیم.
این ویژگی در تحلیل داده، پیشپردازش، یادگیری ماشین و ساخت داشبوردهای هوشمند نقشی حیاتی دارد.
🔹 یک مثال ساده از فیلتر کردن دادهها
import pandas as pd
data = {'Name': ['Ali', 'Sara', 'Reza'],
'Score': [90, 85, 95]}
df = pd.DataFrame(data)
# فیلتر دانشجویانی که نمره بالاتر از 90 دارند
high_scores = df[df['Score'] > 90]
print(high_scores)
📤 خروجی:
Name Score
2 Reza 95
✔ فقط با یک خط، دادهها را فیلتر کردیم
✔ خوانا و بسیار سریع
🔹 چرا فیلتر کردن در Pandas مهم است؟
● انتخاب بخشی از دادهها برای تحلیل سریع
● حذف دادههای نامعتبر یا غیرمطلوب
● آمادهسازی دادهها برای مدلهای یادگیری ماشین
● استخراج زیرمجموعههای کاربردی (مثلاً دانشجویان ممتاز، محصولات پرفروش، روزهای پرترافیک و...)
📌 منبع:
🔘 Pandas documentation
#️⃣ #پایتون #آموزش_پایتون #تحلیل_داده #پانداس #کتابخانه_پایتون #پای_ویژن
#Python #Pandas #DataAnalysis #LearnPython #PythonLibraries #PyVision
🌐 @PyVision
👌3