🚀 معرفی Canvas Code: محیط کدنویسی تعاملی و قدرتمند 🎨

با Canvas Code تجربه‌ای نوین از نوشتن و اجرای کد داشته باشید!
✔️ ویرایشگر زنده با پیش‌نمایش فوری
✔️ پشتیبانی از چند زبان برنامه‌نویسی محبوب
✔️ اشتراک‌گذاری آسان پروژه در چند ثانیه
✔️ ابزارهای دیباگ و تست یکپارچه
✔️ طراحی واکنش‌گرا و کاربرپسند

همین حالا وارد دنیای کدنویسی تعاملی شوید و با Canvas Code سرعت، دقت و خلاقیت خود را به اوج برسانید!
👈 شروع کنید: لینک Canvas Code


┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛

لطفا برای حمایت از #HiTech مطالب و پست ها رو برای دوستان تون بفرستید ❤️🙏

ساخت notification با #پایتون

┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛

اینم خروجیش👨‍💻😉

Copy paste
خودکار با #Python

┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛

حذف background عکس با #پایتون 👨‍💻
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛

ساخت دیتای fake با #پایتون

┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛

اینو رای بدین ببینم داستان چیه ❤️🙏

توی HiTech Chats میتونین راجبه موضوعات مختلف صحبت کنین و تجربیات تون رو باهم به اشتراک بذارین✅💡
┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛

اگه قرار بود به HiTech یه سیستم Automation اضافه کنین چه چیزی رو بهش اضافه میکردین؟🤔
لطفا توی کامنت ها برامون بنویسین❤️🙏🏻

اگه جز دسته‌ی دومی این ویدیو رو
از دست نده😉👇

https://youtu.be/3-8drcHOj94

┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛

🥇 دستورات طلایی Pandas و NumPy که هر دیتا ساینتیستی باید بلد باشه!


1️⃣ بررسی و شناخت دیتا


✅ ستون‌ها، نوع داده، تعداد مشاهده:

df.info()

✅ آمار توصیفی:

df.describe()

✅ نمایش چند ردیف اول یا آخر:

df.head(5)
df.tail(5)

✅ شکل و ابعاد دیتافریم:

df.shape

➖ ➖ ➖

2️⃣ مدیریت داده‌های گمشده


✅ شمارش داده‌های Null هر ستون:

df.isna().sum()

✅ حذف ردیف‌هایی که داده گمشده دارن:

df.dropna(subset=['column_name'])

✅ جایگذاری مقدار جدید به جای missing values:

df.fillna({'col1': 0, 'col2': 'unknown'})

✅ پر کردن مقادیر گمشده با روش Interpolation:

df.interpolate(method='linear')

➖ ➖ ➖

3️⃣ انتخاب و فیلتر کردن دیتا


✅ انتخاب چند ستون خاص:

df[['col1', 'col2']]

انتخاب بر اساس ایندکس:

df.iloc[:, 1:5]

✅ انتخاب با لیبل:

df.loc[:, 'col1':'col5']

✅ فیلتر کردن براساس شرط:

df[df['age'] > 30]

✅ اعمال فیلتر پیچیده:

df.query('age > 30 & salary > 50000')

✅ انتخاب n ردیف با بزرگ‌ترین مقدار:

df.nlargest(5, 'value')

✅ نمونه‌گیری تصادفی:

df.sample(frac=0.1, random_state=42)

➖ ➖ ➖

4️⃣ تغییر و تبدیل دیتا


✅ گروه‌بندی داده و محاسبه میانگین:

df.groupby('category').mean()

✅ ساخت Pivot Table:

df.pivot_table(index='category', values='value', aggfunc='mean')

✅ جدول Cross Tabulation:

pd.crosstab(df.category, df.subcategory)

✅ تبدیل به تاریخ:

pd.to_datetime(df['date_column'])

✅ بازنمونه‌گیری داده‌ها:

df.resample('M').mean()

✅ استخراج ماه از ستون‌های تاریخ:

df['month'] = df['date'].dt.month

✅ محاسبه میانگین متحرک:

df.set_index('date').rolling(window=7).mean()

➖ ➖ ➖

5️⃣ دستورات مهم NumPy


✅ ساخت آرایه از یک لیست:

np.array([1, 2, 3])

✅ ایجاد آرایه صفر:

np.zeros((3, 4))

✅ ایجاد نقاط با فاصله‌ی یکسان:

np.linspace(0, 1, 100)

✅ تغییر شکل آرایه:

np.reshape(arr, (3, 4))

✅ محاسبه میانگین و انحراف معیار:

np.mean(arr, axis=0)
np.std(arr)

✅ ضرب ماتریس‌ها:

np.dot(a, b)

✅ محاسبه معکوس ماتریس:

np.linalg.inv(matrix)

➖ ➖ ➖

6️⃣ تمیز کردن و ترکیب دیتا


✅ انجام Join:

pd.merge(df1, df2, on='key')

✅ اتصال دیتافریم‌ها به همدیگه:

pd.concat([df1, df2], axis=0)

✅ حذف رکوردهای تکراری:

df.drop_duplicates()

✅ جایگذاری مقدار جدید داخل دیتا:

df.replace({'old_val': 'new_val'})

✅ استفاده از فانکشن روی ستون:

df['col'].apply(lambda x: x.lower())

✅ تبدیل نوع داده‌ها:

df.astype({'col1': 'int', 'col2': 'category'})

🌐 #علم_داده #DataScience #NumPy #ML #هوش_مصنوعی

➖➖➖➖➖➖➖➖➖➖➖➖➖➖
📊 یوتیوب HiTech :
📊 YouTube
📱 پیج اینستاگرام:
📊 Instagram

┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛

👨‍💻 خداحافظی با مشکلات کار با تاریخ و زمان در پایتون!


👨🏻‍💻 اگه همیشه با کدنویسی تاریخ و زمان در پایتون درگیر بودی، وقتشه که Pendulum رو امتحان کنی!

✅ یه نسخه پیشرفته‌تر از کتابخانه‌ی datetime داخلی پایتون هست که کار رو خیلی ساده‌تر می‌کنه.


┌ Pendulum
├ ✍️ Documentation
└ 🐱 GitHub-Repos

🌐 #علم_داده #DataScience #Python #پایتون #هایتک #HiTech

┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛

با این سایت میتونین هر چیزی رو که میخواین بنویسین و کدهاش رو به صورت HTML/CSS بگیرین
تازه همونجا هم میتونین خروجی کدهاتونو ببینین و هر تغییری که خواستین روش اعمال کنین😉

https://enzostvs-deepsite.hf.space/


┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛

توی یوتیوب 11K ویو رو زدیم🎊🎉
┏━━━━━━━━┓
〓@HiTech_Codes
┗━━━━━━━━┛

برترین کتابخونه های #پایتون برای توسعه‌ی وب

#Python #web #web_developer #Flask #Django #Fast_API #HiTech #هایتک

┏━━━━━━━━┓
〓 @HiTech_Codes
┗━━━━━━━━┛