🏡حذف فاصله‌های خالی(space) از ابتدا و انتهای رشته در پایتون text = " Learning Python! " convertText=text.lstrip() convertText=convertText.rstrip() print ('convert Text is: ', convertText) #Output: "Learning Python!" 🔰در زبان پایتون، برای حذف فاصله‌های خالی از ابتدای یک رشته، از متد زیر استفاده می‌کنیم؛ که مخفف Left Strip می باشد. lstrip() word = " Hello, Python! " converWord = word.lstrip() print(converWord) # Output: "Hello, Python! " 🔰و برای حذف از انتهای رشته از دستور زیر که مخفف Right Strip است، استفاده می کنیم. rstrip() word = " Hello, Python! " converWord = word.lstrip() print(converWord) # Output: " Hello, Python!" #پایتون #نکته | آموزش پایتون

🔰 «Python by Example: Learning to Program in 150 Challenges» 🔰 کتاب "پایتون با مثال: یادگیری برنامه نویسی با 150 چالش" ✅ این کتاب، مباحث پایه ای پایتون را به زبان بسیار ساده، در قالب 150 مثال عملیاتی بیان می‌کند. #معرفی_کتاب #بوک_تایم | آموزش پایتون

خروجی قطعه کد زیر کدام است؟ myList=[1, 'sara' ] myList .append ([3,'ali' ]) print(myList) 1) [1, 'sara', [3, 'ali']] 2) [1, 'ali', 3, 'ali'] 3) [3, 'ali', [1, 'sara']] 4) [3, 'ali', 1, 'sara'] ⚡️توضیحات: متد () append دقیقا عنصر داخل پرانتز را به انتهای لیست‌ اضافه می‌کند. 📌ساختار کلی: listName .append(element) 🔸listName: نام لیستی است که می‌خواهید به آن عنصر جدید اضافه کنید. 🔸element: عنصری است که می‌خواهید به لیست اضافه کنید. این عنصر می‌تواند از هر نوع داده‌ای باشد (عدد، رشته، لیست دیگر و... ). 📌 نکات مهم: 1. تغییر در لیست اصلی: متد append() لیست را به‌روزرسانی می‌کند. 2. افزودن لیست به عنوان یک عنصر: اگر یک لیست را با استفاده از append() به لیست دیگری اضافه کنید، آن لیست جدید به‌عنوان یک عنصر واحد به لیست اصلی اضافه می‌شود و نه عناصر آن. #تست_تایم | آموزش پایتون پاسخ صحیح: گزینه1

نصب کتابخانه برای نصب کتابخانه باید اینترنت متصل باشید. وارد command prompt می شویم و دستور زیر را وارد می کنیم: >>>python -V سپس دستور زیر را وارد می کنیم: >>>pip -V توجه شود که حروف python و pip کوچک هستند، یک فاصله داده شده و خط تیره(-) و کلمه V (وی) انگلیسی بزرگ است. اگر در پاسخ دستورهای بالا با خطا مواجه شدید میتواند به این خاطر باشد که در هنگام نصب پایتون تیک گزینه زیر را نزده‌اید👇 ◻️Add Python 3.9 to PATH که برای رفع آن باید یک بار نرم افزار پایتون را حذف کرده و دوباره نصب کنید و این بار تیک گزینه بالا را فعال کنید. در ادامه: >>>pip install PackageName اسم کتابخانه ای که می‌خواهید نصب کنید را به جای PackageName می‌گذارید. برای مثال میخواهید کتابخانه numpy را نصب کنید: pip install numpy و Enter را می‌زنیم، منتظر نصب کتابخانه موردنظر می‌مانیم. 🔆موارد تکمیلی در پست بعدی...👇👇👇 #کتابخانه | آموزش پایتون

موارد تکمیلی پست قبل 🔆 موارد تکمیلی وارد cmd یا همان command prompt شده، برای وارد شدن به پایتون دستورات زیر را وارد میکنیم: >>>python -V >>>pip -V سپس برای: 🔅چک کردن ماژول های نصب شده >>>pip freeze 🔅فرخوانی اطلاعات کامل ماژول ها >>>pip show PackageName 🔅به روزرسانی ماژول ها ویندوز👇 >>>pip install --upgrade PackageName مک و لینوکس👇 >>>sudo pip install --upgrade PackageName 🔅حذف و لغو نصب ماژول ویندوز👇 >>>pip uninstall PackageName مک و لینوکس👇 >>>sudo pip uninstall PackageName 📣توجه: در تمام موارد بالا به جای PackageName اسم ماژول موردنظر را باید نوشت. #کتابخانه | آموزش پایتون

انواع کتابخانه‌ها در پایتون #کتابخانه | آموزش پایتون

🔆انواع کتابخانه ها در پایتون در پایتون، کتابخانه‌ها و ماژول‌های مختلفی برای انجام انواع وظایف و قابلیت‌ها وجود دارد. برخی از مهم‌ترین آن‌ها عبارتند از: 🔅کتابخانه‌های علمی عددی الف) NumPy: برای محاسبات عددی و کار با آرایه‌های چندبعدی ب) SciPy: شامل ابزارهای علمی و عددی کاربردی، جبر خطی، بهینه‌سازی و محاسبات عددی. ج) Pandas: برای تجزیه و تحلیل داده‌ها و کار با داده‌های جدولی و دیتا فریم‌ها. 🔅کتابخانه‌های مصور سازی داده الف) Matplotlib: برای ایجاد و سفارشی‌سازی نمودارها و مصورسازی داده‌ها. ب) Seaborn: بر پایه Matplotlib ساخته شده و برای مصور سازی آماری و طراحی متنوع داده‌ها. ج) Plotly: برای مصور سازی تعاملی و نمودارهای وب. 🔅کتابخانه‌های یادگیری ماشین و هوش مصنوعی الف) Scikit-learn: برای الگوریتم‌های یادگیری ماشین و اساسی در تجزیه و تحلیل داده‌ها. ب) TensorFlow: برای یادگیری عمیق و شبکه‌های عصبی. ج) Keras: یک رابط کاربری ساده و سطح بالا برای TensorFlow و شبکه‌های عصبی. د) PyTorch: برای یادگیری عمیق و توانایی متناسب‌سازی و طراحی شبکه‌های عصبی. 🔅کتابخانه‌های وب الف) Flask: یک میکرو فریم‌ورک برای ساخت وب‌سایت‌ها و API. ب) Django: یک فریم‌ورک قدرتمند برای توسعه برنامه‌های وب با ویژگی‌های مختلف. ج) Requests: برای ارسال درخواست‌های HTTP و کار با APIها. 🔅کتابخانه‌های پردازش متن الف) NLTK: برای پردازش زبان طبیعی و تحلیل متن. ب) spaCy: یک کتابخانه سریع و مدرن برای پردازش زبان طبیعی. ج) TextBlob: برای پردازش متن و تجزیه و تحلیل احساسات. 🔅کتابخانه‌های گرافیکی الف) Tkinter: یک کتابخانه برای ایجاد رابط‌های کاربری گرافیکی (GUI). ب) Pygame: برای توسعه بازی‌های ویدئویی. 🔅کتابخانه‌های سیستم و شبکه الف) os: برای کار با سیستم فایل و اجراهای داخلی سیستم. ب) sys: برای دسترسی به متغیرهای و عملکردهای مربوط به پایتون. ج) socket: برای برقراری ارتباطات شبکه‌ای. 🔅کتابخانه‌های آزمون و تست الف) unittest: برای نوشتن تست‌های واحد. ب) pytest: یک فریم‌ورک تست محبوب برای نوشتن تست‌های پیچیده‌تر. 🔅کتابخانه‌های دیتابیس الف) SQLAlchemy: برای کار با پایگاه‌های داده رابطه‌ای. ب) SQLite: پایگاه داده سبک برای ذخیره‌سازی داده‌ها. 🔅کتابخانه‌های زمان و تاریخ الف) datetime: برای کار با تاریخ و زمان. ب) dateutil: برای پردازش و تجزیه بیشتر تاریخ. #کتابخانه | آموزش پایتون

کیا اینطوری دیباگ می‌کنند؟😂 #طنز | آموزش پایتون

👨‍💻خروجی قطعه کد بالا کدام است؟ #تست | آموزش پایتون

پاسخ صحیح: گزینهB

👩‍💻خروجی قطعه کد بالا کدام است؟ #تست_تایم | آموزش پایتون

🔆دستور Fromkeys() مقدمه در پایتون، متد ()fromkeys یک متد متعلق به کلاس dict است که برای ایجاد یک دیکشنری جدید با استفاده از یک سری کلیدها (keys) و یک مقدار پیش‌فرض (اگر تعیین شود) استفاده می‌شود. این متد به شما این امکان را می‌دهد که به سرعت دیکشنری‌ای بسازید که شامل یک یا چند کلید باشد و همه‌ی آن‌ها به یک مقدار مشخص ارجاع دهند. 🔆نحوه استفاده از fromkeys dict .fromkeys(iterable, value=None) iterable: یک لیست، مجموعه، یا هر شئ قابل تکرار که شامل کلیدهایی است که می‌خواهید در دیکشنری جدید قرار دهید. value: مقدار پیش‌فرضی که برای همه‌ی کلیدها به کار می‌رود (اختیاری). اگر مقدار مشخص نشود، None به عنوان مقدار پیش‌فرض استفاده می‌شود. 🔆مثال‌های عملی 🔅مثال 1: استفاده از fromkeys برای ایجاد دیکشنری # کلیدها keys = ['a', 'b', 'c'] # ایجاد دیکشنری با مقدار پیش‌فرض 0 new_dict = dict .fromkeys(keys, 0) print(new_dict) خروجی: {'a': 0, 'b': 0, 'c': 0} 🔅مثال 2: بدون مقدار پیش‌فرض # کلیدها keys = ['x', 'y', 'z'] # ایجاد دیکشنری با مقدار پیش‌فرض None new_dict = dict .fromkeys(keys) print(new_dict) خروجی: {'x': None, 'y': None, 'z': None} 🔗نکته مهم در استفاده از fromkeys، اگر از یک لیست به عنوان کلیدها استفاده کنید، تمام کلیدها به یک شیء واحد اشاره می‌کنند. 🔅مثال 3: استفاده از یک لیست به عنوان مقدار پیش‌فرض # کلیدها keys = ['a', 'b', 'c'] # ایجاد دیکشنری با یک لیست به عنوان مقدار پیش‌فرض new_dict = dict .fromkeys(keys, []) print(new_dict) # اضافه کردن یک عنصر به مقدار پیش فرض new_dict['a'].append(1) print(new_dict) # توجه کنید که برای همه کلیدها این تغییر اعمال می‌شود خروجی: {'a': [1], 'b': [1], 'c': [1]} در این مثال اگر شما به مقدار پیش‌فرض یک لیست یا هر شیء قابل تغییر دیگری ارجاع دهید، تغییرات برای همه‌ی کلیدها اعمال می‌شود. اگر می‌خواهید که مقادیر مستقل از هم داشته باشید، باید از یک شیء جدید برای هر کلید استفاده کنید. #بدانیم | #تست_تایم | آموزش پایتون