📚 دوره آموزش پایتون از 0 تا 100

پارت ۱۷: Decorators و Generators 🚀

در این پارت با دو مفهوم پیشرفته در پایتون یعنی Decorators و Generators آشنا می‌شویم. این دو ابزار به شما کمک می‌کنند تا کدهای خوانا‌تر، ماژولارتر و بهینه‌تری بنویسید.

۱. Decorators 🎨
Decorators یکی از ویژگی‌های قدرتمند پایتون است که به شما اجازه می‌دهد تا رفتار توابع یا کلاس‌ها را بدون تغییر در کد اصلی آن‌ها، اصلاح کنید.

۱.۱. تعریف یک Decorator
یک decorator در واقع یک تابع است که یک تابع دیگر را به عنوان ورودی می‌گیرد و یک تابع جدید را برمی‌گرداند.

def my_decorator(func):
    def wrapper():
        print("Something is happening before the function is called.")
        func()
        print("Something is happening after the function is called.")
    return wrapper

@my_decorator
def say_hello():
    print("Hello!")

say_hello()

در این مثال:
- my_decorator یک decorator است که تابع say_hello را تزئین می‌کند.
- @my_decorator قبل از تعریف say_hello باعث می‌شود که say_hello به صورت خودکار با my_decorator تزئین شود.

۱.۲. Decorators با آرگومان‌ها

def repeat(n):
    def decorator(func):
        def wrapper(*args, **kwargs):
            for _ in range(n):
                func(*args, **kwargs)
        return wrapper
    return decorator

@repeat(3)
def greet(name):
    print(f"Hello, {name}!")

greet("Alice")

در این مثال:
- repeat یک decorator با آرگومان است که تابع greet را ۳ بار اجرا می‌کند.

۲. Generators 🔄
Generators به شما اجازه می‌دهند تا به راحتی iteratorهای خود را تعریف کنید. آن‌ها به جای برگرداندن یک لیست کامل، یک به یک مقادیر را تولید می‌کنند که باعث بهینه‌تر شدن حافظه می‌شود.

۲.۱. تعریف یک Generator

def count_up_to(max):
    count = 1
    while count <= max:
        yield count
        count += 1

counter = count_up_to(5)
for num in counter:
    print(num)

در این مثال:
- count_up_to یک generator است که از ۱ تا max را تولید می‌کند.
- yield به جای return استفاده شده است که مقادیر را یکی یکی تولید می‌کند.

۲.۲. Generators با تابع next()

def simple_gen():
    yield 1
    yield 2
    yield 3

gen = simple_gen()
print(next(gen))  # 1
print(next(gen))  # 2
print(next(gen))  # 3

در این مثال:
- simple_gen یک generator ساده است که مقادیر ۱، ۲ و ۳ را تولید می‌کند.
- با استفاده از next() می‌توان مقادیر بعدی را از generator دریافت کرد.


نکات مهم
- Decoratorها: برای تزئین توابع و تغییر رفتار آن‌ها بدون تغییر در کد اصلی استفاده می‌شوند. آن‌ها می‌توانند به توابعی با آرگومان‌های مختلف اعمال شوند.
- Generatorها: برای ایجاد iteratorهای کارآمد و بهینه استفاده می‌شوند. آن‌ها مقادیر را به صورت lazy evaluation تولید می‌کنند که باعث کاهش استفاده از حافظه می‌شود.

این دو مفهوم به شما کمک می‌کنند تا کدهای پیچیده‌تر و بهینه‌تری در پایتون بنویسید. امیدوارم این آموزش برای شما مفید بوده باشد! 🌟

🔻برای دیدن آموزش های مفید بیشتر اینجا کلیک کن

#پایتون #آموزش_پایتون #Decorators #Generators #PythonAdvanced #PythonProgramming

نکته مهم در پایتون: استفاده از Decorators

در پایتون، Decorators یا دکوراتورها یکی از ابزارهای قدرتمند و پرکاربرد هستند که به شما این امکان را می‌دهند تا عملکرد یک تابع یا متد را بدون تغییر در کد اصلی آن، تغییر دهید یا گسترش دهید. 🌟

دکوراتور چیست؟
دکوراتور یک تابع است که یک تابع دیگر را به عنوان ورودی می‌گیرد و یک تابع جدید را برمی‌گرداند که معمولاً عملکردی اضافی به تابع اصلی اضافه می‌کند. 🎩✨

مثال:
فرض کنید می‌خواهید زمان اجرای یک تابع را اندازه‌گیری کنید. با استفاده از دکوراتور، می‌توانید این کار را به سادگی انجام دهید.

import time

def timing_decorator(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f"Elapsed time: {end_time - start_time:.4f} seconds")
        return result
    return wrapper

@timing_decorator
def my_function():
    for _ in range(1000000):
        pass

my_function()

در این مثال:
1. دکوراتور timing_decorator تعریف شده است که زمان اجرای تابع را اندازه‌گیری می‌کند.
2. با استفاده از @timing_decorator، تابع my_function با دکوراتور زمان‌بندی تزئین شده است.
3. هر بار که my_function اجرا می‌شود، زمان اجرای آن اندازه‌گیری و چاپ می‌شود. 🕒💡

کاربردهای دکوراتورها:
- ورود و خروج: برای ثبت ورود و خروج به توابع.
- کنترل دسترسی: برای مدیریت دسترسی به توابع.
- مدیریت منابع: برای مدیریت منابع مانند باز و بسته کردن فایل‌ها.
- ارزیابی عملکرد: برای اندازه‌گیری عملکرد توابع.

به یاد داشته باشید: دکوراتورها می‌توانند خوانایی و مدیریت کد را بهبود بخشند، به شرطی که به درستی و با دقت استفاده شوند. 🎯📈

🔻بیا اینجا تا بیشتر یاد بگیری

#Python #CodingTips #Decorators #Programming #PythonTips #PythonTricks #LearnPython