🔶 ماژول itertools توابعی را در اختیار قرار می‌دهد که به شما امکان ایجاد ایتریتورهای مختلف و کارهایی را که معمولا با استفاده از حلقه‌های while و for انجام می‌شوند، به راحتی و با کمترین کد ممکن را می‌دهد.

🔷 این ماژول همچنین کلاس‌هایی دارد که به شما امکان می‌دهد دو یا چند ایتریتور را ترکیب یا فیلتر کنید، ترتیب عناصر را تغییر دهید و بسیاری از عملیات‌های دیگر را بر روی ایتریتورها انجام دهید.

در کل، Itertools یک ابزار بسیار کارآمد و پرکاربرد است که به شما کمک می‌کند تا کد خود را بهینه‌تر کنید و در نتیجه عملکرد آن را بهبود بخشید.


🔸 در ادامه، به توضیح هر یک از اجزای ماژول itertools می‌پردازیم.

#itertools #iterable #iterator #Module

✍🏻 *ژنرال*

💎 Channel: @DevelopixPython

🔸 توضیح اجزای ماژول itertools
🔹 پارت یک

🔘 itertools.count(start, step)
🔸 کلاس count یک شمارنده ایجاد می کند که به طور پیش‌فرض از عدد صفر شروع می کند و به طور پیوسته به بی نهایت ادامه پیدا می کند.
🔹این کلاس در پایتون دو پارامتر اختیاری به نام‌های start و step دارد. پارامتر start مشخص می‌کند از کدام عدد باید شروع به تولید دنباله کنیم و پارامتر step تعداد فاصله‌های بین اعداد را تعیین می‌کند.

💡مثال
counter = itertools.count(30, 10)

print(next(counter)) # 30
print(next(counter)) # 40
print(next(counter)) # 50


🔘 itertools.cycle(iterable)
🔸 کلاس cycle یک iterator برای تکرار یک iterable به صورت بی‌نهایت ایجاد می‌کند.
🔹در پایتون، iterable ها نمی‌توانند تکرارپذیر باشند و برای دوباره استفاده از آن‌ها، باید iterable ها را مجدداً تعریف کرد. اما با استفاده از کلاس cycle می‌توانید به سادگی این محدودیت را نادیده بگیرید و iterable را به صورت یک حلقه نامتناهی تکرار کنید.

💡مثال
cycle = itertools.cycle([1, 2])

print(next(cycle)) # 1
print(next(cycle)) # 2
print(next(cycle)) # 1


🔘 itertools.chain(*iterables)
🔸کلاس chain دو یا چند iterable را به عنوان ورودی می‌گیرد و آن‌ها را به صورت پشت سر هم در یک iterator واحد قرار می‌دهد.

💡مثال
iterator = itertools.chain([1, 2, 3], [4, 5, 6])

for item in iterator:
print(item) # 1, 2, ..., 6

#itertools #iterable #iterator #Module

✍🏻 *ژنرال*

💎 Channel: @DevelopixPython

🔸 توضیح اجزای ماژول itertools
🔹 پارت دو

🔸 کلاس repeat یک شیء و یک تعداد بار تکرار را به عنوان ورودی می‌گیرد و تکرار این مقدار را به تعداد مشخص شده تولید می‌کند.
🔹اگر به عنوان پارامتر times مقداری داده نشود، شیء داده شده برای بی‌نهایت بار تکرار خواهد شد.

💡مثال
iterator = itertools.repeat("AnyObject", 2)

for item in iterator:
print(item) # AnyObject, AnyObject


🔘 itertools.compress(data, selectors)
🔸کلاس compress یک iterable معمولی و یک iterable از مقادیر بولین با طول برابر (با تعداد مقادیر iterable اولیه) را به عنوان ورودی می‌گیرد و فقط مقادیری را که در مقابل هر مقدار بولینی که در ورودی داده شده است True هستند، در یک iterator تولید می‌کند.


💡مثال

values = ("A", "B", "C")

bools = (True, False, True)

iterator = itertools.compress(values, bools)

for item in iterator:
print(item) # A, C


🔘 itertools.filterfalse(predicate, iterable)
🔸کلاس filterfalse یک iterator و یک تابع پذیرنده گرفته و همانند تابع filter عمل می کند، با این تفاوت که در جایگاه شرط منفی تابع پذیرنده قرار می‌گیرد.

💡مثال
iterator = itertools.filterfalse(
lambda n: n % 2 == 0,
[1, 2, 3, 4, 5]
)

for item in iterator:
print(item) # 1, 3, 5

#itertools #iterable #iterator #Module

✍🏻 *ژنرال*

💎 Channel: @DevelopixPython

🔸 توضیح اجزای ماژول itertools
🔹 پارت سه

🔘 itertools.dropwhile(predicate, iterable)
🔸کلاس dropwhile برای حذف مقادیر اول یک iterable استفاده می‌شود. با دادن یک تابع برای بررسی به عنوان پارامتر اول و یک iterable به عنوان پارامتر دوم، این کلاس مقادیر iterable را از اولین مقداری که تابع داده شده برای آن درست نیست شروع به بازگشت می‌دهد.
🔹تفاوت اصلی بین dropwhile و تابع filter این است که dropwhile اجزای iterable را به ترتیب بررسی می‌کند و تا زمانی که شرط تعیین شده توسط تابع شرطی درست باشد، اجزا را رد می‌کند. ولی filter همه اجزای iterable را بررسی می‌کند و فقط اجزایی که شرط تعیین شده را برآورده می‌کنند را برمی‌گرداند.

💡مثال
iterator = itertools.dropwhile(
lambda x: x < 3,
[1, 2, 3, 4, 5]
)

for item in iterator:
print(item) # 3, 4, 5


🔘 itertools.groupby(iterable, key)
🔸کلاس groupby برای گروه‌بندی مقادیر یک iterable بر اساس یک تابع کلید استفاده می‌شود. با دادن یک iterable به عنوان پارامتر اول و یک تابع کلید به عنوان پارامتر دوم، groupby مقادیر iterable را بر اساس مقداری که تابع کلید برای آن‌ها برمی‌گرداند، گروه‌بندی می‌کند.

💡مثال
dicts = [
{"name": "Mona", "age": 21},
{"name": "Mina", "age": 21},
{"name": "Nima", "age": 23},
{"name": "Sina", "age": 23}
]

iterator = itertools.groupby(
dicts,
key=lambda x: x["age"]
)

for key, group in iterator:
print(key, list(group))

# 21 [{'name': 'Mona', 'age': 21}, {'name': 'Mina', 'age': 21}]
# 23 [{'name': 'Nima', 'age': 23}, {'name': 'Sina', 'age': 23}]


🔘 itertools.islice(iterable, start, stop, step)
🔸کلاس islice برای ساخت یک iterator از یک iterable با طول مشخص استفاده می‌شود.
🔹با دادن یک iterable به عنوان پارامتر اول و حداقل، حداکثر و فاصله‌های بین اندیس‌ها به عنوان پارامتر دوم، سوم و چهارم، islice یک iterator از مقادیر iterable با اندیس‌های مشخص شده ایجاد می‌کند.

💡مثال
iterable = range(10)

for i in itertools.islice(iterable, 1, 8, 2):
print(i) # 1, 3, 5, 7

#itertools #iterable #iterator #Module

✍🏻 *ژنرال*

💎 Channel: @DevelopixPython

🔸 توضیح اجزای ماژول itertools
🔹 پارت چهار

🔘 itertools.tee(iterable, n)
🔸تابع tee یک iterable را به عنوان ورودی دریافت می‌کند و چندین iterator مستقل از آن ترتیب را بازگردانده می‌کند.

💡مثال
iterators = itertools.tee([1, 2, 3, 4, 5], 3)

for iterator in iterators:
print(tuple(iterator))

# (1, 2, 3, 4, 5)
# (1, 2, 3, 4, 5)
# (1, 2, 3, 4, 5)


🔘 itertools.pairwise(iterable)
🔸کلاس pairwise یک ترکیب از دو مقدار پشت سر هم در یک iterable را برمی‌گرداند. به عبارت دیگر، این کلاس دو تا دو تا مقادیر iterable را در اختیار می‌گذارد و آن‌ها را به صورت زوج‌هایی از مقادیر متوالی برمی‌گرداند.
🔹استفاده از این کلاس، نیازمند استفاده از نسخه پایتون 3.10 یا بالاتر آن است.

💡مثال
for a, b in itertools.pairwise([1, 2, 3, 4]):
print(f"{a} & {b}")

# 1 & 2
# 2 & 3
# 3 & 4


🔘 itertools.batched(iterable, n)
🔸کلاس batched به شما امکان می دهد تا یک iterable را به دسته های مشخص تقسیم کنید و هر دسته را به صورت یک tuple برگردانید.
🔹استفاده از این کلاس، نیازمند استفاده از نسخه پایتون 3.12 یا بالاتر آن است.

💡مثال

iterator = itertools.batched([1, 2, 3, 4, 5, 6], 2)

for batch in iterator:
print(batch) # (1, 2), (3, 4), (5, 6)

#itertools #iterable #iterator #Module

✍🏻 *ژنرال*

💎 Channel: @DevelopixPython

💠 واسط گرافیکی یا GUI امکان ارتباط بین کاربر و دستگاه را فراهم می‌کند و شامل عناصری مانند buttonها، menuها، text boxها و سایر المان‌های گرافیکی است. این واسط به کاربر اجازه می‌دهد تا با استفاده از موس و کیبورد به راحتی با دستگاه ارتباط برقرار کند و کارهای متفاوتی انجام دهد.

💠 در کل، GUI برای افزایش راحتی در استفاده از دستگاه‌های مختلف بسیار مهم است و تقریباً در تمامی دستگاه‌های الکترونیکی مانند تلفن همراه، تبلت، لپ‌تاپ و کامپیوتر به کار می‌رود.

💠 در ادامه، به معرفی چند واسط گرافیکی پرکاربرد و پاسخ به سوال‌های مرتبط با این حوزه می‌پردازیم.

#GUI #Tkinter #PyQt #Kivy
#واسطه_گرافیکی #طراحی_واسط_کاربری

✍🏻 *ژنرال*

💎 Channel: @DevelopixPython

💠 معرفی مختصر چند واسطه گرافیکی محبوب در پایتون

🔰 تی‌کی‌اینتر (Tkinter): این واسط گرافیکی به صورت پیش فرض در پایتون موجود و استفاده از آن بسیار ساده و آسان است. با استفاده از این واسط گرافیکی می‌توانید برنامه‌های کاربردی مختلفی را طراحی کنید.

🔰 پای کیوتی (PyQt): این واسط گرافیکی بر پایه Qt توسعه داده شده و به‌مراتب قدرتمندتر از Tkinter است. PyQt بسیاری از المان‌های گرافیکی Qt را پوشش می‌دهد و برنامه‌نویسان امکان استفاده از آن‌ها را دارند.

🔰 دبلیوایکس‌پایتون (wxPython): این واسط گرافیکی بر پایه wxWidgets توسعه داده شده است و برای ساخت برنامه‌هایی که به طور خاص برای پلتفرم‌های مختلف طراحی شده‌اند، بسیار مناسب است.

🔰 پای‌جی‌تی‌کی (PyGTK): این واسط گرافیکی بر پایه GTK+ توسعه داده شده است و اجازه می‌دهد تا برنامه‌هایی با ظاهری مدرن و کاربر پسند طراحی کنید.

🔰 کیوی (Kivy): کیوی هم یک واسط گرافیکی برای پایتون است که از OpenGL، موسیقی و صدا و تشخیص لمس پشتیبانی می‌کند. با Kivy می‌توانید برنامه‌هایی با تجربه کاربری خوب و متنوعی برای سیستم‌عامل‌های مختلف بنویسید.

✅ محبوب‌ترین واسطه‌های گرافیکی در پایتون ذکر شده‌اند؛ با این حال، واسطه‌های گرافیکی دیگری نیز وجود دارند و هر کدام از این واسط‌ها دارای قابلیت‌ها و ویژگی‌های خاص خود هستند.

#GUI #Tkinter #PyQt #Kivy #PyGTK #wxPython
#واسطه_گرافیکی

✍🏻 *ژنرال*

💎 Channel: @DevelopixPython

💠 بررسی مزایا و معایب واسطه‌های گرافیکی محبوب در پایتون

🔰Tkinter
🔺نقاط قوت:
➕ پیاده‌سازی آسان
➕ قابلیت استفاده بر روی تمامی سیستم عامل‌ها
➕ سرعت بالا در اجرای برنامه
➕ مناسب برای پروژه‌های کوچک و ساده

🔻نقاط ضعف:
➖ محدودیت در طراحی واسط کاربری پیشرفته
➖ کیفیت ظاهری پایین‌تر نسبت به واسط‌های گرافیکی پیشرفته‌تر
➖ عدم پشتیبانی از ویژگی‌هایی مانند انیمیشن و حرکت

🔰PyQt & PySide
🔺نقاط قوت:
➕ امکان طراحی واسط کاربری پیشرفته و حرفه‌ای
➕ پشتیبانی از ویژگی‌هایی مانند حرکت، انیمیشن
➕ پشتیبانی از انواع مدیا و قابلیت اجرا بر روی پلتفرم‌های مختلف

🔻نقاط ضعف:
➖ نیاز به یادگیری و استفاده از ساختارهای پیچیده
➖ وزن بالای نرم‌افزار در مقایسه با واسط‌های گرافیکی سبک‌تر

🔰Kivy
🔺نقاط قوت:
➕ قابلیت طراحی واسط کاربری دینامیک و تجربه کاربری خوب
➕ پشتیبانی از تشخیص لمس و ویدئو
➕ کاملاً متن‌باز و قابل استفاده بر روی انوع سیستم‌عامل‌های مختلف

🔻نقاط ضعف:
➖ نیاز به تجربه برنامه‌نویسی با OpenGL
➖ بزرگ بودن بسته نرم‌افزاری
➖ پایین‌بودن سرعت اجرا در مقایسه با واسط‌های دیگر

🔰PyGTK
🔺نقاط قوت:
➕ قابلیت طراحی واسط کاربری بصری
➕ پشتیبانی از چندسکویی و اسکریپتینگ ساده
➕ متن‌باز و قابل استفاده بر روی سیستم‌عامل‌های مختلف

🔻نقاط ضعف:
➖ پشتیبانی از تشخیص لمس ضعیف
➖ دارا بودن بسته نرم‌افزاری بزرگتر نسبت به واسط‌های دیگر

🔰wxPython
🔺نقاط قوت:
➕ قابلیت طراحی واسط کاربری بصری
➕ پشتیبانی از چندسکویی و بسیاری از ابزارهای اضافی
➕ انعطاف‌پذیری و قابلیت گسترش بالا
➕ متن‌باز و قابل استفاده بر روی سیستم‌عامل‌های مختلف

🔻نقاط ضعف:
➖ دارا بودن بسته نرم‌افزاری بزرگتر نسبت به واسط‌های دیگر
➖ سرعت پایین‌تر نسبت به واسط‌های دیگر

🔰PyGame
🔺نقاط قوت:
➕ سادگی استفاده و آموزش برای مبتدیان
➕ ارائه ابزارهایی برای طراحی بازی و کار با صدا و تصویر
➕ امکان استفاده از کتابخانه‌های اضافی برای افزایش قابلیت‌ها

🔻نقاط ضعف:
➖ محدودیت در قابلیت‌های گرافیکی نسبت به برخی واسط‌های گرافیکی دیگر
➖ عدم پشتیبانی از اجزای چندرسانه‌ای پیشرفته مانند ویدئو و سه بعدی
➖ پرفرمنس پایین‌تر در برخی موارد پردازشی و بازی‌های سنگین

#GUI #Tkinter #PyQt #Kivy #PyGTK #wxPython #PyGame
#واسطه_گرافیکی

✍🏻 *ژنرال*

💎 Channel: @DevelopixPython

💠 پاسخ به برخی از سوالات مطرح، درمورد واسط های گرافیکی در پایتون

❔برای طراحی واسط گرافیکی دسکتاپ، کدام گزینه بهتر است؟
✔️ در این مورد، wxPython و PyQt انتخاب‌های مناسبی هستند. هر دو این واسط های گرافیکی قابلیت طراحی رابط های کاربری پیشرفته، اتصال به پایگاه داده‌ها و استفاده از ویدئو و صوت را دارا هستند. بین این دو واسط گرافیکی، PyQt امکانات پیشرفته‌تری را برای طراحی رابط کاربری دارد و در عین حال کدنویسی آن نیز کمی ساده‌تر است. ولی با این حال، wxPython نیز در طراحی رابط‌های کاربری پیشرفته موفق عمل کرده و کدنویسی آن نیز بسیار قابل فهم است و قابلیت توسعه دارد.


❔ کدام گزینه برای طراحی واسط گرافیکی در اندروید مناسب‌تر است؟
✔️ برای طراحی واسط گرافیکی اندروید در پایتون، می‌توانید از Kivy و BeeWare استفاده کنید. هر دو ابزار قابلیت ایجاد برنامه‌های اندرویدی را در پایتون دارند و به شما این امکان را می‌دهند که با استفاده از زبان پایتون، برنامه‌های اندرویدی با ظاهری زیبا و کارایی بالا طراحی کنید.
اما در مقایسه با Flutter که به زبان Dart نوشته شده است، این ابزارها دارای قابلیت‌ها و محبوبیت کمتری در بین توسعه‌دهندگان هستند. بنابراین در صورت امکان استفاده از واسط‌های ذکر شده را به عنوان انتخاب دوم در نظر بگیرید.


❔ مدت زمان استاندارد برای یادگیری واسط‌های گرافیکی چقدر است؟
✔️ این مدت به میزان تجربه و دانش شما در زمینه برنامه‌نویسی و واسط‌های گرافیکی، و همچنین میزان زمانی که به آموزش و تمرین اختصاص می‌دهید، بستگی دارد. به طور کلی، برای یادگیری پایه‌های واسط گرافیکی در پایتون حدود یک تا دو ماه زمان و برای ایجاد برنامه‌های پیشرفته و پیچیده با استفاده از واسط‌های گرافیکی حدود چند ماه تا یکسال زمان نیاز است.


❔برای کسی که به‌تازگی در این راه قدم گذاشته است، کدام گزینه را پیشنهاد می‌دهید؟
✔️ برای این‌منظور PyQt گزینه مناسبی است. پای‌کیوتی واسط گرافیکی کارآمدی است که برای شروع کار با آن مستندات جامع و ویدئوهای آموزشی فراوانی وجود دارد. به علاوه، PyQt از Qt پشتیبانی می‌کند که یکی از قدرتمندترین چارچوب‌های واسط گرافیکی است و می‌توانید از ابزارهای طراحی واسط گرافیکی Qt به طور مستقیم در PyQt استفاده کنید.

#GUI #PyQt #wxPython
#واسطه_گرافیکی #واسطه_گرافیکی_اندروید #پاسخ_سوالات

✍🏻 *ژنرال*

💎 Channel: @DevelopixPython

📌 بررسی متدهای کاربردی ماژول random

🔶 ماژول random چیست؟
🔸 شرایطی را فرض کنید که نیاز دارید یک مقدار تصادفی تولید کنید و یا یک انتخاب رندوم داشته باشید. در این شرایط می‌توانید از ماژول random استفاده کنید.

🔻 مثلاً قرار هست یک بازی سنگ کاغذ قیچی بنویسید. اینجا تعداد حالت‌هایی که سیستم می‌تواند داشته باشه سه حالت [ سنگ(1)، کاغذ (2)، قیچی(3) ] است. مقادیر تولید شده توسط سیستم باید تصادفی باشد و قرار نیست یک عدد ثابت داده شود و سیستم هر دفعه مثلاً سنگ یا قیچی بدهد. در همچین شرایطی می‌توانیم از random استفاده کنیم.

🔶 متدها :

🔻 random()

▫️ متد random یک عدد float در بازه 0 و 1 تولید می‌کند که هیچ وقت برابر با 1 نیست.

import random
random.random()

🔻 randint()
▫️ متد randint دو پارامتر دریافت می‌کند که بازه تولید عدد تصادفی را مشخص می‌کند.

import random
random.randint(1, 50)

🔺 نکته‌ای که وجود داره اینه که اینجا بین 1 و 50 عدد رندوم تولید می‌کند که شامل عدد 50 هم می‌باشد.

🔻 randrange()
▫️ متد randrange سه پارامتر دریافت می‌کند. شروع (start)، پایان (end) و گام (step) مشخص می کند.

import random

random.randrange(50)
random.randrange(50, 100, 5)

🔺 در این کد یک عدد در بازه 0 تا 50 تولید می‌شود که تعداد گام برابر با یک است. در خط بعد یک عدد در بازه 50 تا 100 تولید می‌شود که تعداد گام برابر با 5 است.

🔺 shuffle
▫️ متد shuffle هم یک متد جالب و کاربردی است که برای به‌هم ریختن ترتیب اجزای دیتاست استفاده می‌شود. مثلا یک لیست به این ترتیب داریم.

[2, 5, 6, 3, 5]

وقتی روی لیست متد shuffle را فراخوانی می‌کنیم مقادیر داخل لیست به طور رندوم جابجا می‌شوند. مثلاً اینجا 2 اول لیست قرار داره ممکن وقتی به‌هم میریزد در ایندکس آخر قرار بگیرد.

import random

numbers = [1, 2, 3, 4]
random.shuffle(numbers)

🔺 نکته‌ای که وجود دارد این است که متد shuffle خروجی ندارد.

🔷 ادامه متدها را در پست بعدی بررسی می‌کنیم ...

#random #randint #randrange #shuffle

👤 black@root

💎 Channel: @DevelopixPython