«آموزش پایتون » داخل بله یه چنل زدم، محیط بهتر و پرتعامل تری میتونیم اونجا داشته باشیم. 😉 🆔 شناسه: https://ble.ir/learnpythonicy

✔️ ۷ ترفند کاربردی برای کار با دیکشنری‌ها در پایتون! اگر با داده‌های کلیدی–مقداری کار می‌کنید، این تکنیک‌ها سرعت و کیفیت کدنویسی شما را بالا می‌برند: --- 1️⃣ ایجاد دیکشنری python user = {'name': 'Sara', 'age': 23, 'city': 'Tehran'} print(user) --- 2️⃣ افزودن/ویرایش مقدار python user['age'] = 24 user['job'] = 'Developer' print(user) --- 3️⃣ دریافت مقدار با get (بدون خطا) python print(user.get('city')) print(user.get('phone', 'Not Found')) --- 4️⃣ حذف مقدار با pop python user.pop('city') print(user) --- 5️⃣ مرور کلیدها، مقادیر و جفت‌ها python for key, value in user.items(): print(key, value) --- 6️⃣ ادغام دو دیکشنری python a = {'x': 1, 'y': 2} b = {'y': 20, 'z': 3} merged = a | b print(merged) --- 7️⃣ ساخت دیکشنری با Dictionary Comprehension python squares = {x: x*x for x in range(5)} print(squares) --- 🗝 ترفند ویژه: مرتب‌سازی دیکشنری بر اساس مقدار python data = {'a': 3, 'b': 1, 'c': 2} sorted_data = dict(sorted(data.items(), key=lambda item: item[1])) print(sorted_data) نکات طلایی: * برای جلوگیری از خطا، همیشه از

get

در دسترسی‌های حساس استفاده کنید * از عملگر

|

برای ادغام دیکشنری‌ها بهره ببرید (پایتون 3.9+) * Dictionary comprehension بهترین روش برای تولید سریع ساختار داده‌های پیچیده است #PythonTips | #Dictionary | #Python3 | @learnpythonicy

🔴 چالش ۳۰ روزه Python for AI اگر قصد ورود به دنیای هوش مصنوعی، یادگیری ماشین و Data Science را دارید، این چالش برای شماست. در طول ۳۰ روز آینده با حل تمرین‌های روزانه: ✅ مهارت حل مسئله با پایتون را تقویت می‌کنید ✅ با ابزارهای Data Science آشنا می‌شوید ✅ مدل‌های Machine Learning خود را می‌سازید ✅ چند پروژه مناسب GitHub و رزومه خواهید داشت مسیر چالش: 📍 هفته اول تفکر برنامه‌نویسی و حل مسئله با Python 📍 هفته دوم پروژه‌های کاربردی و تحلیل داده 📍 هفته سوم ورود به Data Science با NumPy ،Pandas و Visualization 📍 هفته چهارم ورود عملی به Machine Learning و AI 🏆 پروژه‌های پایانی: • Student Analytics System • Sales Data Analyzer • Titanic Data Analysis • House Price Prediction 🎯 بسته به میزان مشارکت، فعالیت و همراهی اعضا، سطح پروژه‌ها می‌تواند ارتقا پیدا کند و پروژه‌های پیشرفته‌تر و نزدیک‌تر به پروژه‌های واقعی AI به چالش اضافه شوند. 🎯 خروجی نهایی: • تسلط بیشتر بر Python • آشنایی عملی با Data Science • ورود به Machine Learning • چند پروژه قابل انتشار در GitHub ⏰ هر روز ساعت ۲۰ چالش جدید منتشر می‌شود. شما تا ساعت ۱۹:۵۹ روز بعد فرصت دارید پاسخ خود را ارسال کنید. 💡 در صورت نیاز Hint ارائه خواهد شد. 💡 پاسخ کامل روز بعد همراه با چالش جدید منتشر می‌شود. 🔥 غیبت = از دست دادن زنجیره یادگیری

📢 دوستان عزیز مطالب و پست‌ها در کانال تلگرام منظم‌تر دنبال می‌شوند: ✅ دسترسی به کامنت‌ها و بحث روی تمرین‌ها ✅ ارسال راحت‌تر تکالیف ✅ استفاده از بات برای مدیریت چالش‌ها ✅ دسترسی بهتر به فایل‌ها و سورس‌کدها ✅ آرشیو مرتب‌تر مطالب آموزشی اگر قصد دارید چالش‌ها را جدی دنبال کنید، حتماً در کانال تلگرام هم عضو شوید تا چیزی را از دست ندهید. 🚀🔥 (البته اگر اینترنت یاری بده😁) 🔗 لینک کانال تلگرام: @learnpythonicy https://t.me/learnpythonicy

📢 روز یکم از چالش ۳۰ روزه Python for AI #Day1 🎯 موضوع: Variables + Input + Basic Calculations ⭐️ سطح: مبتدی ⏳ زمان تخمینی: 10 تا 20 دقیقه 📝 صورت مسئله: فرض کنید می‌خواهیم اولین بخش یک Student Analytics System را طراحی کنیم. دیتای زیر را در برنامه خود قرار دهید:

students = {
    "Ali": {"credits": 70, "gpa": 17.8},
    "Sara": {"credits": 95, "gpa": 18.5},
    "Reza": {"credits": 40, "gpa": 15.2},
    "Nima": {"credits": 120, "gpa": 18.1},
    "Parsa": {"credits": 55, "gpa": 16.4},
    "Arman": {"credits": 80, "gpa": 17.1},
    "Mina": {"credits": 140, "gpa": 19.0},
    "Ava": {"credits": 35, "gpa": 16.8},
    "Yasmin": {"credits": 110, "gpa": 18.7},
    "Amir": {"credits": 65, "gpa": 15.9}
}

برنامه باید: 1️⃣ نام دانشجو را از کاربر دریافت کند. 2️⃣ اطلاعات دانشجو را نمایش دهد: - Name - Credits Passed - GPA - Remaining Credits - Progress Percentage *فرض کنید برای فارغ‌التحصیلی به 140 واحد نیاز است. ( اگر دانشجو 140 واحد یا بیشتر گذرانده باشد: Status: Graduated در غیر این صورت: Status: In Progress ) 📌 نمونه خروجی: Enter student name: Ali Name: Ali Credits Passed: 70 GPA: 17.8 Remaining Credits: 70 Progress: 50% 📋 قوانین: ✅ خروجی‌ها و نام متغیرها به زبان انگلیسی باشند. ❌ استفاده از ChatGPT فقط برای گرفتن Hint مجاز است، نه دریافت کد کامل 🫪 💡 اگر مبتدی هستی نگران نباش. هدف این چالش یادگیری و پیشرفت روزانه است، نه کامل بودن. ❓ اگر به راهنمایی نیاز داشتی: https://eitaa.com/joinchat/956171922Cb501d5a32f ⏰ مهلت ارسال پاسخ فردا ساعت 20:00 فردا علاوه بر انتشار پاسخ رسمی، چالش Day 2 را هم میزارم. 🧡🔥 تغییرات بزرگ یک شبه اتفاق نمی‌افتند.

ببینم چیکار میکنید👆👆👆

✅ پاسخ چالش Day 1 یکی از راه‌حل‌های ممکن:

students = {
    "Ali": {"credits": 70, "gpa": 17.8},
    "Sara": {"credits": 95, "gpa": 18.5},
    "Reza": {"credits": 40, "gpa": 15.2},
    "Nima": {"credits": 120, "gpa": 18.1},
    "Parsa": {"credits": 55, "gpa": 16.4},
    "Arman": {"credits": 80, "gpa": 17.1},
    "Mina": {"credits": 140, "gpa": 19.0},
    "Ava": {"credits": 35, "gpa": 16.8},
    "Yasmin": {"credits": 110, "gpa": 18.7},
    "Amir": {"credits": 65, "gpa": 15.9}
}

student_name = input("Enter student name: ")

credits = students[student_name]["credits"]
gpa = students[student_name]["gpa"]

remaining_credits = 140 - credits
progress_percentage = (credits / 140) * 100

if credits >= 140:
    status = "Graduated"
else:
    status = "In Progress"

print("\nStudent Information")
print("-------------------")
print("Name:", student_name)
print("Credits Passed:", credits)
print("GPA:", gpa)
print("Remaining Credits:", remaining_credits)
print(f"Progress: {progress_percentage:.2f}%")
print("Status:", status)

📚 مفاهیمی که در این چالش تمرین کردیم: ✅ Variables ✅ User Input ✅ Dictionary ✅ Nested Dictionary Access ✅ Basic Calculations ✅ Conditional Statements (if/else) ✅ Formatted Output 💡 نکته: اگر نام دانشجویی وارد شود که در دیتاست وجود ندارد، برنامه خطا می‌دهد. در چالش‌های آینده یاد می‌گیریم چطور این خطاها را مدیریت کنیم. 🔥 اگر راه‌حل متفاوتی نوشتید، در کامنت‌ها ارسال کنید. گاهی چندین راه‌حل مختلف برای یک مسئله وجود داره و دیدن روش‌های دیگه می‌تونه آموزنده باشه. 🔜 آماده چالش Day 2 باشید...

🔥 چالش ۳۰ روزه Python for AI #Day2 🎯 موضوع: Conditional Statements (if / elif / else) ⭐ سطح: مبتدی ⏳ زمان تخمینی: 10 تا 25 دقیقه 📝 صورت مسئله: در بسیاری از سیستم‌های AI و Data Analytics، قبل از تحلیل داده‌ها باید آن‌ها را دسته‌بندی کنیم. فرض کنید می‌خواهیم دانشجویان را بر اساس معدل طبقه‌بندی کنیم. برنامه‌ای بنویسید که: 1️⃣ نام دانشجو را از کاربر دریافت کند. 2️⃣ اطلاعات دانشجو را از دیتاست زیر پیدا کند. 3️⃣ علاوه بر نمایش اطلاعات، وضعیت تحصیلی او را نیز تعیین کند. students = { "Ali": {"credits": 70, "gpa": 17.8}, "Sara": {"credits": 95, "gpa": 18.5}, "Reza": {"credits": 40, "gpa": 15.2}, "Nima": {"credits": 120, "gpa": 18.1}, "Parsa": {"credits": 55, "gpa": 16.4}, "Arman": {"credits": 80, "gpa": 17.1}, "Mina": {"credits": 140, "gpa": 19.0}, "Ava": {"credits": 35, "gpa": 16.8}, "Yasmin": {"credits": 110, "gpa": 18.7}, "Amir": {"credits": 65, "gpa": 15.9} } 📌 Academic Level اگر GPA برابر یا بیشتر از 18 بود: Excellent اگر GPA بین 16 و 18 بود: Good اگر GPA بین 14 و 16 بود: Average اگر GPA کمتر از 14 بود: Needs Improvement 📌 نمونه خروجی: Enter student name: Sara Name: Sara GPA: 18.5 Academic Level: Excellent 🎯 Bonus Challenge علاوه بر Academic Level مشخص کنید آیا به دانشجو اسکالرشیپ تعلق می‌گیرد یا خیر: Eligible for Scholarship شرط بورسیه: - GPA >= 18 - Credits >= 90 💡 اگر مبتدی هستید: ابتدا روی بخش Academic Level تمرکز کنید و سپس Bonus را انجام دهید. ❓ اگر به راهنمایی نیاز داشتید: https://eitaa.com/joinchat/956171922Cb501d5a32f ⏰ مهلت ارسال پاسخ: فردا ساعت 20:00 🔺 امروز داریم اولین قدم‌های واقعی در دسته‌بندی داده‌ها (Classification Logic) را تمرین می‌کنیم؛ مفهومی که بعدها در Machine Learning بسیار مهم خواهد بود.

✅ پاسخ چالش Day 2 یکی از راه‌حل‌های ممکن: students = { "Ali": {"credits": 70, "gpa": 17.8}, "Sara": {"credits": 95, "gpa": 18.5}, "Reza": {"credits": 40, "gpa": 15.2}, "Nima": {"credits": 120, "gpa": 18.1}, "Parsa": {"credits": 55, "gpa": 16.4}, "Arman": {"credits": 80, "gpa": 17.1}, "Mina": {"credits": 140, "gpa": 19.0}, "Ava": {"credits": 35, "gpa": 16.8}, "Yasmin": {"credits": 110, "gpa": 18.7}, "Amir": {"credits": 65, "gpa": 15.9} } student_name = input("Enter student name: ").strip().title() if student_name in students: credits = students[student_name]["credits"] gpa = students[student_name]["gpa"] if gpa >= 18: academic_level = "Excellent" elif gpa >= 16: academic_level = "Good" elif gpa >= 14: academic_level = "Average" else: academic_level = "Needs Improvement" if gpa >= 18 and credits >= 90: scholarship = "Eligible for Scholarship" else: scholarship = "Not Eligible for Scholarship" print("\nStudent Information") print("-------------------") print("Name:", student_name) print("Credits Passed:", credits) print("GPA:", gpa) print("Academic Level:", academic_level) print("Scholarship:", scholarship) else: print("Student not found") 📚 مفاهیمی که در این چالش تمرین کردیم: ✅ Variables ✅ User Input ✅ Dictionary ✅ Nested Dictionary Access ✅ Conditional Statements ✅ if / elif / else ✅ Comparison Operators ✅ Logical Operator

and

✅ Classification Logic ✅ Formatted Output 💡 نکته: در این چالش با استفاده از شرط‌ها، دانشجویان را بر اساس GPA دسته‌بندی کردیم. این نوع منطق شرطی، پایه‌ای‌ترین شکل Classification است و در مراحل بعدی یادگیری Machine Learning کاربرد زیادی دارد. 🎁 Bonus: برای بررسی بورسیه، دو شرط را هم‌زمان بررسی کردیم: GPA >= 18 Credits >= 90 اگر هر دو شرط درست باشند، دانشجو واجد شرایط Scholarship خواهد بود. 🔥 اگر راه‌حل متفاوتی نوشتید، در کامنت‌ها ارسال کنید. گاهی چندین راه‌حل مختلف برای یک مسئله وجود داره و دیدن روش‌های دیگه می‌تونه آموزنده باشه. 🔜 آماده چالش Day 3 باشید...

🔥 چالش ۳۰ روزه Python for AI #Day3 🎯 موضوع: Loops (for) ⭐️ سطح: مبتدی تا متوسط ⏳ زمان تخمینی: 15 تا 30 دقیقه 📝 صورت مسئله: در سیستم‌های تحلیلی معمولاً لازم است همه داده‌ها را بررسی کنیم. دیتاست زیر را در برنامه قرار دهید: students = { "Ali": {"credits": 70, "gpa": 17.8}, "Sara": {"credits": 95, "gpa": 18.5}, "Reza": {"credits": 40, "gpa": 15.2}, "Nima": {"credits": 120, "gpa": 18.1}, "Parsa": {"credits": 55, "gpa": 16.4}, "Arman": {"credits": 80, "gpa": 17.1}, "Mina": {"credits": 140, "gpa": 19.0}, "Ava": {"credits": 35, "gpa": 16.8}, "Yasmin": {"credits": 110, "gpa": 18.7}, "Amir": {"credits": 65, "gpa": 15.9} } برنامه باید: ✅ تعداد کل دانشجویان را نمایش دهد. ✅ میانگین GPA را محاسبه کند. ✅ دانشجویی با بیشترین GPA را پیدا کند. ✅ دانشجویی با کمترین GPA را پیدا کند. 📌 نمونه خروجی: Total Students: 10 Average GPA: 17.54 Top Student: Mina (19.0) Lowest GPA: Reza (15.2) 🎯 Bonus Challenge تعداد دانشجویانی که GPA آن‌ها بیشتر یا مساوی 18 است را محاسبه کنید. 📋 نکته: برای حل این مسئله باید روی تمام دانشجویان Loop بزنید. ⏰ مهلت ارسال پاسخ: فردا ساعت 20:00

✅ پاسخ چالش Day 3 یکی از راه‌حل‌های ممکن:👇 students = { "Ali": {"credits": 70, "gpa": 17.8}, "Sara": {"credits": 95, "gpa": 18.5}, "Reza": {"credits": 40, "gpa": 15.2}, "Nima": {"credits": 120, "gpa": 18.1}, "Parsa": {"credits": 55, "gpa": 16.4}, "Arman": {"credits": 80, "gpa": 17.1}, "Mina": {"credits": 140, "gpa": 19.0}, "Ava": {"credits": 35, "gpa": 16.8}, "Yasmin": {"credits": 110, "gpa": 18.7}, "Amir": {"credits": 65, "gpa": 15.9} } total_students = len(students) total_gpa = 0 top_student = "" top_gpa = 0 lowest_student = "" lowest_gpa = 20 scholarship_count = 0 for name, info in students.items(): gpa = info["gpa"] total_gpa += gpa if gpa > top_gpa: top_gpa = gpa top_student = name if gpa < lowest_gpa: lowest_gpa = gpa lowest_student = name if gpa >= 18: scholarship_count += 1 average_gpa = total_gpa / total_students print("Total Students:", total_students) print("Average GPA:", round(average_gpa, 2)) print("\nTop Student:") print(f"{top_student} ({top_gpa})") print("\nLowest GPA:") print(f"{lowest_student} ({lowest_gpa})") print("\nStudents with GPA >= 18:") print(scholarship_count)