چنل پایتون | جنگو | برنامه نویسی وب سایت
421 subscribers
292 photos
141 videos
40 files
209 links
ارتباط با مدیر:

@Amir_123_ka
Download Telegram
فعلا که فلت بیشتره
از بیشتر به کمتر آموزش میزاریم😀
2
1 flet
2 pygame
3 PyQt5
4 tkinter
5 turtle
2
منتظر آموزش باشید😀✌️
1🍾1
دوستان آموزش کتابخونه فلت در راهه
منتظر باشید
برای دلگرمی ریکشن بزنید😀✌️
9
#آموزش
#فلت
#پایتون

آموزش دوره flet از مقدماتی تا پیشرفته 😍
در حال آماده‌سازی ....

برای آموزش های بیشتر پایتون و سی پلاس پلاس به کانال ما بپیوندید🥲
https://t.iss.one/programming_python_90

https://t.iss.one/programmingpythons
😁3
ادامه فلت رو بزاریم؟
Anonymous Poll
83%
اره
17%
نه
عمرا اگه با کاربرد کلید F8 در ورد آشنا باشی...!

یکی از کلید های تابعی به شدت کاربردی F8 هستش و به نظرم اون قدری که باید بهش توجه میشد تا الان نشده ؛ شما کلید F8 رو تا 5 مرتبه میتونید فشار بدید تا با هر بار فشردن یه قسمتی از متنتون سلکت بشه :)

• دو بار فشردن F8 : انتخاب کلمه
• سه بار فشردن F8 : انتخاب جمله
• چهار بار فشردن F8 : انتخاب پاراگراف
• پنج بار فشردن F8 : انتخاب کل سکشن

• فشردن همزمان F8 + Shift :
- بخش انتخاب شده رو کاهش میده.

https://t.iss.one/programming_python_90

https://t.iss.one/programmingpythons
3🤔1
پروکسی سرعتی بزاریم؟
Anonymous Poll
82%
اره
18%
نه
Server: Unknown
Port: 9090
Secret: FgMBAgABAAH8AwOG4kw63QtY2RueWVrdGFuZXQuY29tZmFyYWthdi5jb212YW4ubmFqdmEuY29tAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA
@ProxyMTProto
2
from turtle import *
from random import choice

screen = Screen()

pens = 'black', 'indigo', 'red'
turtles = 'blue', 'green', 'yellow'
bgs = 'white', 'lightgreen', 'lightblue'
t = Turtle('turtle')
t.shapesize(10)
t.speed(0)
t.lt(90)
number = Turtle()
number.ht()
number.pu()
number.goto(-225, 300)
num = 0
number.write(f'${num:.4f}', font=('ffcx', 20))
sh = 10
def turtle(x, y):
global num, sh, pens, turtles, bgs
num += 0.0001
number.clear()

a = choice(pens)
b = choice(bgs)
c = choice(turtles)
number.pencolor(a)
screen.bgcolor(b)
t.color(c)

number.write(f'${num:.4f}', font=('ffcx', 20))

for i in range (1, 5):
if i <= 2:
sh += 1

elif i > 2:
sh -= 1

t.shapesize (sh)

onscreenclick(turtle)

done()
📚 آموزش الگوریتمی برای حل مسائل پیچیده ریاضی در پایتون 📚

سلام دوستان! امروز می‌خوایم یاد بگیریم چطور یک الگوریتم برای حل مسائل پیچیده ریاضی رو در پایتون پیاده‌سازی کنیم. این آموزش برای کسانی که می‌خوان اصول پایه حل مسائل ریاضی با استفاده از الگوریتم‌ها رو بفهمند بسیار مناسب هست.

1. تنظیمات اولیه 🛠️
ابتدا نیاز داریم که کتابخانه‌های ضروری پایتون رو وارد کنیم. برای این کار از کتابخانه‌ی math و numpy استفاده می‌کنیم.

نصب numpy
برای نصب numpy از دستور زیر استفاده کنید:
pip install numpy
2. ایجاد توابع مورد نیاز 📋
برای حل مسائل پیچیده ریاضی، نیاز به برخی توابع پایه‌ای داریم. در اینجا الگوریتمی برای حل معادلات خطی با استفاده از روش گاوس-ژردن (Gaussian Elimination) رو پیاده‌سازی می‌کنیم.

حل معادلات خطی با استفاده از روش گاوس-ژردن
import numpy as np

def gaussian_elimination(A, b):
n = len(b)
M = A

for i in range(n):
M[i] = M[i] / M[i, i]
b[i] = b[i] / M[i, i]
for j in range(i + 1, n):
ratio = M[j, i]
M[j] = M[j] - ratio * M[i]
b[j] = b[j] - ratio * b[i]

x = np.zeros(n)
for i in range(n - 1, -1, -1):
x[i] = b[i] - np.dot(M[i, i + 1:], x[i + 1:])
return x
3. تست الگوریتم 📈
حالا که الگوریتم رو پیاده‌سازی کردیم، می‌تونیم اون رو تست کنیم.

تعریف ماتریس A و بردار b
A = np.array([[2, 1, -1],
[-3, -1, 2],
[-2, 1, 2]], dtype=float)

b = np.array([8, -11, -3], dtype=float)

solution = gaussian_elimination(A, b)
print("راه‌حل معادلات:")
print(solution)
4. مزایا و کاربردهای استفاده از الگوریتم گاوس-ژردن

مزایا:
1. دقت بالا: روش گاوس-ژردن دقت بالایی در حل معادلات خطی دارد.
2. سرعت: این الگوریتم نسبت به روش‌های دیگر برای حل سیستم‌های خطی سریع‌تر عمل می‌کند.
3. سادگی پیاده‌سازی: الگوریتم گاوس-ژردن ساده و قابل فهم است و پیاده‌سازی آن پیچیدگی زیادی ندارد.

کاربردها:
1. حل مسائل فیزیک و مهندسی: این الگوریتم در حل مسائل مختلف فیزیک و مهندسی که به حل سیستم‌های خطی نیاز دارند، استفاده می‌شود.
2. بهینه‌سازی: در بسیاری از مسائل بهینه‌سازی، حل معادلات خطی ضروری است و این الگوریتم کاربرد دارد.
3. مدل‌سازی مالی: در تحلیل‌های مالی و اقتصادی برای مدل‌سازی و پیش‌بینی از این الگوریتم استفاده می‌شود.
https://t.iss.one/programming_python_90

https://t.iss.one/programmingpythons
1👍1🔥1
موافق سی پلاس پلاس هستید؟؟
Anonymous Poll
37%
اره
63%
نه
اونایی که میگن نه کامنت بزارن چرا؟
📚 آموزش ساخت سیستم مکان‌یابی ساده (GPS) در پایتون بدون ماژول‌های خارجی 📚

سلام دوستان! امروز می‌خوایم یاد بگیریم چطور یک سیستم مکان‌یابی ساده (GPS) رو بدون استفاده از هیچ ماژول خارجی در پایتون پیاده‌سازی کنیم. این آموزش برای کسانی که می‌خوان اصول پایه مکان‌یابی رو بفهمند بسیار مناسب هست.

1. تنظیمات اولیه 🛠️
ابتدا نیاز داریم که کتابخانه‌های ضروری پایتون رو وارد کنیم.

import math

2. ایجاد توابع مورد نیاز 📋
برای پیاده‌سازی سیستم GPS، نیاز به برخی توابع پایه‌ای داریم:

محاسبه فاصله بین دو نقطه جغرافیایی با استفاده از فرمول هاروسین
def haversine(lat1, lon1, lat2, lon2):
    R = 6371  # شعاع زمین به کیلومتر
    dlat = math.radians(lat2 - lat1)
    dlon = math.radians(lon2 - lon1)
    a = math.sin(dlat / 2) ** 2 + math.cos(math.radians(lat1)) * math.cos(math.radians(lat2)) * math.sin(dlon / 2) ** 2
    c = 2 * math.atan2(math.sqrt(a), math.sqrt(1 - a))
    distance = R * c
    return distance

تعیین موقعیت جغرافیایی ی **📍
فرض کنیم چند موقعیت جغرافیایی داریم و می‌خواهیم فاصله بین آن‌ها را محاسبه کنیم.

locations = {
    "location1": (35.6892, 51.3890),  # تهران
    "location2": (34.0522, -118.2437),  # لس‌آنجلس
    "location3": (48.8566, 2.3522)  # پاریس
}

def calculate_distances(locations):
    distances = {}
    keys = list(locations.keys())
    for i in range(len(keys)):
        for j in range(i + 1, len(keys)):
            loc1, loc2 = keys[i], keys[j]
            lat1, lon1 = locations[loc1]
            lat2, lon2 = locations[loc2]
            distance = haversine(lat1, lon1, lat2, lon2)
            distances[(loc1, loc2)] = distance
    return distances

distances = calculate_distances(locations)
for loc_pair, dist in distances.items():
    print(f"فاصله بین {loc_pair[0]} و {loc_pair[1]}: {dist:.2f} کیلومتر")



#Python #library
🔥1😁1🐳1