پارت ۱۲: وراثت و چندریختی در پایتون 🐍👨💻
در این پارت به بررسی دو مفهوم کلیدی در برنامهنویسی شیءگرا (OOP) میپردازیم: وراثت (Inheritance) و چندریختی (Polymorphism). این دو مفهوم به شما کمک میکنند تا کدهای قابل نگهداری و توسعهپذیرتری بنویسید.
۱. وراثت (Inheritance)
وراثت به شما اجازه میدهد تا یک کلاس جدید را بر اساس کلاس موجود ایجاد کنید. کلاس جدید (کلاس فرزند) میتواند تمام ویژگیها و متدهای کلاس موجود (کلاس والد) را به ارث ببرد و همچنین ویژگیها و متدهای جدیدی را به آن اضافه کند.
مثال ساده از وراثت
توضیح: در این مثال، کلاس
۲. چندریختی (Polymorphism)
چندریختی به شما اجازه میدهد تا از یک رابط یکسان برای انواع مختلف اشیاء استفاده کنید. این بدان معناست که متدهای یکسان در کلاسهای مختلف میتوانند رفتارهای متفاوتی داشته باشند.
مثال چندریختی
توضیح: در این مثال، تابع
۳. وراثت چندگانه (Multiple Inheritance)
پایتون از وراثت چندگانه پشتیبانی میکند، یعنی یک کلاس میتواند از بیش از یک کلاس والد وراثت ببرد.
مثال وراثت چندگانه
توضیح: در این مثال، کلاس
👇اینم چند تا مثال
1. یک کلاس به نام
2. یک کلاس به نام
در این پارت به بررسی دو مفهوم کلیدی در برنامهنویسی شیءگرا (OOP) میپردازیم: وراثت (Inheritance) و چندریختی (Polymorphism). این دو مفهوم به شما کمک میکنند تا کدهای قابل نگهداری و توسعهپذیرتری بنویسید.
۱. وراثت (Inheritance)
وراثت به شما اجازه میدهد تا یک کلاس جدید را بر اساس کلاس موجود ایجاد کنید. کلاس جدید (کلاس فرزند) میتواند تمام ویژگیها و متدهای کلاس موجود (کلاس والد) را به ارث ببرد و همچنین ویژگیها و متدهای جدیدی را به آن اضافه کند.
مثال ساده از وراثت
class Animal:
def __init__(self, name):
self.name = name
def speak(self):
pass
class Dog(Animal):
def speak(self):
return f"{self.name} says Woof!"
class Cat(Animal):
def speak(self):
return f"{self.name} says Meow!"
# استفاده از کلاسهای فرزند
dog = Dog("Buddy")
cat = Cat("Kitty")
print(dog.speak()) # خروجی: Buddy says Woof!
print(cat.speak()) # خروجی: Kitty says Meow!
توضیح: در این مثال، کلاس
Dog
و Cat
از کلاس Animal
وراثت میبرند و متد speak
را بازنویسی میکنند.۲. چندریختی (Polymorphism)
چندریختی به شما اجازه میدهد تا از یک رابط یکسان برای انواع مختلف اشیاء استفاده کنید. این بدان معناست که متدهای یکسان در کلاسهای مختلف میتوانند رفتارهای متفاوتی داشته باشند.
مثال چندریختی
class Bird(Animal):
def speak(self):
return f"{self.name} says Tweet!"
# تعریف تابعی که از چندریختی استفاده میکند
def animal_sound(animal):
print(animal.speak())
# استفاده از چندریختی
dog = Dog("Buddy")
cat = Cat("Kitty")
bird = Bird("Tweety")
animal_sound(dog) # خروجی: Buddy says Woof!
animal_sound(cat) # خروجی: Kitty says Meow!
animal_sound(bird) # خروجی: Tweety says Tweet!
توضیح: در این مثال، تابع
animal_sound
از چندریختی استفاده میکند تا با اشیاء مختلف از کلاسهای Dog
, Cat
و Bird
تعامل داشته باشد.۳. وراثت چندگانه (Multiple Inheritance)
پایتون از وراثت چندگانه پشتیبانی میکند، یعنی یک کلاس میتواند از بیش از یک کلاس والد وراثت ببرد.
مثال وراثت چندگانه
class Swimmable:
def swim(self):
print("I can swim!")
class Flyable:
def fly(self):
print("I can fly!")
class Duck(Animal, Swimmable, Flyable):
def speak(self):
return f"{self.name} says Quack!"
# استفاده از وراثت چندگانه
duck = Duck("Donald")
duck.speak() # خروجی: Donald says Quack!
duck.swim() # خروجی: I can swim!
duck.fly() # خروجی: I can fly!
توضیح: در این مثال، کلاس
Duck
از کلاسهای Animal
, Swimmable
و Flyable
وراثت میبرد و به تمامی ویژگیها و متدهای آنها دسترسی دارد.👇اینم چند تا مثال
1. یک کلاس به نام
Vehicle
ایجاد کنید که شامل ویژگیهای brand
و model
باشد. سپس دو کلاس Car
و Bike
ایجاد کنید که از Vehicle
وراثت ببرند و هرکدام یک متد به نام start_engine
داشته باشند که پیامی مربوط به روشن شدن موتور را چاپ کند.class Vehicle:
def __init__(self, brand, model):
self.brand = brand
self.model = model
class Car(Vehicle):
def start_engine(self):
print(f"The engine of the {self.brand} {self.model} car is starting.")
class Bike(Vehicle):
def start_engine(self):
print(f"The engine of the {self.brand} {self.model} bike is starting.")
car = Car("Toyota", "Corolla")
bike = Bike("Yamaha", "MT-07")
car.start_engine() # خروجی: The engine of the Toyota Corolla car is starting.
bike.start_engine() # خروجی: The engine of the Yamaha MT-07 bike is starting.
2. یک کلاس به نام
Shape
ایجاد کنید که شامل متدی به نام area
باشد. سپس دو کلاس Rectangle
و Circle
ایجاد کنید که از Shape
وراثت ببرند و متد area
را برای محاسبه مساحت هر شکل بازنویسی کنند.👍5
class Shape:
def area(self):
pass
class Rectangle(Shape):
init__init__(self, width, height):
self.width = width
self.height = height
def area(self):
return self.width * self.height
class Circle(Shape):
init__init__(self, radius):
self.radius = radius
def area(self):
import math
return math.pi * self.radius ** 2
rect = Rectangle(4, 5)
circ = Circle(3)
print(rect.area()) # خروجی: 20
print(circ.area()) # خروجی: 28.274333882308138
3. یک کلاس به نام
Employee
ایجاد کنید که شامل ویژگیهای name
و salary
باشد. سپس یک کلاس به نام Manager
ایجاد کنید که از Employee
وراثت ببرد و یک متد به نام give_raise
داشته باشد که حقوق کارمند را افزایش دهد.class Employee:
def init(self, name, salary):
self.name = name
self.salary = salary
class Manager(Employee):
def give_raise(self, amount):
self.salary += amount
print(f"{self.name} has been given a raise. New salary: {self.salary}")
manager = Manager("Ali", 5000)
manager.give_raise(1000) # خروجی: Ali has been given a raise. New salary: 6000
[اینجا کلیک کن تا بیشتر یاد بگیری]
#پایتون #آموزش_پایتون #برنامه_نویسی #وراثت #چندریختی #OOP #Inheritance #Polymorphism
Telegram
Python3
🎓 آموزش و پروژههای Python
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
👍5
آموزش استفاده از ماژول Scrapy 🕷
Scrapy یکی از قدرتمندترین ماژولهای پایتون برای وب اسکرپینگ است. این ابزار عالی به شما کمک میکند تا دادهها را از وبسایتها استخراج کنید. 🚀
وب اسکرپینگ به فرآیند استخراج اطلاعات از وبسایتها گفته میشود که معمولاً به صورت خودکار انجام میشود. Scrapy این کار را بسیار آسان و کارآمد میکند.
مرحله 1: نصب Scrapy 🛠
ابتدا باید این ماژول را نصب کنید. میتوانید از دستور زیر استفاده کنید:
این دستور Scrapy را روی سیستم شما نصب میکند.
مرحله 2: ایجاد پروژه Scrapy 📁
یک پروژه جدید ایجاد کنید:
به جای
مرحله 3: ایجاد Spider 🕸
به دایرکتوری پروژه بروید و یک Spider جدید ایجاد کنید:
این دستور یک Spider با نام
مرحله 4: نوشتن کد Spider ✍️
فایل
- import scrapy: ماژول Scrapy را وارد میکند.
- name: نام Spider که باید یکتا باشد.
- start_urls: لیستی از URL هایی که Spider باید از آنها شروع به کار کند.
- parse: متدی که برای پردازش پاسخ از URL های شروع استفاده میشود.
- response.css('title'): انتخاب عنوان صفحه با استفاده از CSS Selector.
- yield: استخراج و بازگشت دادهها.
مرحله 5: اجرای Spider 🎬
حالا میتوانید Spider خود را اجرا کنید و دادهها را استخراج کنید:
این دستور Spider را اجرا کرده و دادههای استخراج شده را در یک فایل JSON ذخیره میکند.
نکات تکمیلی:
- CSS Selectors: برای انتخاب عناصر HTML از CSS Selectors استفاده کنید.
- XPath: میتوانید از XPath نیز برای انتخاب عناصر استفاده کنید.
- Pipelines: برای پردازش و ذخیرهسازی دادههای استخراج شده از Pipelines استفاده کنید.
استفاده از Scrapy میتواند استخراج دادهها را به شدت ساده و کارآمد کند. امیدوارم این آموزش برای شما مفید باشد! 😊
(کانال تلگرامی ما)
#Python #Scrapy #وب_اسکرپینگ #آموزش #برنامه_نویسی
Scrapy یکی از قدرتمندترین ماژولهای پایتون برای وب اسکرپینگ است. این ابزار عالی به شما کمک میکند تا دادهها را از وبسایتها استخراج کنید. 🚀
وب اسکرپینگ به فرآیند استخراج اطلاعات از وبسایتها گفته میشود که معمولاً به صورت خودکار انجام میشود. Scrapy این کار را بسیار آسان و کارآمد میکند.
مرحله 1: نصب Scrapy 🛠
ابتدا باید این ماژول را نصب کنید. میتوانید از دستور زیر استفاده کنید:
pip install scrapy
این دستور Scrapy را روی سیستم شما نصب میکند.
مرحله 2: ایجاد پروژه Scrapy 📁
یک پروژه جدید ایجاد کنید:
scrapy startproject myproject
به جای
myproject
نام پروژه خود را وارد کنید. این دستور ساختار اولیه پروژه Scrapy را ایجاد میکند.مرحله 3: ایجاد Spider 🕸
به دایرکتوری پروژه بروید و یک Spider جدید ایجاد کنید:
cd myproject
scrapy genspider example example.com
این دستور یک Spider با نام
example
ایجاد میکند که وبسایت example.com
را هدف قرار میدهد.مرحله 4: نوشتن کد Spider ✍️
فایل
example.py
را باز کنید و کد Spider خود را بنویسید. این یک مثال ساده است:import scrapy
class ExampleSpider(scrapy.Spider):
name = "example" # نام Spider
start_urls = [
'https://example.com', # URL شروع
]
def parse(self, response):
for title in response.css('title'): # انتخاب عنوان صفحه با استفاده از CSS Selector
yield {'title': title.get()} # استخراج عنوان و ذخیره آن
- import scrapy: ماژول Scrapy را وارد میکند.
- name: نام Spider که باید یکتا باشد.
- start_urls: لیستی از URL هایی که Spider باید از آنها شروع به کار کند.
- parse: متدی که برای پردازش پاسخ از URL های شروع استفاده میشود.
- response.css('title'): انتخاب عنوان صفحه با استفاده از CSS Selector.
- yield: استخراج و بازگشت دادهها.
مرحله 5: اجرای Spider 🎬
حالا میتوانید Spider خود را اجرا کنید و دادهها را استخراج کنید:
scrapy crawl example -o output.json
این دستور Spider را اجرا کرده و دادههای استخراج شده را در یک فایل JSON ذخیره میکند.
نکات تکمیلی:
- CSS Selectors: برای انتخاب عناصر HTML از CSS Selectors استفاده کنید.
- XPath: میتوانید از XPath نیز برای انتخاب عناصر استفاده کنید.
- Pipelines: برای پردازش و ذخیرهسازی دادههای استخراج شده از Pipelines استفاده کنید.
استفاده از Scrapy میتواند استخراج دادهها را به شدت ساده و کارآمد کند. امیدوارم این آموزش برای شما مفید باشد! 😊
(کانال تلگرامی ما)
#Python #Scrapy #وب_اسکرپینگ #آموزش #برنامه_نویسی
Telegram
Python3
🎓 آموزش و پروژههای Python
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزش استفاده از کلاسها برای پیادهسازی الگوریتم مرتبسازی سریع (QuickSort) 📚
مرتبسازی سریع (QuickSort) یکی از محبوبترین و کارآمدترین الگوریتمهای مرتبسازی است. در این آموزش، نحوه پیادهسازی این الگوریتم با استفاده از کلاسها در پایتون را به شما نشان میدهیم. 🚀
مرحله 1: تعریف کلاس QuickSort 🧩
ابتدا کلاس
initit
- تعریف آرایه: یک آرایه نمونه برای مرتبسازی.
- ایجاد نمونه: یک نمونه از کلاس
- مرتبسازی: فراخوانی متد
- نمایش نتیجه: نمایش آرایه مرتب شده.
توضیحات:
1. تعریف کلاس: کلاس
2. متد سازنده: مinitit__
استفاده از کلاسها در پایتون میتواند برنامهنویسی شیءگرا را سادهتر و قابل مدیریتتر کند. امیدوارم این آموزش برای شما مفید باشد! 😊
(آموزش بیشتر کانال ما)
#Python #QuickSort #آموزش #برنامه_نویسی #مرتبسازی
مرتبسازی سریع (QuickSort) یکی از محبوبترین و کارآمدترین الگوریتمهای مرتبسازی است. در این آموزش، نحوه پیادهسازی این الگوریتم با استفاده از کلاسها در پایتون را به شما نشان میدهیم. 🚀
مرحله 1: تعریف کلاس QuickSort 🧩
ابتدا کلاس
QuickSort
را تعریف میکنیم که شامل متدهای مختلف برای مرتبسازی است.class QuickSort:
def __init__(self, array):
self.array = array # آرایهای که باید مرتب شود
def sort(self):
self._quick_sort(0, len(self.array) - 1) # فراخوانی متد مرتبسازی سریع
return self.array # بازگشت آرایه مرتب شده
def _quick_sort(self, low, high):
if low < high:
pivot_index = self._partition(low, high) # پیدا کردن نقطه محوری
self._quick_sort(low, pivot_index - 1) # مرتبسازی بخش چپ از نقطه محوری
self._quick_sort(pivot_index + 1, high) # مرتبسازی بخش راست از نقطه محوری
def _partition(self, low, high):
pivot = self.array[high] # انتخاب عنصر پایانی به عنوان نقطه محوری
i = low - 1 # اندیس اولین عنصر کوچکتر از نقطه محوری
for j in range(low, high):
if self.array[j] <= pivot:
i += 1
self.array[i], self.array[j] = self.array[j], self.array[i] # تعویض عناصر
self.array[i + 1], self.array[high] = self.array[high], self.array[i + 1] # تعویض نقطه محوری با عنصر در جایگاه i+1
return i + 1
initit
__: متد سازنده که آرایهای که باید مرتب شود را دریافت میکند.
- sort: متدی که مرتبسازی را شروع کرده و آرایه مرتب شده را باز میگرداند.
- _q
uick_sort: متد خصوصی برای اجرای الگوریتم مرتبسازی سریع.
- _p
artition: متد خصوصی برای تقسیم آرایه به دو بخش بر اساس نقطه محوری.
مرحله 2: استفاده از کلاس QuickSort 📝
حالا با استفاده از کلاس Quic
kSort، آرایهای را مرتب میکنیم:
nameme__ mainin__":
array = [10, 7, 8, 9, 1, 5] # آرایه نمونه
sorter = QuickSort(array) # ایجاد نمونهای از کلاس QuickSort
sorted_array = sorter.sort() # مرتبسازی آرایه
print("Sorted array:", sorted_array) # نمایش آرایه مرتب شده
- تعریف آرایه: یک آرایه نمونه برای مرتبسازی.
- ایجاد نمونه: یک نمونه از کلاس
QuickSort
با استفاده از آرایه ورودی.- مرتبسازی: فراخوانی متد
sort
برای مرتبسازی آرایه.- نمایش نتیجه: نمایش آرایه مرتب شده.
توضیحات:
1. تعریف کلاس: کلاس
QuickSort
را تعریف کردیم که شامل متدهای مختلف برای مرتبسازی است.2. متد سازنده: مinitit__
آرایهای که باید مرتب شود را دریافت میکند.
3. متد sort: متد
sort عملیات مرتبسازی را شروع کرده و آرایه مرتب شده را باز میگرداند.
4. متدهای خصوصی: متدهای
_quick_sort و
_partition برای اجرای الگوریتم مرتبسازی سریع به کار میروند.
5. استفاده از کلاس: یک نمونه از کلاس
QuickSort` ایجاد کرده و آرایه را مرتب کردیم.استفاده از کلاسها در پایتون میتواند برنامهنویسی شیءگرا را سادهتر و قابل مدیریتتر کند. امیدوارم این آموزش برای شما مفید باشد! 😊
(آموزش بیشتر کانال ما)
#Python #QuickSort #آموزش #برنامه_نویسی #مرتبسازی
Telegram
Python3
🎓 آموزش و پروژههای Python
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
❤2
آموزش کامل بلاکها در پایتون 🐍
بلاکها (Blocks) در پایتون، بخشهای کدی هستند که با استفاده از تورفتگی (Indentation) مشخص میشوند. بلاکها معمولا در ساختارهای کنترلی، حلقهها، تعریف توابع و کلاسها استفاده میشوند. در این آموزش، با مفاهیم و کاربردهای مختلف بلاکها آشنا میشویم. 🚀
1. بلاکها در ساختارهای کنترلی (if-else) 🧩
بلاکها در پایتون با استفاده از تورفتگی (Spaces یا Tabs) تعریف میشوند. برای مثال، در ساختار
در اینجا، هر دو بلاک با تورفتگی یکسان از خط اصلی جدا شدهاند.
2. بلاکها در حلقهها (for و while) 🔄
در حلقههای
هر بلاک شامل دستورات متعددی میتواند باشد که با تورفتگی از هم جدا میشوند.
3. بلاکها در تعریف توابع (Functions) 📝
بلاکها در تعریف توابع نیز به کار میروند:
در اینجا، بلاک داخل تابع با تورفتگی مشخص شده است.
4. بلاکها در تعریف کلاسها (Classes) 🏫
تعریف کلاسها نیز شامل بلاکهای مختلفی است:
در اینجا، بلاکهای داخل کلاس و متدها با تورفتگی مشخص شدهاند.
5. بلاکها در مدیریت استثناها (Exceptions) 🚨
مدیریت استثناها نیز از بلاکها استفاده میکند:
بلاکهای
توضیحات:
1. ساختارهای کنترلی: بلاکهای
2. حلقهها: بلاکهای
3. توابع: بلاکهای داخل توابع با تورفتگی از خط تعریف تابع جدا میشوند.
4. کلاسها: بلاکهای داخل کلاس و متدها نیز با تورفتگی مشخص میشوند.
5. مدیریت استثناها: بلاکهای
استفاده از بلاکها در پایتون بسیار ساده و شهودی است. تورفتگی در پایتون نقش مهمی در خوانایی و ساختار کد دارد. امیدوارم این آموزش برای شما مفید باشد! 😊
(کانال تلگرام مارو دنبال کنید)
#Python #Programming #Coding #Blocks #آموزش
بلاکها (Blocks) در پایتون، بخشهای کدی هستند که با استفاده از تورفتگی (Indentation) مشخص میشوند. بلاکها معمولا در ساختارهای کنترلی، حلقهها، تعریف توابع و کلاسها استفاده میشوند. در این آموزش، با مفاهیم و کاربردهای مختلف بلاکها آشنا میشویم. 🚀
1. بلاکها در ساختارهای کنترلی (if-else) 🧩
بلاکها در پایتون با استفاده از تورفتگی (Spaces یا Tabs) تعریف میشوند. برای مثال، در ساختار
if-else
:x = 10
if x > 5:
print("x is greater than 5") # این یک بلاک است
else:
print("x is less than or equal to 5") # این نیز یک بلاک است
در اینجا، هر دو بلاک با تورفتگی یکسان از خط اصلی جدا شدهاند.
2. بلاکها در حلقهها (for و while) 🔄
در حلقههای
for
و while
نیز از بلاکها استفاده میشود:# حلقه for
for i in range(5):
print("Iteration", i) # این یک بلاک است
# حلقه while
j = 0
while j < 5:
print("Iteration", j) # این یک بلاک است
j += 1
هر بلاک شامل دستورات متعددی میتواند باشد که با تورفتگی از هم جدا میشوند.
3. بلاکها در تعریف توابع (Functions) 📝
بلاکها در تعریف توابع نیز به کار میروند:
def greet(name):
print("Hello", name) # این یک بلاک است
greet("Alice")
در اینجا، بلاک داخل تابع با تورفتگی مشخص شده است.
4. بلاکها در تعریف کلاسها (Classes) 🏫
تعریف کلاسها نیز شامل بلاکهای مختلفی است:
class Person:
def __init__(self, name, age):
self.name = name
self.age = age
def greet(self):
print("Hello, my name is", self.name)
p = Person("Bob", 30)
p.greet()
در اینجا، بلاکهای داخل کلاس و متدها با تورفتگی مشخص شدهاند.
5. بلاکها در مدیریت استثناها (Exceptions) 🚨
مدیریت استثناها نیز از بلاکها استفاده میکند:
try:
x = 1 / 0
except ZeroDivisionError:
print("You cannot divide by zero!") # این یک بلاک است
finally:
print("This will always execute") # این یک بلاک است
بلاکهای
try
, except
و finally
هر کدام با تورفتگی از هم جدا شدهاند.توضیحات:
1. ساختارهای کنترلی: بلاکهای
if-else
با تورفتگی مشخص میشوند.2. حلقهها: بلاکهای
for
و while
شامل دستورات با تورفتگی مشابه هستند.3. توابع: بلاکهای داخل توابع با تورفتگی از خط تعریف تابع جدا میشوند.
4. کلاسها: بلاکهای داخل کلاس و متدها نیز با تورفتگی مشخص میشوند.
5. مدیریت استثناها: بلاکهای
try
, except
و finally
هر کدام با تورفتگی از هم جدا شدهاند.استفاده از بلاکها در پایتون بسیار ساده و شهودی است. تورفتگی در پایتون نقش مهمی در خوانایی و ساختار کد دارد. امیدوارم این آموزش برای شما مفید باشد! 😊
(کانال تلگرام مارو دنبال کنید)
#Python #Programming #Coding #Blocks #آموزش
Telegram
Python3
🎓 آموزش و پروژههای Python
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
❤5
سلام دوستان ، شرمنده امروز پستی نذاشتیم ( سرکار )❤️🥲
یه نظرسنجی میزارم حتما جواب بدید✔️🔥
یه نظرسنجی میزارم حتما جواب بدید✔️🔥
👍5
🖥 | برای دوستانی که با «PC» کد میزنن برنامه «Visual Studio Code»
📱 | برای کسانی که با «موبایل» کد میزنن «Pydroid 3» رو پیشنهاد میکنم
⚠️ : @hamidpython123
📱 | برای کسانی که با «موبایل» کد میزنن «Pydroid 3» رو پیشنهاد میکنم
⚠️ : @hamidpython123
Telegram
Python3
🎓 آموزش و پروژههای Python
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
👍5
پارت ۱۳: ماژولها و پکیجها در پایتون 📦🐍
در این پارت با ماژولها و پکیجها در پایتون آشنا میشویم و میبینیم چگونه میتوانیم کدهای خود را به صورت منطقی و قابل نگهداری تقسیمبندی کنیم.
۱. ماژولها (Modules)
ماژولها فایلهایی با پسوند
ایجاد و استفاده از یک ماژول
1. ایجاد ماژول: ابتدا یک فایل به نام
2. استفاده از ماژول: در یک فایل دیگر میتوانید از ماژول ایجاد شده استفاده کنید:
۲. پکیجها (Packages)
پکیجها مجموعهای از ماژولها هستند که در یک دایرکتوری قرار دارند و شامل یک فایل
ایجاد و استفاده از یک پکیج
1. ایجاد پکیج: ساختار زیر را ایجاد کنید:
2. فایل
3. فایل
4. استفاده از پکیج:
۳. نصب و استفاده از پکیجهای خارجی
شما میتوانید از پکیجهای خارجی که توسط جامعه پایتون ایجاد شدهاند نیز استفاده کنید. این پکیجها معمولاً از طریق PyPI (Python Package Index) در دسترس هستند و میتوانید آنها را با استفاده از pip نصب کنید.
نصب یک پکیج
به عنوان مثال، نصب پکیج
استفاده از پکیج نصب شده
۴. ایجاد و انتشار پکیج خود
اگر شما یک پکیج ایجاد کردهاید و میخواهید آن را با دیگران به اشتراک بگذارید، میتوانید آن را در PyPI منتشر کنید. این فرآیند شامل ایجاد فایلهایی مانند
فایل
این فایل شامل اطلاعاتی درباره پکیج شماست:
انتشار پکیج
مراحل کلی برای انتشار پکیج شامل ساخت و آپلود بسته به PyPI است:
[اینم کانال ما]
#پایتون #آموزش_پایتون #ماژول #پکیج #PythonModules #PythonPackages
در این پارت با ماژولها و پکیجها در پایتون آشنا میشویم و میبینیم چگونه میتوانیم کدهای خود را به صورت منطقی و قابل نگهداری تقسیمبندی کنیم.
۱. ماژولها (Modules)
ماژولها فایلهایی با پسوند
.py
هستند که شامل کد پایتون میباشند. شما میتوانید از ماژولها برای سازماندهی کدهای خود و جلوگیری از تکرار کدها استفاده کنید.ایجاد و استفاده از یک ماژول
1. ایجاد ماژول: ابتدا یک فایل به نام
my_module.py
ایجاد کنید و کدهای زیر را در آن قرار دهید:# my_module.py
def greet(name):
return f"Hello, {name}!"
def add(a, b):
return a + b
2. استفاده از ماژول: در یک فایل دیگر میتوانید از ماژول ایجاد شده استفاده کنید:
# main.py
import my_module
print(my_module.greet("Alice")) # خروجی: Hello, Alice!
print(my_module.add(5, 3)) # خروجی: 8
۲. پکیجها (Packages)
پکیجها مجموعهای از ماژولها هستند که در یک دایرکتوری قرار دارند و شامل یک فایل
init.py هست
ند. این فایل میتواند خالی باشد یا کدهای خاصی را شامل شود.ایجاد و استفاده از یک پکیج
1. ایجاد پکیج: ساختار زیر را ایجاد کنید:
my_package/
__init__.py
module1.py
module2.py
2. فایل
module1.py
:# module1.py
def multiply(a, b):
return a * b
3. فایل
module2.py
:# module2.py
def divide(a, b):
if b == 0:
return "Cannot divide by zero!"
return a / b
4. استفاده از پکیج:
# main.py
from my_package import module1, module2
print(module1.multiply(4, 5)) # خروجی: 20
print(module2.divide(10, 2)) # خروجی: 5.0
۳. نصب و استفاده از پکیجهای خارجی
شما میتوانید از پکیجهای خارجی که توسط جامعه پایتون ایجاد شدهاند نیز استفاده کنید. این پکیجها معمولاً از طریق PyPI (Python Package Index) در دسترس هستند و میتوانید آنها را با استفاده از pip نصب کنید.
نصب یک پکیج
به عنوان مثال، نصب پکیج
requests
برای انجام درخواستهای HTTP:pip install requests
استفاده از پکیج نصب شده
import requests
response = requests.get('https://api.github.com')
print(response.status_code) # خروجی: 200 (یا هر کد وضعیت دیگر)
print(response.json()) # خروجی: دادههای JSON دریافت شده از API
۴. ایجاد و انتشار پکیج خود
اگر شما یک پکیج ایجاد کردهاید و میخواهید آن را با دیگران به اشتراک بگذارید، میتوانید آن را در PyPI منتشر کنید. این فرآیند شامل ایجاد فایلهایی مانند
setup.py
و ثبت پکیج در PyPI میشود.فایل
setup.py
این فایل شامل اطلاعاتی درباره پکیج شماست:
from setuptools import setup, find_packages
setup(
name='my_package',
version='0.1',
packages=find_packages(),
install_requires=[],
)
انتشار پکیج
مراحل کلی برای انتشار پکیج شامل ساخت و آپلود بسته به PyPI است:
python setup.py sdist bdist_wheel
twine upload dist/*
[اینم کانال ما]
#پایتون #آموزش_پایتون #ماژول #پکیج #PythonModules #PythonPackages
پارت ۱۴: کتابخانههای استاندارد پایتون 📚🐍
در این پارت، به بررسی کتابخانههای استاندارد پایتون میپردازیم که ابزارهای قدرتمندی برای انجام وظایف مختلف در اختیار شما قرار میدهند. کتابخانه استاندارد پایتون شامل ماژولها و پکیجهایی است که با نصب پایتون به طور پیشفرض در دسترس هستند و نیاز به نصب جداگانه ندارند.
۱. کتابخانه
کتابخانه
مثالهایی از کتابخانه
۲. کتابخانه
کتابخانه
مثالهایی از کتابخانه
۳. کتابخانه
کتابخانه
مثالهایی از کتابخانه
۴. کتابخانه
کتابخانه
مثالهایی از کتابخانه
۵. کتابخانه
کتابخانه
مثالهایی از کتابخانه
۶. کتابخانه
کتابخانه
مثالهایی از کتابخانه
(آموزش های خیلی مفید کانال ما)
#پایتون #آموزش_پایتون #کتابخانه_استاندارد #PythonStandardLibrary #PythonModules
در این پارت، به بررسی کتابخانههای استاندارد پایتون میپردازیم که ابزارهای قدرتمندی برای انجام وظایف مختلف در اختیار شما قرار میدهند. کتابخانه استاندارد پایتون شامل ماژولها و پکیجهایی است که با نصب پایتون به طور پیشفرض در دسترس هستند و نیاز به نصب جداگانه ندارند.
۱. کتابخانه
math
کتابخانه
math
شامل توابع و ثابتهای ریاضی پایهای است که برای انجام محاسبات ریاضی مورد استفاده قرار میگیرد.مثالهایی از کتابخانه
math
import math
# محاسبه جذر
print(math.sqrt(16)) # خروجی: 4.0
# محاسبه سینوس
print(math.sin(math.pi / 2)) # خروجی: 1.0
# محاسبه لگاریتم
print(math.log(10)) # خروجی: 2.302585092994046
۲. کتابخانه
datetime
کتابخانه
datetime
برای کار با تاریخ و زمان استفاده میشود. این کتابخانه امکان انجام محاسبات تاریخ و زمان، قالببندی و تجزیه را فراهم میکند.مثالهایی از کتابخانه
datetime
import datetime
# ایجاد یک شیء تاریخ و زمان
now = datetime.datetime.now()
print(now) # خروجی: تاریخ و زمان فعلی
# قالببندی تاریخ
print(now.strftime("%Y-%m-%d %H:%M:%S")) # خروجی: قالببندی شده به صورت سال-ماه-روز ساعت:دقیقه:ثانیه
# محاسبه اختلاف بین دو تاریخ
date1 = datetime.datetime(2023, 7, 5)
date2 = datetime.datetime(2024, 7, 5)
diff = date2 - date1
print(diff.days) # خروجی: 366
۳. کتابخانه
os
کتابخانه
os
ابزارهایی برای تعامل با سیستمعامل فراهم میکند، از جمله کار با فایلها و دایرکتوریها، اجرای دستورات سیستمعامل و دسترسی به متغیرهای محیطی.مثالهایی از کتابخانه
os
import os
# دریافت مسیر دایرکتوری فعلی
current_directory = os.getcwd()
print(current_directory) # خروجی: مسیر دایرکتوری فعلی
# ایجاد یک دایرکتوری جدید
os.mkdir("new_directory")
# لیست کردن فایلها و دایرکتوریها
files = os.listdir(".")
print(files) # خروجی: لیستی از فایلها و دایرکتوریها در دایرکتوری فعلی
۴. کتابخانه
sys
کتابخانه
sys
ابزارهایی برای تعامل با مفسر پایتون فراهم میکند، از جمله دسترسی به آرگومانهای خط فرمان، مدیریت خروجی و ورودی استاندارد و مدیریت استثناءها.مثالهایی از کتابخانه
sys
import sys
# دریافت آرگومانهای خط فرمان
print(sys.argv) # خروجی: لیستی از آرگومانهای خط فرمان
# چاپ پیام خطا و خروج از برنامه
sys.stderr.write("This is an error message\n")
sys.exit(1)
۵. کتابخانه
random
کتابخانه
random
برای تولید اعداد تصادفی و انجام عملیات تصادفی مانند انتخاب عناصر از لیست استفاده میشود.مثالهایی از کتابخانه
random
import random
# تولید یک عدد تصادفی بین 1 و 10
print(random.randint(1, 10)) # خروجی: یک عدد تصادفی بین 1 و 10
# انتخاب تصادفی از لیست
choices = ['apple', 'banana', 'cherry']
print(random.choice(choices)) # خروجی: یکی از عناصر لیست به صورت تصادفی
# مخلوط کردن عناصر لیست
random.shuffle(choices)
print(choices) # خروجی: لیست مخلوط شده
۶. کتابخانه
json
کتابخانه
json
برای کار با دادههای JSON استفاده میشود. این کتابخانه ابزارهایی برای تبدیل دادههای پایتون به فرمت JSON و برعکس فراهم میکند.مثالهایی از کتابخانه
json
import json
# تبدیل دیکشنری به رشته JSON
data = {'name': 'Alice', 'age': 30}
json_string = json.dumps(data)
print(json_string) # خروجی: {"name": "Alice", "age": 30}
# تبدیل رشته JSON به دیکشنری
data_parsed = json.loads(json_string)
print(data_parsed) # خروجی: {'name': 'Alice', 'age': 30}
(آموزش های خیلی مفید کانال ما)
#پایتون #آموزش_پایتون #کتابخانه_استاندارد #PythonStandardLibrary #PythonModules
Telegram
Python3
🎓 آموزش و پروژههای Python
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
👍2
آیا میدانستید؟ 🤓
اولین کامپیوتر مکانیکی قابل برنامهریزی در جهان توسط کنراد تسوزه (Konrad Zuse) ساخته شد و به نام Z1 شناخته میشود. 💻✨ این شاهکار مهندسی در سال 1938 در آلمان ساخته شد و یکی از اولین تلاشها برای ایجاد یک کامپیوتر دیجیتال واقعی بود.
Z1 با استفاده از قطعات مکانیکی پیچیدهای که شامل اهرمها و چرخدندهها بود، اطلاعات دو دویی (باینری) را ذخیره و پردازش میکرد. 🤖🛠 این کامپیوتر مکانیکی دارای دقت و سرعت کمتری نسبت به کامپیوترهای الکترونیکی امروزی بود، اما گامی بزرگ در جهت توسعه علم کامپیوتر به حساب میآید.
از ویژگیهای جالب Z1 میتوان به موارد زیر اشاره کرد:
- استفاده از مموری مکانیکی برای ذخیره دادهها 🗄🔧
- قابلیت برنامهریزی با استفاده از نوارهای پانچ 📜🎛
- انجام محاسبات منطقی و ریاضی با استفاده از سیستم دو دویی 🔢🤓
Z1 توسط تسوزه در خانهاش و با استفاده از منابع محدودی که در دسترس داشت، ساخته شد. این دستگاه نشاندهنده نبوغ و پیشگامی تسوزه در حوزه کامپیوتر بود و راه را برای نسلهای بعدی کامپیوترها هموار کرد. 👨🔬🚀
این کامپیوتر خارقالعاده، اگرچه در جنگ جهانی دوم و بمبارانها از بین رفت، اما مدلهای بازسازی شده آن در موزههای مختلفی به نمایش گذاشته شدهاند تا یادآور یکی از نخستین گامها در دنیای محاسبات باشند. 🏛🔍
(دانستنی های بیشتر توی کانال ما)
#تاریخچه_کامپیوتر #کنراد_تسوزه #Z1 #کامپیوتر_مکانیکی #نوآوری #دانستنی #علم_و_فناوری
اولین کامپیوتر مکانیکی قابل برنامهریزی در جهان توسط کنراد تسوزه (Konrad Zuse) ساخته شد و به نام Z1 شناخته میشود. 💻✨ این شاهکار مهندسی در سال 1938 در آلمان ساخته شد و یکی از اولین تلاشها برای ایجاد یک کامپیوتر دیجیتال واقعی بود.
Z1 با استفاده از قطعات مکانیکی پیچیدهای که شامل اهرمها و چرخدندهها بود، اطلاعات دو دویی (باینری) را ذخیره و پردازش میکرد. 🤖🛠 این کامپیوتر مکانیکی دارای دقت و سرعت کمتری نسبت به کامپیوترهای الکترونیکی امروزی بود، اما گامی بزرگ در جهت توسعه علم کامپیوتر به حساب میآید.
از ویژگیهای جالب Z1 میتوان به موارد زیر اشاره کرد:
- استفاده از مموری مکانیکی برای ذخیره دادهها 🗄🔧
- قابلیت برنامهریزی با استفاده از نوارهای پانچ 📜🎛
- انجام محاسبات منطقی و ریاضی با استفاده از سیستم دو دویی 🔢🤓
Z1 توسط تسوزه در خانهاش و با استفاده از منابع محدودی که در دسترس داشت، ساخته شد. این دستگاه نشاندهنده نبوغ و پیشگامی تسوزه در حوزه کامپیوتر بود و راه را برای نسلهای بعدی کامپیوترها هموار کرد. 👨🔬🚀
این کامپیوتر خارقالعاده، اگرچه در جنگ جهانی دوم و بمبارانها از بین رفت، اما مدلهای بازسازی شده آن در موزههای مختلفی به نمایش گذاشته شدهاند تا یادآور یکی از نخستین گامها در دنیای محاسبات باشند. 🏛🔍
(دانستنی های بیشتر توی کانال ما)
#تاریخچه_کامپیوتر #کنراد_تسوزه #Z1 #کامپیوتر_مکانیکی #نوآوری #دانستنی #علم_و_فناوری
Telegram
Python3
🎓 آموزش و پروژههای Python
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
👍1
آیا میدانستید؟ 🤓
یکی از نکات بسیار مهم در کار با توابع در پایتون که میتواند به شما کمک کند تا با خطاهای کمتری مواجه شوید، استفاده از آرگومانهای پیشفرض (Default Arguments) است. 🌟
آرگومانهای پیشفرض در پایتون
در پایتون، شما میتوانید برای آرگومانهای یک تابع مقدار پیشفرض تعیین کنید. این کار باعث میشود که اگر هنگام فراخوانی تابع مقداری برای این آرگومانها ارسال نشود، مقدار پیشفرض استفاده شود. 📝🔧
مثال
چرا استفاده از آرگومانهای پیشفرض مهم است؟
1. جلوگیری از خطاهای رایج: وقتی شما آرگومانهای پیشفرض تعیین میکنید، در صورتی که برخی از آرگومانها فراموش شوند، کد شما همچنان به درستی کار خواهد کرد و با خطای "آرگومان کافی نیست" مواجه نخواهید شد. 🚫❌
2. افزایش خوانایی و کارایی کد: با استفاده از آرگومانهای پیشفرض، کد شما خواناتر و استفاده از توابع شما راحتتر خواهد شد، به خصوص زمانی که توابع پیچیدهتری دارید. 📖✨
3. انعطافپذیری بیشتر: شما میتوانید توابعی بنویسید که در شرایط مختلف و با مقادیر ورودی مختلف به درستی عمل کنند، بدون اینکه نیاز باشد چندین تابع مختلف برای شرایط متفاوت تعریف کنید. 🎛🔄
این نکته ساده اما قدرتمند میتواند به شما کمک کند تا کدهای تمیزتر و پایدارتر بنویسید و با خطاهای کمتری مواجه شوید. 🛠🔍
🔻برای نکته های بیشتر اینجا کلیک کن
#پایتون #برنامهنویسی #آموزش_پایتون #تابعها #توسعه_دهنده #نکات_برنامهنویسی
یکی از نکات بسیار مهم در کار با توابع در پایتون که میتواند به شما کمک کند تا با خطاهای کمتری مواجه شوید، استفاده از آرگومانهای پیشفرض (Default Arguments) است. 🌟
آرگومانهای پیشفرض در پایتون
در پایتون، شما میتوانید برای آرگومانهای یک تابع مقدار پیشفرض تعیین کنید. این کار باعث میشود که اگر هنگام فراخوانی تابع مقداری برای این آرگومانها ارسال نشود، مقدار پیشفرض استفاده شود. 📝🔧
مثال
def greet(name, message="سلام!"):
print(f"{message}, {name}")
# فراخوانی تابع بدون ارسال آرگومان message
greet("علی")
# خروجی: سلام!, علی
# فراخوانی تابع با ارسال آرگومان message
greet("علی", "صبح بخیر")
# خروجی: صبح بخیر, علی
چرا استفاده از آرگومانهای پیشفرض مهم است؟
1. جلوگیری از خطاهای رایج: وقتی شما آرگومانهای پیشفرض تعیین میکنید، در صورتی که برخی از آرگومانها فراموش شوند، کد شما همچنان به درستی کار خواهد کرد و با خطای "آرگومان کافی نیست" مواجه نخواهید شد. 🚫❌
2. افزایش خوانایی و کارایی کد: با استفاده از آرگومانهای پیشفرض، کد شما خواناتر و استفاده از توابع شما راحتتر خواهد شد، به خصوص زمانی که توابع پیچیدهتری دارید. 📖✨
3. انعطافپذیری بیشتر: شما میتوانید توابعی بنویسید که در شرایط مختلف و با مقادیر ورودی مختلف به درستی عمل کنند، بدون اینکه نیاز باشد چندین تابع مختلف برای شرایط متفاوت تعریف کنید. 🎛🔄
این نکته ساده اما قدرتمند میتواند به شما کمک کند تا کدهای تمیزتر و پایدارتر بنویسید و با خطاهای کمتری مواجه شوید. 🛠🔍
🔻برای نکته های بیشتر اینجا کلیک کن
#پایتون #برنامهنویسی #آموزش_پایتون #تابعها #توسعه_دهنده #نکات_برنامهنویسی
Telegram
Python3
🎓 آموزش و پروژههای Python
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
👍1
📰 اخبار داغ از تورنومنتهای برنامهنویسی در ایران!
1. مسابقات برنامهنویسی دانشجویی ایران (ACM ICPC):
- این مسابقات یکی از معتبرترین رقابتهای برنامهنویسی در ایران و جهان است. تیمهای شرکتکننده در این مسابقات باید مسائل پیچیدهی الگوریتمی را در زمان محدود حل کنند. برگزاری این مسابقات به صورت منطقهای و ملی انجام میشود و تیمهای برتر به مسابقات جهانی راه مییابند.
2. مسابقات برنامهنویسی CodeCup:
- CodeCup که توسط دانشگاه شریف برگزار میشود، شامل چالشهای الگوریتمی و برنامهنویسی است که باید در مدت زمان مشخص حل شوند. این مسابقات به صورت آنلاین برگزار میشود و شرکتکنندگان از سراسر ایران میتوانند در آن شرکت کنند.
3. مسابقات کدنویسی لیگ کدنویسی ایران (Codeninja):
- Codeninja یک لیگ کدنویسی آنلاین است که در طول سال برگزار میشود. این لیگ شامل مسابقات ماهانه است و شرکتکنندگان با حل مسائل الگوریتمی و برنامهنویسی میتوانند امتیاز کسب کنند. این مسابقات فرصت خوبی برای تمرین مداوم و ارتقاء مهارتهای برنامهنویسی است.
📅 منتظر چه هستید؟ اگر به برنامهنویسی علاقهمندید، حتماً در این مسابقات شرکت کنید و مهارتهای خود را به چالش بکشید! 🖥️🚀
🔻اخبار مهم پایتون در این کانال
#ACM_ICPC #CodeCup #Codeninja #برنامه_نویسی #تورنومنت #ایران #اخبار #TechNews
1. مسابقات برنامهنویسی دانشجویی ایران (ACM ICPC):
- این مسابقات یکی از معتبرترین رقابتهای برنامهنویسی در ایران و جهان است. تیمهای شرکتکننده در این مسابقات باید مسائل پیچیدهی الگوریتمی را در زمان محدود حل کنند. برگزاری این مسابقات به صورت منطقهای و ملی انجام میشود و تیمهای برتر به مسابقات جهانی راه مییابند.
2. مسابقات برنامهنویسی CodeCup:
- CodeCup که توسط دانشگاه شریف برگزار میشود، شامل چالشهای الگوریتمی و برنامهنویسی است که باید در مدت زمان مشخص حل شوند. این مسابقات به صورت آنلاین برگزار میشود و شرکتکنندگان از سراسر ایران میتوانند در آن شرکت کنند.
3. مسابقات کدنویسی لیگ کدنویسی ایران (Codeninja):
- Codeninja یک لیگ کدنویسی آنلاین است که در طول سال برگزار میشود. این لیگ شامل مسابقات ماهانه است و شرکتکنندگان با حل مسائل الگوریتمی و برنامهنویسی میتوانند امتیاز کسب کنند. این مسابقات فرصت خوبی برای تمرین مداوم و ارتقاء مهارتهای برنامهنویسی است.
📅 منتظر چه هستید؟ اگر به برنامهنویسی علاقهمندید، حتماً در این مسابقات شرکت کنید و مهارتهای خود را به چالش بکشید! 🖥️🚀
🔻اخبار مهم پایتون در این کانال
#ACM_ICPC #CodeCup #Codeninja #برنامه_نویسی #تورنومنت #ایران #اخبار #TechNews
Telegram
Python3
🎓 آموزش و پروژههای Python
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
📰 اخبار مهم امروز از دنیای پایتون!
1. انتشار نسخه جدید پایتون 3.12.0:
- نسخه جدید پایتون با ویژگیهای بهبود یافته و رفع باگهای مختلف منتشر شد. این نسخه شامل بهبود عملکرد، ارتقاء قابلیتهای تایپینگ، و اضافه شدن امکانات جدید به استاندارد لایبرری میباشد. 🌟🐍
2. محبوبیت روزافزون فریمورک FastAPI:
- FastAPI همچنان به رشد محبوبیت خود ادامه میدهد و به یکی از محبوبترین فریمورکهای پایتون برای ساخت APIهای سریع و کارا تبدیل شده است. توسعهدهندگان از سرعت و کارایی بالای این فریمورک بسیار راضی هستند. 🚀📈
3. انتشار Pandas 2.0 با قابلیتهای جدید:
- تیم توسعه Pandas نسخه 2.0 این لایبرری محبوب دادهکاوی را منتشر کردند. این نسخه شامل بهبودهای عمده در عملکرد و امکانات جدید برای تجزیه و تحلیل دادهها است. 📊🐼
4. شروع کارگاههای آموزشی Django در دانشگاههای ایران:
- چندین دانشگاه در ایران کارگاههای آموزشی فریمورک Django را برای دانشجویان و علاقهمندان برگزار کردهاند. این کارگاهها فرصتی عالی برای یادگیری و توسعه مهارتهای وب است. 🏫🌐
5. استفاده از پایتون در پروژههای بزرگ داده کاوی:
- شرکتهای بزرگ تکنولوژی در حال استفاده گسترده از پایتون در پروژههای دادهکاوی خود هستند. پایتون به دلیل کتابخانههای قدرتمند مانند NumPy و SciPy انتخاب اول بسیاری از دانشمندان داده است. 🧠💾
6. افزایش تقاضا برای توسعهدهندگان پایتون در بازار کار:
- بازار کار برای توسعهدهندگان پایتون بسیار داغ است و تقاضا برای این مهارتها همچنان در حال افزایش است. پایتون به عنوان یک زبان چند منظوره و قدرتمند، در صنایع مختلف مورد استفاده قرار میگیرد. 💼📈
7. پروژههای متنباز پایتون همچنان در حال رشد:
- تعداد پروژههای متنباز مبتنی بر پایتون روز به روز در حال افزایش است. این پروژهها شامل ابزارها و کتابخانههای جدید برای توسعهدهندگان و محققان است. 🌍🔓
🔻اخبار مهم پایتون اینجا هست کلیک کن
#Python #پایتون #اخبار_تکنولوژی #FastAPI #Pandas #Django #داده_کاوی #بازار_کار #پروژه_متن_باز
1. انتشار نسخه جدید پایتون 3.12.0:
- نسخه جدید پایتون با ویژگیهای بهبود یافته و رفع باگهای مختلف منتشر شد. این نسخه شامل بهبود عملکرد، ارتقاء قابلیتهای تایپینگ، و اضافه شدن امکانات جدید به استاندارد لایبرری میباشد. 🌟🐍
2. محبوبیت روزافزون فریمورک FastAPI:
- FastAPI همچنان به رشد محبوبیت خود ادامه میدهد و به یکی از محبوبترین فریمورکهای پایتون برای ساخت APIهای سریع و کارا تبدیل شده است. توسعهدهندگان از سرعت و کارایی بالای این فریمورک بسیار راضی هستند. 🚀📈
3. انتشار Pandas 2.0 با قابلیتهای جدید:
- تیم توسعه Pandas نسخه 2.0 این لایبرری محبوب دادهکاوی را منتشر کردند. این نسخه شامل بهبودهای عمده در عملکرد و امکانات جدید برای تجزیه و تحلیل دادهها است. 📊🐼
4. شروع کارگاههای آموزشی Django در دانشگاههای ایران:
- چندین دانشگاه در ایران کارگاههای آموزشی فریمورک Django را برای دانشجویان و علاقهمندان برگزار کردهاند. این کارگاهها فرصتی عالی برای یادگیری و توسعه مهارتهای وب است. 🏫🌐
5. استفاده از پایتون در پروژههای بزرگ داده کاوی:
- شرکتهای بزرگ تکنولوژی در حال استفاده گسترده از پایتون در پروژههای دادهکاوی خود هستند. پایتون به دلیل کتابخانههای قدرتمند مانند NumPy و SciPy انتخاب اول بسیاری از دانشمندان داده است. 🧠💾
6. افزایش تقاضا برای توسعهدهندگان پایتون در بازار کار:
- بازار کار برای توسعهدهندگان پایتون بسیار داغ است و تقاضا برای این مهارتها همچنان در حال افزایش است. پایتون به عنوان یک زبان چند منظوره و قدرتمند، در صنایع مختلف مورد استفاده قرار میگیرد. 💼📈
7. پروژههای متنباز پایتون همچنان در حال رشد:
- تعداد پروژههای متنباز مبتنی بر پایتون روز به روز در حال افزایش است. این پروژهها شامل ابزارها و کتابخانههای جدید برای توسعهدهندگان و محققان است. 🌍🔓
🔻اخبار مهم پایتون اینجا هست کلیک کن
#Python #پایتون #اخبار_تکنولوژی #FastAPI #Pandas #Django #داده_کاوی #بازار_کار #پروژه_متن_باز
Telegram
Python3
🎓 آموزش و پروژههای Python
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
آموزشهای کاربردی و پروژههای عملی Python برای همه سطوح. 🚀
👍3
🔤 آموزش کامل متدهای کار با رشتهها در پایتون 🔤
سلام دوستان! امروز قصد دارم دربارهی متدهای مختلف کار با رشتهها در زبان برنامهنویسی پایتون صحبت کنم. رشتهها یکی از پرکاربردترین نوع دادهها در پایتون هستند و آشنایی با متدهای آنها میتواند کدنویسی را بسیار سادهتر کند. بیایید شروع کنیم! 🚀
1.
این متد تمام حروف رشته را به حروف کوچک تبدیل میکند.
2.
این متد تمام حروف رشته را به حروف بزرگ تبدیل میکند.
3.
این متد حرف اول رشته را به حروف بزرگ و بقیه را به حروف کوچک تبدیل میکند.
4.
این متد حرف اول هر کلمه در رشته را به حروف بزرگ تبدیل میکند.
5.
این متد فاصلههای خالی در ابتدای و انتهای رشته را حذف میکند.
6.
این متد بررسی میکند که آیا رشته با زیررشتهی خاصی شروع میشود یا نه.
7.
این متد بررسی میکند که آیا رشته با زیررشتهی خاصی پایان مییابد یا نه.
8.
این متد یک زیررشته را با زیررشتهای دیگر در رشته جایگزین میکند.
9.
این متد رشته را بر اساس یک جداکننده خاص جدا کرده و به لیست تبدیل میکند.
10.
این متد عناصر یک لیست را با استفاده از یک جداکننده خاص به یکدیگر متصل میکند.
11.
این متد اولین موقعیت یک زیررشته را در رشته پیدا میکند. اگر زیررشته وجود نداشته باشد، -1 برمیگرداند.
12.
این متد اولین موقعیت یک زیررشته را در رشته پیدا میکند. اگر زیررشته وجود نداشته باشد، خطا برمیگرداند.
13.
این متد تعداد تکرار یک زیررشته در رشته را شمارش میکند.
14.
این متد بررسی میکند که آیا همه کاراکترهای رشته اعداد هستند یا نه.
15.
این متد طول رشته را به طول مشخصی میرساند و با اضافه کردن صفر از سمت چپ، رشته را پر میکند.
16.
این متد حروف بزرگ را به کوچک و حروف کوچک را به بزرگ تبدیل میکند.
17.
این متد رشتهها را با استفاده از جایگزینی قالببندی میکند.
18.
این متد رشته را به طول مشخصی میرساند و از سمت چپ با کاراکتر خاصی پر میکند.
19.
این متد رشته را به طول مشخصی میرساند و از سمت راست با کاراکتر خاصی پر میکند.
این هم از متدهای کار با رشتهها در پایتون! امیدوارم این آموزش براتون مفید باشه و ازش استفاده کنید. هر سوالی داشتید، حتما بپرسید. 😊✨
🔻برای بیشتر یاد گرفتن اینجا کلیک کن
#Python #Programming #Coding #Strings #Learning #PythonTips
سلام دوستان! امروز قصد دارم دربارهی متدهای مختلف کار با رشتهها در زبان برنامهنویسی پایتون صحبت کنم. رشتهها یکی از پرکاربردترین نوع دادهها در پایتون هستند و آشنایی با متدهای آنها میتواند کدنویسی را بسیار سادهتر کند. بیایید شروع کنیم! 🚀
1.
lower()
این متد تمام حروف رشته را به حروف کوچک تبدیل میکند.
text = "Hello, WORLD!"
print(text.lower()) # خروجی: hello, world!
2.
upper()
این متد تمام حروف رشته را به حروف بزرگ تبدیل میکند.
text = "Hello, world!"
print(text.upper()) # خروجی: HELLO, WORLD!
3.
capitalize()
این متد حرف اول رشته را به حروف بزرگ و بقیه را به حروف کوچک تبدیل میکند.
text = "hello, world!"
print(text.capitalize()) # خروجی: Hello, world!
4.
title()
این متد حرف اول هر کلمه در رشته را به حروف بزرگ تبدیل میکند.
text = "hello, world!"
print(text.title()) # خروجی: Hello, World!
5.
strip()
این متد فاصلههای خالی در ابتدای و انتهای رشته را حذف میکند.
text = " hello, world! "
print(text.strip()) # خروجی: hello, world!
6.
startswith()
این متد بررسی میکند که آیا رشته با زیررشتهی خاصی شروع میشود یا نه.
text = "hello, world!"
print(text.startswith("hello")) # خروجی: True
7.
endswith()
این متد بررسی میکند که آیا رشته با زیررشتهی خاصی پایان مییابد یا نه.
text = "hello, world!"
print(text.endswith("world!")) # خروجی: True
8.
replace()
این متد یک زیررشته را با زیررشتهای دیگر در رشته جایگزین میکند.
text = "hello, world!"
print(text.replace("world", "Python")) # خروجی: hello, Python!
9.
split()
این متد رشته را بر اساس یک جداکننده خاص جدا کرده و به لیست تبدیل میکند.
text = "one, two, three"
print(text.split(", ")) # خروجی: ['one', 'two', 'three']
10.
join()
این متد عناصر یک لیست را با استفاده از یک جداکننده خاص به یکدیگر متصل میکند.
items = ['one', 'two', 'three']
print(", ".join(items)) # خروجی: one, two, three
11.
find()
این متد اولین موقعیت یک زیررشته را در رشته پیدا میکند. اگر زیررشته وجود نداشته باشد، -1 برمیگرداند.
text = "hello, world!"
print(text.find("world")) # خروجی: 7
12.
index()
این متد اولین موقعیت یک زیررشته را در رشته پیدا میکند. اگر زیررشته وجود نداشته باشد، خطا برمیگرداند.
text = "hello, world!"
print(text.index("world")) # خروجی: 7
13.
count()
این متد تعداد تکرار یک زیررشته در رشته را شمارش میکند.
text = "hello, world! hello again!"
print(text.count("hello")) # خروجی: 2
14.
isnumeric()
این متد بررسی میکند که آیا همه کاراکترهای رشته اعداد هستند یا نه.
text = "12345"
print(text.isnumeric()) # خروجی: True
15.
zfill()
این متد طول رشته را به طول مشخصی میرساند و با اضافه کردن صفر از سمت چپ، رشته را پر میکند.
text = "42"
print(text.zfill(5)) # خروجی: 00042
16.
swapcase()
این متد حروف بزرگ را به کوچک و حروف کوچک را به بزرگ تبدیل میکند.
text = "Hello, World!"
print(text.swapcase()) # خروجی: hELLO, wORLD!
17.
format()
این متد رشتهها را با استفاده از جایگزینی قالببندی میکند.
name = "Alice"
age = 30
print("My name is {} and I am {} years old.".format(name, age))
# خروجی: My name is Alice and I am 30 years old.
18.
rjust()
این متد رشته را به طول مشخصی میرساند و از سمت چپ با کاراکتر خاصی پر میکند.
text = "42"
print(text.rjust(5, '0')) # خروجی: 00042
19.
ljust()
این متد رشته را به طول مشخصی میرساند و از سمت راست با کاراکتر خاصی پر میکند.
text = "42"
print(text.ljust(5, '0')) # خروجی: 42000
این هم از متدهای کار با رشتهها در پایتون! امیدوارم این آموزش براتون مفید باشه و ازش استفاده کنید. هر سوالی داشتید، حتما بپرسید. 😊✨
🔻برای بیشتر یاد گرفتن اینجا کلیک کن
#Python #Programming #Coding #Strings #Learning #PythonTips