آموزش برنامه‌نویسی پایتون و هوش مصنوعی
140 subscribers
358 photos
190 videos
41 files
172 links
🎯 یادگیری پایتون با رویکردی متفاوت
🚀 آموزش‌های کاملاً عملی و پروژه‌محور
💻 مسیر تبدیل شدن به یک برنامه‌نویس حرفه‌ای
🌟 فرقی نداره مبتدی هستی یا پیشرفته، از هر سطحی شروع کن و پایتون رو اصولی یاد بگیر
📩 ارتباط با ادمین: @YMahmoodian
09156519984
Download Telegram
class ErrorA(Exception): pass class ErrorB(Exception): pass try: raise ErrorA except ErrorA as e: raise ErrorB from e

68. تبدیل همه خطاها به RuntimeError

try: int("abc") except Exception as e: raise RuntimeError from e

69. خطا در comprehension با try داخلی

data = ["1", "x"] nums = [int(x) if x.isdigit() else 0 for x in data]

70. استفاده از logging برای ثبت خطا

import logging try: 1 / 0 except ZeroDivisionError: logging.exception("Error occurred")

71. جلوگیری از خطا با isinstance

x = "5" if isinstance(x, int): print(x + 1) else: print("Not int")

72. گرفتن MemoryError

try: x = "a" * (10**10) except MemoryError: print("Out of memory")

73. استفاده از atexit برای تمیزکاری

import atexit atexit.register(lambda: print("Cleaning up")) raise RuntimeError

74. گرفتن خطای OSError

import os try: os.remove("nofile.txt") except OSError as e: print("OS error:", e)

75. گرفتن خطای RuntimeError

try: raise RuntimeError("Something bad happened") except RuntimeError as e: print(e)

76. گرفتن خطای ValueError در map

data = ["1", "x", "2"] try: list(map(int, data)) except ValueError as e: print(e)

77. مدیریت خطا در yield generator

def gen(): try: yield 1 / 0 except ZeroDivisionError: yield 0 print(list(gen()))

78. بازگرداندن پیام خطا به کاربر

def safe_div(a, b): try: return a / b except ZeroDivisionError as e: return str(e) print(safe_div(1, 0))

79. استفاده از exit هنگام خطا

import sys try: raise ValueError except ValueError: sys.exit("Fatal error")

80. مدیریت خطای JSON

import json try: json.loads("{bad json}") except json.JSONDecodeError: print("Invalid JSON")

بخش ۵ – فوق‌پیشرفته و ترکیبی (سوال ۸۱ تا ۱۰۰)

81. گرفتن خطا در چند سطح تابع

def a(): b() def b(): c() def c(): 1 / 0 try: a() except ZeroDivisionError: print("Caught")

82. گرفتن خطای UnicodeDecodeError

try: open("file.txt", encoding="ascii").read() except UnicodeDecodeError: print("Encoding error")

83. خطای UnicodeEncodeError

try: "سلام".encode("ascii") except UnicodeEncodeError: print("Cannot encode")

84. گرفتن خطای IndexError و پیام

try: [1, 2][5] except IndexError as e: print(e)

85. گرفتن خطای KeyError با مقدار پیش‌فرض

d = {"a": 1} try: print(d["b"]) except KeyError: print("Default value")

86. مدیریت چند خطا در حلقه بزرگ

items = [1, 0, "x"] for i in items: try: print(10 / i) except (TypeError, ZeroDivisionError) as e: print("Error:", e)

87. خطا در بازکردن URL

import urllib.request try: urllib.request.urlopen("http://invalid.url") except Exception as e: print("URL error:", e)

88. بازنشر خطا بعد از لاگ کردن

try: 1 / 0 except ZeroDivisionError as e: print("Logging:", e) raise

89. گرفتن خطا در threading

import threading def task(): raise ValueError t = threading.Thread(target=task) t.start() t.join() print("Thread done (error not caught here)")

90. گرفتن خطا در multiprocessing

from multiprocessing import Process def task(): raise ValueError p = Process(target=task) p.start() p.join() print("Process ended")

91. استفاده از try در context manager

class MyCM: def enter(self): return self def exit(self, exc_type, exc, tb): print("Error type:", exc_type) with MyCM(): 1 / 0

92. جلوگیری از توقف برنامه با except گسترده

while True: try: 1 / int(input("Number: ")) except: print("Error")

93. ذخیره جزئیات خطا در فایل

import traceback try: 1 / 0 except: with open("error.log", "w") as f: traceback.print_exc(file=f)

94. استفاده از traceback.format_exc()

import traceback try: 1 / 0 except: print(traceback.format_exc())

95. خطای EOFError در ورودی

try: input() except EOFError: print("No input")

96. خطای OverflowError

try: import math math.exp(1000) except OverflowError: print("Too large")

97. گرفتن خطای NotImplementedError

def f(): raise NotImplementedError try: f() except NotImplementedError: print("Not implemented")

98. گرفتن خطای ZeroDivisionError در float

try: 1.0 / 0.0 except ZeroDivisionError: print("Float division by zero")

99. گرفتن خطای socket

import socket try: socket.socket().connect(("invalid", 80)) except Exception as e: print("Socket error:", e)

100. گرفتن تمام خطاها و ادامه کار
for x in [1, 0, "x"]: try: print(10 / x) except Exception as e: print("Error:", e)
فصل کلاس‌ها و شیءگرایی (OOP)

بخش ۱ – مفاهیم پایه کلاس (سوال ۱ تا ۲۰)
1. تعریف یک کلاس ساده
class Person: pass
2. ایجاد شی از کلاس
class Person: pass p = Person()
3. افزودن ویژگی به شی بعد از ایجاد
class Person: pass p = Person() p.name = "Ali"
4. متد سازنده init
class Person: def __init__(self, name): self.name = name
5. ایجاد دو شی با مقادیر متفاوت
p1 = Person("Ali") p2 = Person("Sara")
6. افزودن متد به کلاس
class Person: def say_hello(self): print("Hello!")
7. متد با استفاده از ویژگی داخلی
class Person: def __init__(self, name): self.name = name def greet(self): print(f"Hello {self.name}")
8. تغییر ویژگی بعد از ساخت شی
p = Person("Ali") p.name = "Reza"
9. حذف ویژگی با del
del p.name
10. متد با پارامتر ورودی
class Calculator: def add(self, x, y): return x + y
11. استفاده از self برای دسترسی به ویژگی‌ها
class Counter: def __init__(self): self.count = 0 def inc(self): self.count += 1
12. ایجاد ویژگی پیش‌فرض
class Person: def __init__(self, name="Unknown"): self.name = name
13. نماstrار شی با __str__
class Person: def __init__(self, name): self.name = name def __str__(self): return f"Person({self.name})"
14. استفاده از __repr__ برای نreprی
class Person: def __repr__(self): return "Person object"
15. مقایسه اinit_eq__
class Person: def __init__(self, name): self.name = name def __eq__(self, other): return self.name == other.name
16. شمارش تعداد اشیای ساinitclass Person: count = 0 def __init__(self): Person.count += 1
17. ویژگی کلاس در مقابل ویژگی شی
class A: x = 10 a1 = A() a2 = A() a1.x = 20
18. پاک کردن ویژگی کلاس
del A.x
19. استفاده از docstring در کلاس
class Person: """This class represents a person."""
20. بررسی نوع شی با isinstance
isinstance(p, Person)
21. متد کلاس (@classmethod)
class MyClass: count = 0 @classmethod def inc(cls): cls.count += 1
22. استفاده از متد کلاس برای ساخت شی
class Person: def __init__(self, name): self.name = name @classmethod def from_list(cls, names): return [cls(name) for name in names]
23. متد استاتیک (@staticmethod)
class Math: @staticmethod def add(a, b): return a + b
24. تفاوت متد استاتیک و کلاس
Math.add(2, 3) # بدون نیاز به self یا cls
25. ویژگی خصوصی با دو خط زیر
class Person: def __init__(self, name): self.__name = name
26. متد خصوصی با دو خط زیر
class Person: def __secret(self): print("Hidden")
27. دسترسی به ویژگی خصوصی با name mangling
p._Person__name
28. ویژگی فقط خواندنی با property
class Person: def __init__(self, age): self._age = age @property def age(self): return self._age
29. ویژگی خواندنی/نوشتنی با setter
class Person: @property def name(self): return self._name @name.setter def name(self, value): self._name = value
30. حذف ویژگی با deleter
class Person: @property def name(self): return self._name @name.deleter def name(self): del self._name
31. شمارش اشیا با متد کلاس
class Person: count = 0 def __init__(self): Person.count += 1 @classmethod def total(cls): return cls.count
32. اضافه کردن ویژگی به صورت داینامیک
p = Person() setattr(p, "age", 25)
33. گرفتن مقدار ویژگی به صورت داینامیک
getattr(p, "age")
34. بررسی وجود ویژگی
hasattr(p, "age")
35. حذف ویژگی داینامیک
delattr(p, "age")
36.dirه از متد __dir__
dir(p)
37. ذخیره‌سازی همه اشیا در یک لیست
class Person: all_objects = [] def __init__(self): Person.all_objects.append(self)
38. شمdictویژdict __dict__
p.__dict__
39. تغییر ویژگی کلاس در تمام اشیا
Person.count = 100
40. تعریف متدهای متعدد برای یک کلاس
class Person: def greet(self): pass def walk(self): pass
بخش ۳ – وراثت و چندریختی (سوال 41 تا 60)
41. تعریف کلاس فرزند
class Animal: pass class Dog(Animal): pass
42. وراثت سازنده والد
class Animal: def __init__(self, name): self.name = name class Dog(Animal): def __init__(self, name, breed): super().__init__(name) self.breed = breed
43. متد override در کلاس فرزند
class Dog(Animal): def speak(self): print("Woof!")
44. استفاده از super() برای فراخوانی متد والد
class Dog(Animal): def speak(self): super().speak() print("Woof!")
45. چندریختی با متد مشترک
for animal in [Dog(), Cat()]: animal.speak()
46. چند وراثتی
class A: pass class B: pass class C(A, B): pass
47. ترتیب جستجوی متدها (MRO)
C.mro()
48. متد کلاس والد در چند وراثتی
super(A, self).method()
49. کلاس انتزاعی با abc
from abc import ABC, abstractmethod class Shape(ABC): @abstractmethod def area(self): pass
50. پیاده‌سازی کلاس انتزاعی
class Circle(Shape): def area(self): return 3.14 * r * r
51. استفاده از متدهای انتزاعی در چندریختی
shapes = [Circle(), Square()] for s in shapes: print(s.area())
52. جلوگیری از وراثت باinit
class Final(type): def __init__(cls, name, bases, attrs): for base in bases: if isinstance(base, Final): raise TypeError("Can't inherit")
53. ارث‌برbasesای کلاس والد
print(Dog.__bases__)
54. اضافه کردن ویژگی به والد و دیدن در فرزند
Animal.legs = 4
55. تغییر ویژگی کلاس والد از فرزند
Dog.legs = 3
56. استفاده از isinstance برای بررسی نوع فرزند
isinstance(Dog(), Animal)
57. استفاده از issubclass برای بررسی وراثت
issubclass(Dog, Animal)
58. چندریختی با __str__
print([str(obj) for obj in [Dog(), Cat()]])
59. سازنده خالی در کلاس فرزند
class Dog(Animal): pass
60. متد والد بدون تغییر در فرزند
Dog().parent_method()
بخش ۴ – ویژگی‌های پیشرفته (سوال 61 add61. استفاده از متدهinitی __add__
class Vector: def __init__(self, x): self.x = x def __add__(self, other): return Vector(self.x + other.x)
62. متد جادویی __len__
def __len__(self): return len(self.items)
63. متد جادویی __getitem__
def __getitem__(self, index): return self.data[index]
64. متد جادویی __setitem__
def __setitem__(self, index, value): self.data[index] = value
65. متد جادiterer__
def __iter__(self): return iter(self.data)
66. متدcall__call__
def __call__(self): print("Object called")
67.enterیی exit_ و __exit__ برای context manager
class MyFile: def __enter__(self): pass def __exit__(self, exc_type, exc, tb): pass
68. استفاده از context manager در کلاس
with MyFile() as f: pass
69. متد جادویی __delرای تخریب شی
def __del__(self): print("Deleted")
70. ذخیره و بارگذاری شی با pickle
import pickle pickle.dump(obj, open("obj.pkl", "wb"))
71. بارگذاری شی pickle شده
obj = pickle.load(open("obj.pkl", "rb"))
72. استفاده از اسلات‌ها برای صرفه‌جslots
class Person: __slots__ = ['name', 'age']
73. contains_contains__
def __contains__(self, item): return item in self.data
74. متد جادویی __bool__
def __bool__(self): return bool(self.value)
75. متد جادویی __hash__
def __hash__(self): return hash(self.name)
76. متد جادویی __lt__ برای مرتب‌سازی
def __lt__(self, other): return self.value < other.value
77. initاز کلاس به عنوان دکوراتور
class MyDeco: def __init__(self, func): self.func = func def __call__(self, *a, **kw): return self.func(*a, **kw)
78. کلاس با متدهای classmethod و staticmethod ترکیبی
class Utility: @classmethod def cls_method(cls): pass @staticmethod def static_method(): pass
79. استفاده از کلاس به عنوان context manager پیشرفته
with Utility() as u: pass
80. اجرای خودکار متد در سازنده
class AutoRun: def __init__(self): self.run()
بخش ۵ – ترکیبی و کاربردی (سوال 81 تاinit. مدل‌سازی بانک با کلاس حساب
class BankAccount: def __init__(self, balance=0): self.balance = balance def deposit(self, amount): self.balance += amount
82. افزودن برداشت به کلاس حساب
def withdraw(self, amount): if amount <= self.balance: self.balance -= amount
83. کلاس مدیریت دانشجو
class Student: def __init__(self, name, grades=[]): self.name = name self.grades = grades
84. افزودن متد معدل‌گیری
def average(self): return sum(self.grades) / len(self.grades)
85. سیستم لاگین ساده
class User: def __init__(self, username, password): self.username = username self.password = password def check_password(self, pwd): return self.password == pwd
86. کلاس ماشین با متد رانندگی
class Car: def __init__(self, model): self.model = model def drive(self): print(f"{self.model} is driving")
87. کلاس کتابخانه با افزودن کتاب
class Library: def __init__(self): self.books = [] def add_book(self, book): self.books.append(book)
88. حذف کتاب از کتابخانه
def remove_book(self, book): self.books.remove(book)
89. سیستم سفارش آنلاین با کلاس Order
class Order: def __init__(self, items): self.items = items def total(self): return sum(price for _, price in self.items)
90. اضافه کردن تخفیف به سفارش
def apply_discount(self, percent): return self.total() * (1 - percent/100)
91. کلاس تایمر با time
import time class Timer: def start(self): self.start_time = time.time() def stop(self): print(time.time() - self.start_time)
92. کلاس add با عملگر +
class Counter: def __init__(self, value): self.value = value def __add__(self, other): return Counter(self.value + other.value)
93. کلاس Logger که به فایل می‌نویسد
class Logger: def log(self, msg): with open("log.txt", "a") as f: f.write(msg + "\n")
94. کلاس EmailSender
class EmailSender: def send(self, to, subject, body): print(f"Sending to {to}: {subject}")
95. کلاس با ویژگی محاسبه‌شونده
class Rectangle: def __init__(self, w, h): self.w, self.h = w, h @property def area(self): return self.w * self.h
96. کلاس ذخیره داده JSON
import json class DataStore: def save(self, data): json.dump(data, open("data.json", "w"))
97. کلاس بارگذاری داده JSON
def load(self): return json.load(open("data.json"))
98. کلاس مدیریت تنظیمات
class Config: settings = {} @classmethod def set(cls, key, value): cls.settings[key] = value
99. کلاس Singleton
class Singleton: _instance = None def __new__(cls): if not cls._instance: cls._instance = super().__new__(cls) return cls._instance
100. کلاس Factory برای ساخت اشیا
class Factory: @staticmethod def create(cls, *args, **kwargs): return cls(*args, **kwargs)
فصل ماژول‌ها و کتابخانه‌ها
1. ساخت یک ماژول ساده
# file: mymodule.py def greet(): print("Hello from module!")
2. ایمپورت ماژول
import mymodule mymodule.greet()
3. ایمپورت با نام مستعار
import mymodule as mm mm.greet()
4. ایمپورت فقط یک تابع
from mymodule import greet greet()
5. ایمپورت چند تابع
from mymodule import greet, another_func
6. استفاده از * برای ایمپورت همه
from mymodule import *
7. مکان پیش‌فرض جستجوی ماژول‌ها
import sys print(sys.path)
8. اضافه کردن مسیر جدید به sys.path
sys.path.append("/path/to/module")
9. استفاده از name برای شناسایی اجرای مستقیم
if __name__ == "__main__": greet()
10. بارگذاری دوباره ماژول
import importlib importlib.reload(mymodule)
11. تعریف متغیر در ماژول و استفاده در برنامه اصلی
# mymodule.py x = 10
12. تغییر متغیر ماژول از برنامه اصلی
mymodule.x = 20
13. ایجاد ماژول با کلاس
# mymodule.py class MyClass: pass
14. استفاده از کلاس ماژول
obj = mymodule.MyClass()
15. استفاده از تابع help برای ماژول
help(mymodule)
16. دیدن محل فایل ماژول
print(mymodule.__file__)
17. ساخت ماژول با کد اجرای مستقیم
# mymodule.py if __name__ == "__main__": print("Running module directly")
18. استفاده از dir() برای لیست توابع ماژول
dir(mymodule)
19. ماژول با داک‌استرینگ
"""My custom module for greeting users"""
20. استفاده از as برای تغییر نام ماژول وارد شده
import math as m print(m.sqrt(9))
بخش ۲ – کتابخانه‌های استاندارد پایتون (سوال 21 تا 50)
21. استفاده از math برای عملیات ریاضی
import math print(math.sqrt(16))
22. استفاده از random برای تولید عدد تصادفی
import random print(random.randint(1, 10))
23. انتخاب تصادفی از لیست
random.choice([1, 2, 3])
24. استفاده از datetime برای تاریخ و زمان
import datetime print(datetime.datetime.now())
25. تبدیل رشته به تاریخ
datetime.datetime.strptime("2025-08-14", "%Y-%m-%d")
26. کار با os برای دسترسی به فایل‌ها
import os print(os.listdir("."))
27. ساخت پوشه جدید با os
os.mkdir("new_folder")
28. حذف فایل با os
os.remove("file.txt")
29. استفاده از sys برای دریافت آرگومان‌ها
import sys print(sys.argv)
30. استفاده از json برای ذخیره‌سازی داده
import json json.dump({"name": "Ali"}, open("data.json", "w"))
31. بارگذاری داده JSON
data = json.load(open("data.json"))
32. استفاده از csv برای نوشتن فایل CSV
import csv with open("data.csv", "w") as f: writer = csv.writer(f) writer.writerow(["name", "age"])
33. خواندن فایل CSV
with open("data.csv") as f: reader = csv.reader(f) for row in reader: print(row)
34. استفاده از shutil برای کپی فایل
import shutil shutil.copy("data.csv", "backup.csv")
35. استفاده از glob برای یافتن فایل‌ها
import glob print(glob.glob("*.py"))
36. استفاده از pathlib برای مدیریت مسیرها
from pathlib import Path p = Path("test.txt") p.write_text("Hello")
37. استفاده از statistics برای محاسبه میانگین
import statistics statistics.mean([1, 2, 3])
38. فشرده‌سازی فایل با zipfile
import zipfile with zipfile.ZipFile("archive.zip", "w") as z: z.write("data.csv")
39. استخراج فایل zip
with zipfile.ZipFile("archive.zip", "r") as z: z.extractall("folder")
40. استفاده از time برای محاسبه زمان اجرا
import time start = time.time() time.sleep(1) print(time.time() - start)
41. استفاده از itertools برای تولید ترکیب‌ها
import itertools list(itertools.combinations([1,2,3], 2))
42. استفاده از functools برای دکوراتور cache
from functools import lru_cache @lru_cache() def slow(): pass
43. استفاده از operator برای عملیات سریع‌تر
import operator operator.add(2, 3)
44. استفاده از collections.Counter
from collections import Counter Counter("banana")
45. استفاده از namedtuple
from collections import namedtuple Point = namedtuple("Point", "x y") p = Point(1, 2)
46. استفاده از defaultdict
from collections import defaultdict d = defaultdict(int)
47. استفاده از re برای جستجوی الگو
import re re.findall(r"\d+", "abc123")
48. استفاده از hashlib برای هش کردن
import hashlib hashlib.sha256(b"test").hexdigest()
49. استفاده از tempfile برای ساخت فایل موقت
import tempfile with tempfile.NamedTemporaryFile() as tmp: print(tmp.name)
50. استفاده از uuid برای تولید شناسه یکتا
import uuid print(uuid.uuid4())
51. نصب کتابخانه با pip
pip install requests
52. بررسی نسخه کتابخانه نصب‌شده
pip show requests
53. به‌روزرسانی کتابخانه
pip install --upgrade requests
54. استفاده از requests برای گرفتن یک صفحه وب
import requests r = requests.get("https://example.com") print(r.text)
55. ارسال داده با POST در requests
requests.post("https://example.com", data={"key": "value"})
56. دانلود فایل با requests
r = requests.get("https://example.com/file.zip") open("file.zip", "wb").write(r.content)
57. استفاده از pandas برای خواندن CSV
import pandas as pd df = pd.read_csv("data.csv") print(df.head())
58. استفاده از pandas برای ذخیره CSV
df.to_csv("output.csv", index=False)
59. استفاده از numpy برای آرایه‌ها
import numpy as np arr = np.array([1,2,3])
60. استفاده از numpy برای عملیات برداری
arr * 2
61. استفاده از matplotlib برای ترسیم نمودار
import matplotlib.pyplot as plt plt.plot([1,2,3], [4,5,6]) plt.show()
62. استفاده از seaborn برای گراف پیشرفته
import seaborn as sns sns.histplot([1,2,3,4])
63. استفاده از openpyxl برای کار با اکسل
from openpyxl import Workbook wb = Workbook() ws = wb.active ws["A1"] = "Hello" wb.save("file.xlsx")
64. استفاده از Pillow برای کار با تصویر
from PIL import Image img = Image.open("pic.jpg") img.show()
65. تغییر اندازه تصویر با Pillow
img = img.resize((100, 100))
66. ذخیره تصویر تغییر یافته
img.save("small.jpg")
67. استفاده از moviepy برای ویرایش ویدئو
from moviepy.editor import VideoFileClip clip = VideoFileClip("video.mp4") clip.subclip(0, 10).write_videofile("short.mp4")
68. استفاده از tqdm برای نوار پیشرفت
from tqdm import tqdm for i in tqdm(range(100)): pass
69. استفاده از rich برای چاپ رنگی
from rich import print print("[bold red]Error[/bold red]")
70. استفاده از pyttsx3 برای تبدیل متن به گفتار
import pyttsx3 engine = pyttsx3.init() engine.say("Hello") engine.runAndWait()
71. استفاده از SpeechRecognition برای تبدیل گفتار به متن
import speech_recognition as sr
72. استفاده از beautifulsoup برای استخراج داده HTML
from bs4 import BeautifulSoup soup = BeautifulSoup("<p>Hello</p>", "html.parser")
73. پیدا کردن تگ‌ها با BeautifulSoup
soup.find("p").text
74. استفاده از flask برای ساخت API
from flask import Flask app = Flask(__name__) @app.route("/") def home(): return "Hello"
75. اجرای سرور Flask
flask run
بخش ۴ – ساخت پکیج اختصاصی (سوال 76 تا 100)
76. ساخت پوشه پکیج
my_package/ __init__.py module1.py
77. محتوای init.py
from .module1 import func
78. ساخت یک تابع در module1.py
def func(): print("From module1")
79. ایمپورت پکیج در برنامه اصلی
import my_package my_package.func()
80. ساخت پکیج چند سطحی
my_package/ sub_package/ __init__.py
81. استفاده از setup.py برای نصب پکیج
from setuptools import setup, find_packages setup(name="my_package", packages=find_packages())
82. نصب پکیج محلی
pip install .
83. ساخت فایل README برای پکیج
# My Package This package does amazing things.
84. استفاده از requirements.txt
requests pandas
85. نصب همه وابستگی‌ها از فایل
pip install -r requirements.txt
86. استفاده از virtualenv برای محیط مجازی
python -m venv env
87. فعال‌سازی محیط مجازی (ویندوز)
env\Scripts\activate
88. فعال‌سازی محیط مجازی (لینوکس/مک)
source env/bin/activate
89. خروج از محیط مجازی
deactivate
90. استفاده از poetry برای مدیریت پکیج‌ها
poetry init
91. اضافه کردن پکیج با poetry
poetry add requests
92. قفل کردن نسخه‌های پکیج
pip freeze > requirements.txt
93. نصب نسخه دقیق پکیج
pip install requests==2.28.1
94. حذف پکیج
pip uninstall requests
95. جستجوی پکیج در PyPI
pip search flask
96. استفاده از importlib.metadata برای نسخه پکیج
import importlib.metadata print(importlib.metadata.version("requests"))
97. لیست کردن همه پکیج‌ها
pip list
98. نصب پکیج از GitHub
pip install git+https://github.com/user/repo.git
99. استفاده از بسته zip نصب‌شده
pip install mypackage.zip
100. ساخت و آپلود پکیج در PyPI
python setup.py sdist twine upload dist/*
فصل کار با داده‌ها (Data Manipulation)
1. شمارش تعداد کاراکتر در رشته
text = "Python" print(len(text))
2. تغییر به حروف بزرگ
print("python".upper())
3. تغییر به حروف کوچک
print("PYTHON".lower())
4. اولین حرف بزرگ هر کلمه
print("hello world".title())
5. حذف فاصله‌های اضافی ابتدا و انتها
print(" hello ".strip())
6. جایگزینی یک کلمه در متن
print("I like Java".replace("Java", "Python"))
7. شمارش تعداد یک کلمه
print("python python java".count("python"))
8. بررسی وجود یک کلمه
print("python" in "I like python programming")
9. بررسی شروع شدن رشته با کلمه خاص
print("python programming".startswith("python"))
10. بررسی پایان یافتن رشته با کلمه خاص
print("python programming".endswith("programming"))
11. تقسیم رشته بر اساس فاصله
print("a b c".split())
12. ترکیب لیست رشته‌ها با جداکننده
print("-".join(["2025", "08", "14"]))
13. پیدا کردن موقعیت اولین occurrence
print("hello python".find("python"))
14. پیدا کردن موقعیت آخرین occurrence
print("python python".rfind("python"))
15. بررسی فقط عدد بودن رشته
print("12345".isdigit())
16. بررسی فقط حروف بودن رشته
print("Hello".isalpha())
17. بررسی ترکیب حروف و اعداد
print("Hello123".isalnum())
18. حذف همه فاصله‌ها در متن
print("a b c".replace(" ", ""))
19. برعکس کردن متن
print("python"[::-1])
20. شمارش تعداد حروف یونیک در متن
print(len(set("banana")))
21. مجموع یک لیست عددی

print(sum([1, 2, 3, 4]))

22. میانگین یک لیست عددی

nums = [1, 2, 3, 4]
print(sum(nums) / len(nums))

23. بزرگ‌ترین عدد در لیست

print(max([3, 8, 5]))

24. کوچک‌ترین عدد در لیست

print(min([3, 8, 5]))

25. پیدا کردن قدرمطلق یک عدد

print(abs(-10))

26. گرد کردن به عدد صحیح

print(round(4.7))

27. گرد کردن با تعداد اعشار خاص

print(round(3.14159, 2))

28. توان رساندن عدد

print(pow(2, 3))

29. ریشه دوم عدد

import math
print(math.sqrt(16))

30. محاسبه فاکتوریل

import math
print(math.factorial(5))

31. پیدا کردن عدد تصادفی بین دو عدد

import random
print(random.randint(1, 10))

32. انتخاب تصادفی یک عضو از لیست

import random
print(random.choice(["apple", "banana", "cherry"]))

33. مرتب‌سازی لیست عددی

nums = [5, 2, 9, 1]
nums.sort()
print(nums)

34. مرتب‌سازی نزولی

nums = [5, 2, 9, 1]
nums.sort(reverse=True)
print(nums)

35. محاسبه مجموع مربعات اعداد

nums = [1, 2, 3]
print(sum(x**2 for x in nums))

36. پیدا کردن مد (mode) داده‌ها

from statistics import mode
print(mode([1, 2, 2, 3]))

37. پیدا کردن میانه (median)

from statistics import median
print(median([1, 3, 2]))

38. پیدا کردن واریانس

from statistics import variance
print(variance([2, 4, 6, 8]))

39. پیدا کردن انحراف معیار

from statistics import stdev
print(stdev([2, 4, 6, 8]))

40. نرمال‌سازی داده‌ها به بازه 0 تا 1

nums = [10, 20, 30]
min_val, max_val = min(nums), max(nums)
normalized = [(x - min_val) / (max_val - min_val) for x in nums]
print(normalized)


---

بخش ۳ – پردازش لیست‌ها و دیکشنری‌ها (سوال 41 تا 60)

41. حذف تکراری‌ها از لیست

nums = [1, 2, 2, 3]
print(list(set(nums)))

42. شمارش عناصر با Counter

from collections import Counter
print(Counter(["a", "b", "a", "c"]))

43. مرتب‌سازی دیکشنری بر اساس کلید

data = {"b": 2, "a": 1}
print(dict(sorted(data.items())))

44. مرتب‌سازی دیکشنری بر اساس مقدار

data = {"b": 2, "a": 1}
print(dict(sorted(data.items(), key=lambda x: x[1])))

45. ترکیب دو لیست به صورت جفت

names = ["Ali", "Sara"]
ages = [25, 30]
print(list(zip(names, ages)))

46. تبدیل دو لیست به دیکشنری

names = ["Ali", "Sara"]
ages = [25, 30]
print(dict(zip(names, ages)))

47. فیلتر عناصر بزرگ‌تر از 10

nums = [5, 12, 7, 20]
print(list(filter(lambda x: x > 10, nums)))

48. اعمال تابع روی همه عناصر

nums = [1, 2, 3]
print(list(map(lambda x: x**2, nums)))

49. ادغام دو دیکشنری

a = {"x": 1}
b = {"y": 2}
print({a, b})

50. دیکشنری با مقادیر پیش‌فرض

from collections import defaultdict
d = defaultdict(int)
d["apple"] += 1
print(d)

51. حذف مقدار None از دیکشنری

data = {"a": 1, "b": None}
print({k: v for k, v in data.items() if v is not None})

52. پیدا کردن بیشترین مقدار دیکشنری

data = {"a": 10, "b": 5}
print(max(data, key=data.get))

53. گروه‌بندی داده‌ها با groupby

from itertools import groupby
data = sorted(["apple", "apricot", "banana"])
for k, g in groupby(data, key=lambda x: x[0]):
print(k, list(g))

54. معکوس کردن کلید و مقدار دیکشنری

data = {"a": 1, "b": 2}
print({v: k for k, v in data.items()})

55. بررسی وجود مقدار خاص در دیکشنری

data = {"a": 1, "b": 2}
print(2 in data.values())

56. ایجاد لیست از 1 تا 10

print(list(range(1, 11)))

57. ضرب همه عناصر لیست

import math
print(math.prod([1, 2, 3, 4]))

58. لیست comprehension برای توان دو

print([x**2 for x in range(5)])

59. لیست comprehension با شرط

print([x for x in range(10) if x % 2 == 0])

60. صاف کردن لیست تو در تو

nested = [[1, 2], [3, 4]]
print([x for sub in nested for x in sub])


---

بخش ۴ – پردازش داده‌های فایل و فرمت‌ها (سوال 61 تا 80)

61. خواندن CSV به لیست دیکشنری‌ها

import csv
with open("data.csv") as f:
reader = csv.DictReader(f)
print(list(reader))

62. نوشتن دیکشنری‌ها در CSV

import csv
rows = [{"name": "Ali", "age": 25}, {"name": "Sara", "age": 30}]
with open("data.csv", "w", newline="") as f:
writer = csv.DictWriter(f, fieldnames=["name", "age"])
writer.writeheader()
writer.writerows(rows)

63. خواندن JSON

import json
with open("data.json") as f:
print(json.load(f))

64. نوشتن JSON با indent

import json
data = {"name": "Ali", "age": 25}
with open("data.json", "w") as f:
json.dump(data, f, indent=4)
65. خواندن Excel با pandas

import pandas as pd
df = pd.read_excel("data.xlsx")
print(df)

66. نوشتن DataFrame به Excel

import pandas as pd
df = pd.DataFrame({"A": [1, 2], "B": [3, 4]})
df.to_excel("data.xlsx", index=False)

67. ادغام دو CSV با pandas

import pandas as pd
df1 = pd.read_csv("data1.csv")
df2 = pd.read_csv("data2.csv")
print(pd.concat([df1, df2]))

68. گروه‌بندی داده‌ها در pandas

import pandas as pd
df = pd.DataFrame({"cat": ["A", "A", "B"], "val": [1, 2, 3]})
print(df.groupby("cat")["val"].sum())

69. مرتب‌سازی داده‌ها در pandas

import pandas as pd
df = pd.DataFrame({"A": [3, 1, 2]})
print(df.sort_values("A"))

70. فیلتر داده‌ها در pandas

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3]})
print(df[df["A"] > 1])

71. حذف مقادیر NaN

import pandas as pd
df = pd.DataFrame({"A": [1, None, 3]})
print(df.dropna())

72. پر کردن مقادیر NaN

import pandas as pd
df = pd.DataFrame({"A": [1, None, 3]})
print(df.fillna(0))

73. ذخیره pandas DataFrame به JSON

import pandas as pd
df = pd.DataFrame({"A": [1, 2]})
df.to_json("data.json", orient="records")

74. خواندن JSON به pandas

import pandas as pd
df = pd.read_json("data.json")
print(df)

75. محاسبه آمار توصیفی در pandas

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3]})
print(df.describe())

76. تغییر نام ستون‌ها

import pandas as pd
df = pd.DataFrame({"a": [1], "b": [2]})
df.rename(columns={"a": "A", "b": "B"}, inplace=True)
print(df)

77. ذخیره به CSV بدون ایندکس

import pandas as pd
df = pd.DataFrame({"A": [1, 2]})
df.to_csv("data.csv", index=False)

78. حذف ستون از DataFrame

import pandas as pd
df = pd.DataFrame({"A": [1], "B": [2]})
df.drop(columns=["B"], inplace=True)
print(df)

79. اضافه کردن ستون جدید

import pandas as pd
df = pd.DataFrame({"A": [1, 2]})
df["B"] = [3, 4]
print(df)

80. محاسبه ستون جدید بر اساس ستون‌های دیگر

import pandas as pd
df = pd.DataFrame({"A": [1, 2], "B": [3, 4]})
df["C"] = df["A"] + df["B"]
print(df)


---

بخش ۵ – کار با داده‌های جدولی و پیشرفته در pandas (سوال 81 تا 100)

81. Pivot Table در pandas

import pandas as pd
df = pd.DataFrame({"Cat": ["A", "A", "B"], "Val": [1, 2, 3]})
print(df.pivot_table(values="Val", index="Cat", aggfunc="sum"))

82. ادغام DataFrameها با merge

import pandas as pd
df1 = pd.DataFrame({"ID": [1, 2], "A": [10, 20]})
df2 = pd.DataFrame({"ID": [1, 2], "B": [30, 40]})
print(pd.merge(df1, df2, on="ID"))

83. استخراج داده‌های یونیک

import pandas as pd
df = pd.DataFrame({"A": [1, 1, 2, 3]})
print(df["A"].unique())

84. شمارش مقادیر هر دسته

import pandas as pd
df = pd.DataFrame({"A": [1, 1, 2, 3]})
print(df["A"].value_counts())

85. تغییر نوع داده ستون

import pandas as pd
df = pd.DataFrame({"A": ["1", "2"]})
df["A"] = df["A"].astype(int)
print(df)

86. ذخیره DataFrame به فرمت پارکت

import pandas as pd
df = pd.DataFrame({"A": [1, 2]})
df.to_parquet("data.parquet")

87. خواندن Parquet

import pandas as pd
df = pd.read_parquet("data.parquet")
print(df)

88. نمونه‌گیری تصادفی از DataFrame

import pandas as pd
df = pd.DataFrame({"A": range(10)})
print(df.sample(3))

89. برش‌زدن سطرها بر اساس ایندکس

import pandas as pd
df = pd.DataFrame({"A": range(10)})
print(df.iloc[2:5])

90. فیلتر چند شرطی

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3], "B": [4, 5, 6]})
print(df[(df["A"] > 1) & (df["B"] < 6)])

91. گروه‌بندی و چند تابع همزمان

import pandas as pd
df = pd.DataFrame({"Cat": ["A", "A", "B"], "Val": [1, 2, 3]})
print(df.groupby("Cat")["Val"].agg(["sum", "mean"]))

92. اعمال تابع روی هر سطر

import pandas as pd
df = pd.DataFrame({"A": [1, 2], "B": [3, 4]})
print(df.apply(lambda row: row["A"] + row["B"], axis=1))

93. پیدا کردن سطر با بیشترین مقدار

import pandas as pd
df = pd.DataFrame({"A": [1, 5, 3]})
print(df.loc[df["A"].idxmax()])

94. پیدا کردن سطر با کمترین مقدار

import pandas as pd
df = pd.DataFrame({"A": [1, 5, 3]})
print(df.loc[df["A"].idxmin()])

95. رسم نمودار خطی ساده

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3], "B": [2, 4, 6]})
df.plot(x="A", y="B")

96. رسم نمودار میله‌ای
import pandas as pd
df = pd.DataFrame({"Fruit": ["Apple", "Banana"], "Count": [10, 15]})
df.plot.bar(x="Fruit", y="Count")

97. ذخیره نمودار به فایل

import pandas as pd
import matplotlib.pyplot as plt
df = pd.DataFrame({"A": [1, 2, 3], "B": [2, 4, 6]})
df.plot(x="A", y="B")
plt.savefig("chart.png")

98. بررسی وجود مقدار NaN

import pandas as pd
df = pd.DataFrame({"A": [1, None, 3]})
print(df.isna().any())

99. جایگزینی مقادیر خاص

import pandas as pd
df = pd.DataFrame({"A": [1, 2, 3]})
df.replace({2: 20}, inplace=True)
print(df)

100. تنظیم ایندکس DataFrame

import pandas as pd
df = pd.DataFrame({"ID": [1, 2], "Value": [10, 20]})
df.set_index("ID", inplace=True)
print(df)
فصل رابط گرافیکی و گرافیک (GUI / Visualization) —

---

بخش ۱ – مبانی Tkinter (سوال 1–20)

1. ساخت یک پنجره ساده

import tkinter as tk
root = tk.Tk()
root.mainloop()

2. تعیین عنوان پنجره

root = tk.Tk()
root.title("My App")
root.mainloop()

3. تعیین اندازه پنجره

root = tk.Tk()
root.geometry("400x300")
root.mainloop()

4. تغییر رنگ پس‌زمینه پنجره

root = tk.Tk()
root.configure(bg="lightblue")
root.mainloop()

5. ایجاد یک برچسب متن

import tkinter as tk
root = tk.Tk()
label = tk.Label(root, text="Hello Tkinter")
label.pack()
root.mainloop()

6. تغییر فونت و رنگ متن لیبل

label = tk.Label(root, text="Styled Text", font=("Arial", 16), fg="red")

7. ایجاد دکمه ساده

button = tk.Button(root, text="Click Me")
button.pack()

8. دکمه با عملکرد کلیک

def on_click():
print("Button clicked!")
tk.Button(root, text="Click", command=on_click).pack()

9. ایجاد ورودی متن

entry = tk.Entry(root)
entry.pack()

10. گرفتن متن از ورودی

def show_text():
print(entry.get())
tk.Button(root, text="Show", command=show_text).pack()

11. افزودن پنجره با سایز ثابت

root.resizable(False, False)

12. افزودن پیام در Messagebox

from tkinter import messagebox
messagebox.showinfo("Info", "Hello!")

13. پنجره سوال با Yes/No

if messagebox.askyesno("Question", "Continue?"):
print("Yes")

14. ایجاد فریم برای گروه‌بندی

frame = tk.Frame(root, bg="yellow")
frame.pack(pady=10)

15. افزودن اسکرول‌بار به Text

text = tk.Text(root)
scroll = tk.Scrollbar(root, command=text.yview)
text.config(yscrollcommand=scroll.set)
text.pack(side="left")
scroll.pack(side="right", fill="y")

16. ایجاد منوی ساده

menu = tk.Menu(root)
root.config(menu=menu)
file_menu = tk.Menu(menu)
menu.add_cascade(label="File", menu=file_menu)
file_menu.add_command(label="Exit", command=root.quit)

17. تغییر آیکون پنجره

root.iconbitmap("icon.ico")

18. باز کردن فایل با filedialog

from tkinter import filedialog
file_path = filedialog.askopenfilename()

19. ذخیره فایل با filedialog

file_path = filedialog.asksaveasfilename(defaultextension=".txt")

20. انتخاب رنگ با colorchooser

from tkinter import colorchooser
color = colorchooser.askcolor()[1]
21. ایجاد لیست‌باکس
lb = tk.Listbox(root) lb.pack() lb.insert(0, "Item 1") lb.insert(1, "Item 2")
22. گرفتن آیتم انتخاب‌شده در لیست‌باکس
def get_item(): print(lb.get(tk.ACTIVE))
23. استفاده از Radiobutton
var = tk.StringVar() tk.Radiobutton(root, text="Option 1", variable=var, value="1").pack() tk.Radiobutton(root, text="Option 2", variable=var, value="2").pack()
24. استفاده از Checkbutton
chk = tk.IntVar() tk.Checkbutton(root, text="Accept", variable=chk).pack()
25. Spinbox برای انتخاب عدد
spin = tk.Spinbox(root, from_=0, to=10) spin.pack()
26. Scale (اسلایدر)
scale = tk.Scale(root, from_=0, to=100, orient="horizontal") scale.pack()
27. افزودن تصویر به لیبل
img = tk.PhotoImage(file="image.png") tk.Label(root, image=img).pack()
28. نمایش تصویر با Button
tk.Button(root, image=img).pack()
29. چیدمان با grid
tk.Label(root, text="Name").grid(row=0, column=0) tk.Entry(root).grid(row=0, column=1)
30. چیدمان با place
tk.Button(root, text="Click").place(x=50, y=50)
31. پنجره پاپ‌آپ جدید
def open_win(): top = tk.Toplevel(root) tk.Label(top, text="New Window").pack()
32. تغییر متن دکمه بعد از کلیک
def change_text(): btn.config(text="Clicked") btn = tk.Button(root, text="Click", command=change_text) btn.pack()
33. غیرفعال کردن دکمه
btn.config(state="disabled")
34. ایجاد نوار وضعیت
status = tk.Label(root, text="Ready", bd=1, relief="sunken", anchor="w") status.pack(side="bottom", fill="x")
35. Tooltip ساده
def on_enter(e): tip.config(text="Tooltip text") def on_leave(e): tip.config(text="") btn.bind("<Enter>", on_enter) btn.bind("<Leave>", on_leave) tip = tk.Label(root, text="", bg="yellow") tip.pack()
36. منوی کشویی OptionMenu
options = ["One", "Two", "Three"] var = tk.StringVar(value=options[0]) tk.OptionMenu(root, var, *options).pack()
37. مخفی و نمایش ویجت
label.pack_forget() # مخفی label.pack() # نمایش دوباره
38. ایجاد Text با ارتفاع و عرض مشخص
tk.Text(root, height=5, width=30).pack()
39. خواندن متن از Text
content = text.get("1.0", tk.END)
40. پاک کردن متن Text
text.delete("1.0", tk.END)
بخش ۳ – رویدادها و تعامل (سوال 41–60)
41. رویداد کلیک ماوس
def on_click(event): print(f"Clicked at {event.x}, {event.y}") root.bind("<Button-1>", on_click)
42. رویداد دوبار کلیک
root.bind("<Double-1>", lambda e: print("Double clicked"))
43. رویداد حرکت ماوس
root.bind("<Motion>", lambda e: print(e.x, e.y))
44. رویداد فشار کلید
root.bind("<Key>", lambda e: print(e.char))
45. رویداد فشار کلید خاص
root.bind("<Return>", lambda e: print("Enter pressed"))
46. تغییر رنگ پس‌زمینه با کلیک
def change_bg(e): root.configure(bg="pink") root.bind("<Button-1>", change_bg)
47. Drag و Drop ساده
def drag(e): e.widget.place(x=e.x_root, y=e.y_root) btn.bind("<B1-Motion>", drag)
48. رویداد بسته شدن پنجره
root.protocol("WM_DELETE_WINDOW", lambda: print("Closing..."))
49. رویداد انتخاب از لیست‌باکس
lb.bind("<<ListboxSelect>>", lambda e: print(lb.get(tk.ACTIVE)))
50. بروزرسانی لیبل در لحظه تایپ
def update(e): label.config(text=entry.get()) entry.bind("<KeyRelease>", update)
51. ایجاد تایمر ساده
def tick(): label.config(text="Tick") root.after(1000, tick) tick()
52. نمایش ساعت
import time def clock(): label.config(text=time.strftime("%H:%M:%S")) root.after(1000, clock) clock()
53. انیمیشن متن
text = "Hello" def animate(i=0): label.config(text=text[:i]) root.after(200, animate, (i+1) % (len(text)+1)) animate()
54. اسکرول خودکار Text
text.insert(tk.END, "Hello\n") text.see(tk.END)
55. رویداد تغییر اندازه پنجره
root.bind("<Configure>", lambda e: print(e.width, e.height))
56. فوکوس خودکار روی Entry
entry.focus()
57. غیر فعال کردن Entry
entry.config(state="disabled")
58. نمایش متن انتخاب‌شده
root.bind("<Control-c>", lambda e: print(root.clipboard_get()))
59. محدود کردن طول ورودی Entry
def limit(*a): if len(var.get()) > 5: var.set(var.get()[:5]) var = tk.StringVar() var.trace("w", limit) tk.Entry(root, textvariable=var).pack()
60. تغییر فونت کل برنامه
root.option_add("*Font", "Arial 14")
بخش ۴ – ترسیم گرافیک با Canvas و turtle (سوال 61–80)
61. ایجاد Canvas ساده
canvas = tk.Canvas(root, width=300, height=200, bg="white") canvas.pack()
62. رسم خط
canvas.create_line(10, 10, 200, 200, fill="blue", width=2)
63. رسم مستطیل
canvas.create_rectangle(50, 50, 150, 100, fill="red")
64. رسم بیضی
canvas.create_oval(50, 50, 150, 150, fill="green")
65. رسم چندضلعی
canvas.create_polygon(50, 150, 150, 150, 100, 50, fill="yellow")
66. نمایش متن در Canvas
canvas.create_text(100, 100, text="Hello", font=("Arial", 14))
67. حرکت شی در Canvas
rect = canvas.create_rectangle(10, 10, 50, 50, fill="blue") canvas.move(rect, 20, 10)
68. انیمیشن ساده Canvas
def move(): canvas.move(rect, 5, 0) root.after(50, move) move()
69. استفاده از turtle برای رسم مربع
import turtle t = turtle.Turtle() for _ in range(4): t.forward(100) t.right(90)
70. تغییر رنگ قلم turtle
t.color("red")
71. تغییر ضخامت قلم
t.pensize(5)
72. پر کردن شکل در turtle
t.begin_fill() t.circle(50) t.end_fill()
73. تغییر سرعت turtle
t.speed(5)
74. رسم ستاره با turtle
for _ in range(5): t.forward(100) t.right(144)
75. رسم متن در turtle
t.write("Hello", font=("Arial", 16, "bold"))
76. تغییر پس‌زمینه turtle
turtle.bgcolor("lightblue")
77. ذخیره تصویر turtle به فایل
ts = turtle.getcanvas() ts.postscript(file="drawing.eps")
78. حرکت turtle با کلیک ماوس
def goto(x, y): t.goto(x, y) turtle.onscreenclick(goto)
79. مخفی کردن turtle
t.hideturtle()
80. نمایش turtle
t.showturtle()
بخش ۵ – رسم نمودار و مصورسازی داده‌ها با matplotlib (سوال 81–100)
81. رسم خط ساده
import matplotlib.pyplot as plt plt.plot([1, 2, 3], [4, 5, 6]) plt.show()
82. افزودن عنوان و برچسب محور
plt.title("My Chart") plt.xlabel("X Axis") plt.ylabel("Y Axis")
83. رسم نمودار میله‌ای
plt.bar(["A", "B", "C"], [3, 7, 5]) plt.show()
84. تغییر رنگ میله‌ها
plt.bar(["A", "B", "C"], [3, 7, 5], color="green")
85. رسم نمودار دایره‌ای
plt.pie([10, 20, 30], labels=["A", "B", "C"]) plt.show()
86. افزودن درصد به نمودار دایره‌ای
plt.pie([10, 20, 30], labels=["A", "B", "C"], autopct="%1.1f%%")
87. رسم چند خط در یک نمودار
plt.plot([1, 2, 3], [4, 5, 6], label="Line 1") plt.plot([1, 2, 3], [6, 5, 4], label="Line 2") plt.legend()
88. افزودن شبکه (grid)
plt.grid(True)
89. ذخیره نمودار در فایل
plt.savefig("chart.png")
90. تغییر اندازه نمودار
plt.figure(figsize=(8, 5))
91. رسم scatter plot
plt.scatter([1, 2, 3], [4, 5, 6]) plt.show()
92. تغییر رنگ نقاط scatter
plt.scatter([1, 2, 3], [4, 5, 6], color="red")
93. رسم histogram
plt.hist([1, 1, 2, 3, 3, 3, 4]) plt.show()
94. تغییر تعداد bins در histogram
plt.hist([1, 1, 2, 3, 3, 3, 4], bins=5)
95. رسم نمودار با داده NumPy
import numpy as np x = np.linspace(0, 10, 100) plt.plot(x, np.sin(x)) plt.show()
96. افزودن annotation به نمودار
plt.annotate("Max", xy=(2, 5), xytext=(3, 6), arrowprops=dict(arrowstyle="->"))
97. تغییر style نمودار
plt.style.use("ggplot")
98. رسم subplot
plt.subplot(2, 1, 1) plt.plot([1, 2, 3]) plt.subplot(2, 1, 2) plt.plot([3, 2, 1])
99. نمایش رنگ‌بندی با colorbar
import numpy as np data = np.random.rand(5, 5) plt.imshow(data, cmap="viridis") plt.colorbar()
100. رسم 3D plot
from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() ax = fig.add_subplot(111, projection="3d") ax.plot([1, 2, 3], [4, 5, 6], [7, 8, 9]) plt.show()
فصل کار با پایگاه‌داده‌ها (SQLite)

---

بخش ۱ – مبانی اتصال و ایجاد جداول (سوال 1–20)

1. اتصال به دیتابیس SQLite (ایجاد فایل)

import sqlite3
conn = sqlite3.connect("mydb.sqlite")

2. ایجاد جدول ساده

conn.execute("""
CREATE TABLE users (
id INTEGER PRIMARY KEY,
name TEXT,
age INTEGER
)
""")
conn.commit()

3. درج یک رکورد

conn.execute("INSERT INTO users (name, age) VALUES ('Ali', 25)")
conn.commit()

4. خواندن همه رکوردها

rows = conn.execute("SELECT * FROM users").fetchall()
print(rows)

5. خواندن فقط یک رکورد

row = conn.execute("SELECT * FROM users").fetchone()
print(row)

6. استفاده از پارامتر در INSERT

conn.execute("INSERT INTO users (name, age) VALUES (?, ?)", ("Sara", 30))
conn.commit()

7. ایجاد جدول با محدودیت NOT NULL

conn.execute("CREATE TABLE books (id INTEGER PRIMARY KEY, title TEXT NOT NULL)")

8. ایجاد جدول با UNIQUE

conn.execute("CREATE TABLE emails (id INTEGER PRIMARY KEY, email TEXT UNIQUE)")

9. حذف جدول

conn.execute("DROP TABLE users")

10. بررسی جداول موجود

tables = conn.execute("SELECT name FROM sqlite_master WHERE type='table'").fetchall()
print(tables)

11. بستن اتصال

conn.close()

12. ایجاد اتصال در حافظه (In-memory DB)

conn = sqlite3.connect(":memory:")

13. ایجاد جدول با تاریخ

conn.execute("CREATE TABLE logs (id INTEGER, created_at DATE)")

14. افزودن مقدار تاریخ فعلی

from datetime import date
conn.execute("INSERT INTO logs VALUES (?, ?)", (1, date.today()))

15. ایجاد جدول با مقدار پیش‌فرض

conn.execute("CREATE TABLE settings (id INTEGER, theme TEXT DEFAULT 'light')")

16. استفاده از PRIMARY KEY Auto Increment

conn.execute("CREATE TABLE items (id INTEGER PRIMARY KEY AUTOINCREMENT, name TEXT)")

17. ذخیره داده با commit خودکار

conn.isolation_level = None

18. ایجاد جدول با چند نوع داده

conn.execute("""
CREATE TABLE products (
id INTEGER PRIMARY KEY,
name TEXT,
price REAL
)
""")

19. بررسی ستون‌های یک جدول

columns = conn.execute("PRAGMA table_info(users)").fetchall()
print(columns)

20. تغییر نام جدول

conn.execute("ALTER TABLE users RENAME TO people")


---
21. درج چند رکورد همزمان

data = [("Ali", 25), ("Sara", 30), ("Reza", 28)]
conn.executemany("INSERT INTO users (name, age) VALUES (?, ?)", data)
conn.commit()

22. بروزرسانی یک رکورد

conn.execute("UPDATE users SET age = ? WHERE name = ?", (26, "Ali"))
conn.commit()

23. حذف یک رکورد

conn.execute("DELETE FROM users WHERE name = ?", ("Sara",))
conn.commit()

24. حذف همه رکوردها

conn.execute("DELETE FROM users")
conn.commit()

25. استفاده از rowcount

cur = conn.execute("DELETE FROM users WHERE age < ?", (30,))
print(cur.rowcount)
conn.commit()

26. درج رکورد با شرط عدم وجود

conn.execute("""
INSERT INTO users (name, age)
SELECT ?, ?
WHERE NOT EXISTS (SELECT 1 FROM users WHERE name = ?)
""", ("Nima", 40, "Nima"))
conn.commit()

27. بروزرسانی چند شرطی

conn.execute("UPDATE users SET age = age + 1 WHERE age BETWEEN ? AND ?", (20, 30))
conn.commit()

28. حذف با شرط OR

conn.execute("DELETE FROM users WHERE name = ? OR age > ?", ("Reza", 35))
conn.commit()

29. استفاده از RETURNING برای گرفتن رکورد حذف‌شده

row = conn.execute("DELETE FROM users WHERE name = ? RETURNING *", ("Nima",)).fetchone()
print(row)
conn.commit()

30. درج داده از جدول دیگر

conn.execute("INSERT INTO backup_users SELECT * FROM users")
conn.commit()

31. تغییر مقدار خاص در چند رکورد

conn.execute("UPDATE users SET age = 18 WHERE age IS NULL")
conn.commit()

32. حذف رکورد با مقدار NULL

conn.execute("DELETE FROM users WHERE age IS NULL")
conn.commit()

33. افزایش قیمت همه محصولات

conn.execute("UPDATE products SET price = price * 1.1")
conn.commit()

34. حذف کاربران با نام‌های تکراری

conn.execute("""
DELETE FROM users
WHERE id NOT IN (
SELECT MIN(id) FROM users GROUP BY name
)
""")
conn.commit()

35. درج تاریخ و زمان فعلی با SQL

conn.execute("INSERT INTO logs VALUES (?, datetime('now'))", (1,))
conn.commit()

36. درج رکورد و دریافت id

cur = conn.execute("INSERT INTO items (name) VALUES (?)", ("Pen",))
print(cur.lastrowid)
conn.commit()

37. به‌روزرسانی و نمایش رکورد قبل و بعد

print(conn.execute("SELECT * FROM users WHERE id = 1").fetchone())
conn.execute("UPDATE users SET age = age + 5 WHERE id = 1")
print(conn.execute("SELECT * FROM users WHERE id = 1").fetchone())
conn.commit()

38. حذف رکوردهای قدیمی‌تر از تاریخ خاص

conn.execute("DELETE FROM logs WHERE created_at < date('2024-01-01')")
conn.commit()

39. درج رکورد با داده باینری

data = b'\x00\x01\x02'
conn.execute("INSERT INTO files (id, data) VALUES (?, ?)", (1, data))
conn.commit()

40. خواندن داده باینری

data = conn.execute("SELECT data FROM files WHERE id = ?", (1,)).fetchone()[0]
print(data)


---

بخش ۳ – جستجو و کوئری‌های پیشرفته (سوال 41–60)

41. جستجو با LIKE

rows = conn.execute("SELECT * FROM users WHERE name LIKE 'A%'").fetchall()
print(rows)

42. جستجو بدون حساسیت به حروف

rows = conn.execute("SELECT * FROM users WHERE LOWER(name) = LOWER(?)", ("ali",)).fetchall()
print(rows)

43. مرتب‌سازی نتایج

rows = conn.execute("SELECT * FROM users ORDER BY age DESC").fetchall()

44. محدود کردن تعداد نتایج

rows = conn.execute("SELECT * FROM users LIMIT 5").fetchall()

45. پرش و محدود کردن (Pagination)

rows = conn.execute("SELECT * FROM users LIMIT 5 OFFSET 5").fetchall()

46. جستجو با چند شرط AND

rows = conn.execute("SELECT * FROM users WHERE age > 20 AND name LIKE 'A%'").fetchall()

47. انتخاب ستون‌های خاص

rows = conn.execute("SELECT name FROM users").fetchall()

48. استفاده از DISTINCT

rows = conn.execute("SELECT DISTINCT name FROM users").fetchall()

49. شمارش تعداد رکوردها

count = conn.execute("SELECT COUNT(*) FROM users").fetchone()[0]
print(count)

50. پیدا کردن میانگین سن

avg_age = conn.execute("SELECT AVG(age) FROM users").fetchone()[0]

51. بیشترین مقدار ستون

max_age = conn.execute("SELECT MAX(age) FROM users").fetchone()[0]

52. کمترین مقدار ستون

min_age = conn.execute("SELECT MIN(age) FROM users").fetchone()[0]

53. جمع مقادیر

total = conn.execute("SELECT SUM(age) FROM users").fetchone()[0]

54. گروه‌بندی بر اساس ستون

rows = conn.execute("SELECT age, COUNT(*) FROM users GROUP BY age").fetchall()

55. گروه‌بندی با شرط HAVING
rows = conn.execute("SELECT age, COUNT(*) FROM users GROUP BY age HAVING COUNT(*) > 1").fetchall()

56. کوئری تو در تو (Subquery)

rows = conn.execute("SELECT * FROM users WHERE age = (SELECT MAX(age) FROM users)").fetchall()

57. استفاده از CASE در SELECT

rows = conn.execute("""
SELECT name,
CASE
WHEN age >= 18 THEN 'Adult'
ELSE 'Child'
END as category
FROM users
""").fetchall()

58. جستجو در لیست مقادیر

rows = conn.execute("SELECT * FROM users WHERE age IN (25, 30)").fetchall()

59. جستجو در بازه تاریخ

rows = conn.execute("SELECT * FROM logs WHERE created_at BETWEEN ? AND ?", ("2024-01-01", "2024-12-31")).fetchall()

60. استفاده از NULL در شرط

rows = conn.execute("SELECT * FROM users WHERE age IS NULL").fetchall()


---

بخش ۴ – چند جدول و JOIN (سوال 61–80)

61. ایجاد جدول orders

conn.execute("CREATE TABLE orders (id INTEGER PRIMARY KEY, user_id INTEGER, amount REAL)")

62. درج داده در orders

conn.execute("INSERT INTO orders (user_id, amount) VALUES (?, ?)", (1, 100))

63. INNER JOIN

rows = conn.execute("""
SELECT users.name, orders.amount
FROM users
JOIN orders ON users.id = orders.user_id
""").fetchall()

64. LEFT JOIN

rows = conn.execute("""
SELECT users.name, orders.amount
FROM users
LEFT JOIN orders ON users.id = orders.user_id
""").fetchall()

65. RIGHT JOIN شبیه‌سازی (SQLite پشتیبانی ندارد)

rows = conn.execute("""
SELECT orders.id, users.name
FROM orders
LEFT JOIN users ON users.id = orders.user_id
""").fetchall()

66. شمارش سفارش‌های هر کاربر

rows = conn.execute("""
SELECT users.name, COUNT(orders.id)
FROM users
LEFT JOIN orders ON users.id = orders.user_id
GROUP BY users.name
""").fetchall()

67. مجموع مبلغ سفارش‌ها برای هر کاربر

rows = conn.execute("""
SELECT users.name, SUM(orders.amount)
FROM users
JOIN orders ON users.id = orders.user_id
GROUP BY users.name
""").fetchall()

68. کاربران بدون سفارش

rows = conn.execute("""
SELECT users.name
FROM users
LEFT JOIN orders ON users.id = orders.user_id
WHERE orders.id IS NULL
""").fetchall()

69. سفارش‌ها با مبلغ بیشتر از میانگین

rows = conn.execute("""
SELECT * FROM orders
WHERE amount > (SELECT AVG(amount) FROM orders)
""").fetchall()

70. JOIN سه جدول

conn.execute("CREATE TABLE payments (id INTEGER, order_id INTEGER, status TEXT)")
rows = conn.execute("""
SELECT u.name, o.amount, p.status
FROM users u
JOIN orders o ON u.id = o.user_id
JOIN payments p ON o.id = p.order_id
""").fetchall()

71. استفاده از ALIAS در جداول

rows = conn.execute("SELECT u.name FROM users u").fetchall()

72. سفارش‌های بیش از یک مبلغ خاص

rows = conn.execute("SELECT * FROM orders WHERE amount > ?", (200,)).fetchall()

73. پیدا کردن کاربر با بیشترین سفارش

rows = conn.execute("""
SELECT u.name, COUNT(o.id) as total
FROM users u
JOIN orders o ON u.id = o.user_id
GROUP BY u.name
ORDER BY total DESC LIMIT 1
""").fetchall()

74. JOIN با شرط اضافی

rows = conn.execute("""
SELECT u.name, o.amount
FROM users u
JOIN orders o ON u.id = o.user_id AND o.amount > 100
""").fetchall()

75. استفاده از CROSS JOIN

rows = conn.execute("SELECT * FROM users CROSS JOIN products").fetchall()

76. ایجاد View

conn.execute("CREATE VIEW user_orders AS SELECT u.name, o.amount FROM users u JOIN orders o ON u.id = o.user_id")

77. خواندن از View

rows = conn.execute("SELECT * FROM user_orders").fetchall()

78. حذف View

conn.execute("DROP VIEW user_orders")

79. ترکیب UNION

rows = conn.execute("SELECT name FROM users UNION SELECT title FROM books").fetchall()

80. ترکیب UNION ALL

rows = conn.execute("SELECT name FROM users UNION ALL SELECT title FROM books").fetchall()


---

بخش ۵ – نکات پیشرفته و امنیت (سوال 81–100)

81. استفاده از شاخص (Index)

conn.execute("CREATE INDEX idx_user_name ON users(name)")

82. حذف شاخص

conn.execute("DROP INDEX idx_user_name")

83. تراکنش دستی

conn.execute("BEGIN")
conn.execute("INSERT INTO users (name, age) VALUES (?, ?)", ("Test", 20))
conn.execute("COMMIT")

84. تراکنش با Rollback

conn.execute("BEGIN")
try:
conn.execute("INSERT INTO users (name, age) VALUES (?, ?)", ("Error", "text"))
conn.execute("COMMIT")
except:
conn.execute("ROLLBACK")
85. جلوگیری از SQL Injection با پارامترها

name = "Ali"
conn.execute("SELECT * FROM users WHERE name = ?", (name,))

86. فعال‌کردن foreign key

conn.execute("PRAGMA foreign_keys = ON")

87. ایجاد جدول با foreign key

conn.execute("""
CREATE TABLE orders (
id INTEGER PRIMARY KEY,
user_id INTEGER,
FOREIGN KEY(user_id) REFERENCES users(id)
)
""")

88. استفاده از executemany برای درج سریع

data = [(f"User{i}", i+20) for i in range(1000)]
conn.executemany("INSERT INTO users (name, age) VALUES (?, ?)", data)

89. خروجی گرفتن از دیتابیس به CSV

import csv
rows = conn.execute("SELECT * FROM users").fetchall()
with open("users.csv", "w", newline="") as f:
csv.writer(f).writerows(rows)

90. واردکردن داده از CSV

import csv
with open("users.csv") as f:
for row in csv.reader(f):
conn.execute("INSERT INTO users VALUES (?, ?, ?)", row)
conn.commit()

91. پشتیبان‌گیری دیتابیس

import shutil
shutil.copy("mydb.sqlite", "backup.sqlite")

92. بازیابی پشتیبان

shutil.copy("backup.sqlite", "mydb.sqlite")

93. اجرای چند کوئری با executescript

conn.executescript("""
DROP TABLE IF EXISTS test;
CREATE TABLE test(id INTEGER);
INSERT INTO test VALUES (1);
""")

94. ذخیره دیتابیس در حافظه

backup_conn = sqlite3.connect(":memory:")
conn.backup(backup_conn)

95. فشرده‌سازی دیتابیس

conn.execute("VACUUM")

96. اطلاعات نسخه SQLite

print(sqlite3.sqlite_version)

97. بررسی فضای اشغال‌شده

size = conn.execute("PRAGMA page_count").fetchone()[0] * conn.execute("PRAGMA page_size").fetchone()[0]
print(size, "bytes")

98. محدود کردن تعداد نتایج جستجو

conn.execute("PRAGMA limit_length = 1000")

99. بستن تمام Cursor ها

conn.commit()
conn.close()

100. مدیریت خطا هنگام اتصال

try:
conn = sqlite3.connect("mydb.sqlite")
except sqlite3.Error as e:
print("Error:", e)
فصل کامل: کار با داده‌ها (NumPy و Pandas)

بخش ۱ – آشنایی با NumPy (سوال 1–20)

1. نصب NumPy

pip install numpy

2. واردکردن کتابخانه

import numpy as np

3. ایجاد آرایه NumPy

arr = np.array([1, 2, 3])
print(arr)

4. نوع داده در آرایه

print(arr.dtype)

5. ایجاد آرایه چندبعدی

mat = np.array([[1, 2], [3, 4]])

6. آرایه صفر

zeros = np.zeros((3, 3))

7. آرایه یک

ones = np.ones((2, 4))

8. آرایه با اعداد تصادفی

rand = np.random.rand(2, 3)

9. ایجاد آرایه با فاصله ثابت

arr = np.arange(0, 10, 2)

10. ایجاد آرایه خطی

arr = np.linspace(0, 1, 5)

11. تغییر شکل آرایه

arr = np.arange(6).reshape(2, 3)

12. انتخاب یک عنصر

print(arr[0, 1])

13. برش (Slicing)

print(arr[:, 1])

14. جمع همه عناصر

print(arr.sum())

15. میانگین عناصر

print(arr.mean())

16. بزرگترین مقدار

print(arr.max())

17. کوچکترین مقدار

print(arr.min())

18. شاخص بزرگترین مقدار

print(arr.argmax())

19. شاخص کوچکترین مقدار

print(arr.argmin())

20. ضرب آرایه‌ها

a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
print(a * b)


---

بخش ۲ – عملیات پیشرفته NumPy (سوال 21–40)

21. جمع سطر به سطر

print(arr.sum(axis=1))

22. جمع ستون به ستون

print(arr.sum(axis=0))

23. ماتریس ترانهاده

print(arr.T)

24. ضرب ماتریسی

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])
print(np.dot(a, b))

25. مقادیر منفی کردن

print(-arr)

26. مقایسه عناصر

print(arr > 2)

27. فیلتر بر اساس شرط

print(arr[arr > 2])

28. مرتب‌سازی

print(np.sort(arr))

29. ادغام دو آرایه

np.concatenate((a, b), axis=0)

30. تقسیم آرایه

np.split(a, 2)

31. کپی و view

copy_arr = arr.copy()
view_arr = arr.view()

32. تغییر نوع داده

arr = arr.astype(float)

33. پیدا کردن یکتاها

print(np.unique(arr))

34. جایگزینی مقدار

arr[arr < 3] = 0

35. ساخت ماتریس قطری

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

36. تولید اعداد تصادفی صحیح

np.random.randint(0, 10, size=(3, 3))

37. تولید اعداد تصادفی از توزیع نرمال

np.random.randn(3, 3)

38. ذخیره آرایه در فایل

np.save("array.npy", arr)

39. خواندن آرایه از فایل

np.load("array.npy")

40. آرایه هویت (Identity Matrix)

np.eye(4)


---

بخش ۳ – آشنایی با Pandas (سوال 41–60)

41. نصب Pandas

pip install pandas

42. واردکردن Pandas

import pandas as pd

43. ایجاد Series

s = pd.Series([1, 2, 3], index=["a", "b", "c"])

44. ایجاد DataFrame

df = pd.DataFrame({"name": ["Ali", "Sara"], "age": [25, 30]})

45. نمایش چند سطر اول

df.head()

46. نمایش چند سطر آخر

df.tail()

47. اطلاعات کلی

df.info()

48. آمار توصیفی

df.describe()

49. انتخاب ستون

df["name"]

50. انتخاب چند ستون

df[["name", "age"]]

51. انتخاب سطر با loc

df.loc[0]

52. انتخاب سطر با iloc

df.iloc[0]

53. فیلتر کردن

df[df["age"] > 25]

54. افزودن ستون جدید

df["city"] = ["Tehran", "Shiraz"]

55. حذف ستون

df.drop("city", axis=1, inplace=True)

56. مرتب‌سازی بر اساس ستون

df.sort_values("age", ascending=False)

57. ایندکس جدید

df.set_index("name", inplace=True)

58. بازنشانی ایندکس

df.reset_index(inplace=True)

59. بررسی مقادیر گمشده

df.isnull()

60. پر کردن مقادیر گمشده

df.fillna(0)


---

بخش ۴ – عملیات پیشرفته Pandas (سوال 61–80)

61. حذف مقادیر گمشده

df.dropna()

62. تغییر نام ستون‌ها

df.rename(columns={"name": "Name"}, inplace=True)

63. اعمال تابع به ستون

df["age"] = df["age"].apply(lambda x: x + 1)

64. ترکیب دو DataFrame

df2 = pd.DataFrame({"name": ["Reza"], "age": [28]})
pd.concat([df, df2])

65. Merge دو DataFrame

pd.merge(df, df2, on="name", how="inner")

66. GroupBy

df.groupby("city")["age"].mean()

67. Pivot Table

df.pivot_table(values="age", index="city", aggfunc="mean")

68. خواندن CSV

pd.read_csv("file.csv")

69. ذخیره DataFrame به CSV

df.to_csv("file.csv", index=False)

70. خواندن Excel

pd.read_excel("file.xlsx")

71. ذخیره به Excel

df.to_excel("file.xlsx", index=False)

72. خواندن JSON

pd.read_json("file.json")

73. ذخیره JSON

df.to_json("file.json")

74. بررسی تعداد سطر و ستون

df.shape

75. گرفتن لیست ستون‌ها

df.columns.tolist()

76. انتخاب ردیف تصادفی

df.sample(1)

77. محاسبه مجموع یک ستون

df["age"].sum()

78. محاسبه میانگین یک ستون

df["age"].mean()

79. بیشترین مقدار یک ستون

df["age"].max()

80. کمترین مقدار یک ستون

df["age"].min()


---
بخش ۵ – نکات ترکیبی NumPy + Pandas (سوال 81–100)

81. تبدیل DataFrame به آرایه NumPy

df.values

82. تبدیل آرایه NumPy به DataFrame

pd.DataFrame(np.array([[1, 2], [3, 4]]), columns=["A", "B"])

83. فیلتر DataFrame با شرط NumPy

df[np.array(df["age"] > 25)]

84. استفاده از np.where

df["status"] = np.where(df["age"] > 25, "Adult", "Young")

85. ایجاد ستون با محاسبه برداری

df["double_age"] = df["age"] * 2

86. مرتب‌سازی چندستونه

df.sort_values(by=["age", "name"])

87. حذف مقادیر تکراری

df.drop_duplicates(subset="name", keep="first")

88. تغییر نوع داده ستون

df["age"] = df["age"].astype(float)

89. شمارش مقادیر تکراری

df["name"].value_counts()

90. برش سطری با ایندکس

df[1:3]

91. انتخاب ستون با getattr

df.name

92. اعمال تابع NumPy روی DataFrame

np.log(df["age"])

93. بررسی عضویت

df["city"].isin(["Tehran", "Shiraz"])

94. معکوس کردن DataFrame

df.iloc[::-1]

95. تغییر محل ستون‌ها

df = df[["city", "name", "age"]]

96. ترکیب چند شرط

df[(df["age"] > 20) & (df["city"] == "Tehran")]

97. نوشتن به دیتابیس SQLite

import sqlite3
conn = sqlite3.connect("data.db")
df.to_sql("users", conn, if_exists="replace", index=False)

98. خواندن از دیتابیس SQLite

pd.read_sql("SELECT * FROM users", conn)

99. ساخت ستون از تاریخ

df["year"] = pd.to_datetime(df["birthdate"]).dt.year

100. ریست کامل DataFrame

df = pd.DataFrame()