فعلا که فلت بیشتره
از بیشتر به کمتر آموزش میزاریم😀
از بیشتر به کمتر آموزش میزاریم😀
❤2
1 flet
2 pygame
3 PyQt5
4 tkinter
5 turtle
2 pygame
3 PyQt5
4 tkinter
5 turtle
❤2
دوستان آموزش کتابخونه فلت در راهه
منتظر باشید
برای دلگرمی ریکشن بزنید😀✌️
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
#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
Media is too big
VIEW IN TELEGRAM
❤1👍1👨💻1
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
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
Server:
Port:
Secret:
@ProxyMTProto
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:
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
حالا که الگوریتم رو پیادهسازی کردیم، میتونیم اون رو تست کنیم.
تعریف ماتریس A و بردار b
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
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 numpy2. 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 np3. تست الگوریتم 📈
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
حالا که الگوریتم رو پیادهسازی کردیم، میتونیم اون رو تست کنیم.
تعریف ماتریس A و بردار b
A = np.array([[2, 1, -1],4. مزایا و کاربردهای استفاده از الگوریتم گاوس-ژردن ✅
[-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)
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
📚 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.
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
تعیین موقعیت جغرافیایی ی **📍
فرض کنیم چند موقعیت جغرافیایی داریم و میخواهیم فاصله بین آنها را محاسبه کنیم.
#Python #library
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