#آموزش #پایتون
‌
⚡️ می‌دونستین با یک دکوراتور می‌شه کاری کرد که پایتون جواب یک تابع رو یادش بمونه و برای ورودی تکراری دوباره حسابش نکنه؟
‌
دکوراتور @cache از ماژول استاندارد functools (بدون نصب) نتیجهٔ هر ورودی رو نگه می‌داره؛ دفعهٔ بعد با همون ورودی، بدنهٔ تابع اصلاً اجرا نمی‌شه:
‌

from functools import cache

@cache
def square(n):
    print("computing", n)
    return n * n

print(square(4))
print(square(4))
print(square.cache_info())

‌
خروجی:
‌

computing 4
16
16
CacheInfo(hits=1, misses=1, maxsize=None, currsize=1)

‌
عبارت «computing» فقط یک بار چاپ شد و صدا زدن دوم مستقیم از کش جواب گرفت. متد cache_info هم نشون می‌ده چند بار از کش جواب داده (hits) و چند بار واقعاً حساب کرده (misses).
‌
✔️ جادوی کش توی تابع بازگشتی
فیبوناچی بازگشتیِ معمولی برای محاسبهٔ fib(30) خودش رو ۲٬۶۹۲٬۵۳۷ بار صدا می‌زنه (با گذاشتن یک شمارنده توی تابع شمرده شده). با @cache هر n فقط یک بار حساب می‌شه:
‌

from functools import cache

@cache
def fib(n):
    if n < 2:
        return n
    return fib(n - 1) + fib(n - 2)

print(fib(30))
print(fib.cache_info())

‌
خروجی:
‌

832040
CacheInfo(hits=28, misses=31, maxsize=None, currsize=31)

‌
یعنی بدنهٔ تابع به‌جای چند میلیون بار، فقط ۳۱ بار اجرا شد.
‌
💎 کش با سقف حافظه: lru_cache
کش @cache سقف نداره و با ورودی‌های جدید مدام بزرگ‌تر می‌شه. برای برنامه‌هایی که مدت طولانی روشن می‌مونن (مثل سرور)، @lru_cache با maxsize بهتره: وقتی پر شد، نتیجه‌ای رو که از همه دیرتر استفاده شده بیرون می‌ندازه:
‌

from functools import lru_cache

@lru_cache(maxsize=2)
def double(n):
    print("computing", n)
    return n * 2

double(1)
double(2)
double(3)
double(1)
print(double.cache_info())

‌
خروجی:
‌

computing 1
computing 2
computing 3
computing 1
CacheInfo(hits=0, misses=4, maxsize=2, currsize=2)

‌
با سقف ۲، وقتی نتیجهٔ 3 اضافه شد، نتیجهٔ 1 از کش بیرون رفت؛ برای همین 1 دوباره حساب شد. اگه سقف رو مشخص نکنید، پیش‌فرضش ۱۲۸ هست.
‌
⚠️ ورودی‌ها باید hashable باشن
کش پشت صحنه یک دیکشنریه، پس آرگومان‌ها باید hashable باشن؛ تاپل مشکلی نداره ولی لیست خطا می‌ده:
‌

from functools import cache

@cache
def total(items):
    return sum(items)

print(total((1, 2, 3)))
print(total([1, 2, 3]))

‌
خروجی (خط آخر خطا):
‌

6
TypeError: unhashable type: 'list'

‌
▫️ فقط تابعی رو کش کنید که با ورودی یکسان همیشه همون خروجی رو می‌ده. تابعی که به زمان، عدد تصادفی یا داده‌ای که عوض می‌شه (مثلاً دیتابیس) وابسته‌ست، با کش جواب قدیمی برمی‌گردونه.
‌
▫️ برای خالی کردن کش، متد cache_clear رو صدا بزنید:
‌

from functools import cache

@cache
def square(n):
    return n * n

square(4)
square.cache_clear()
print(square.cache_info())

‌
خروجی:
‌

CacheInfo(hits=0, misses=0, maxsize=None, currsize=0)

‌
▫️ برای ویژگی‌ای از کلاس که محاسبه‌ش سنگینه و فقط یک بار لازمه، cached_property از همین ماژول هست.
‌
آموزش هوش مصنوعی و برنامه نویسی 👇
@codingyar
وبسایت آموزشی:
www.codingyar.com

#آموزش #جنگو
‌
⚡️
فقط اسم محصول‌ها رو از دیتابیس لازم دارین؟ لازم نیست جنگو کل آبجکت‌ها رو بسازه!
‌
متد values_list با flat=True فقط همون یک ستون رو از دیتابیس می‌خونه و به‌جای آبجکت‌های مدل، خودِ مقدارها رو برمی‌گردونه. فرض کنید مدل Product با فیلدهای name و price داریم و سه محصول Book (120)، Pen (15) و Bag (300) توی دیتابیس هست:
‌

qs = Product.objects.order_by("price")
names = qs.values_list("name", flat=True)
print(list(names))

‌
خروجی:
‌

['Pen', 'Book', 'Bag']

‌
نتیجه یک لیست معمولی پایتونه از اسم‌ها، مرتب‌شده بر اساس قیمت؛ آماده برای حلقه، ساختن فایل CSV یا فرستادن توی پاسخ API.✔️
پشت صحنه: فقط همون ستون خونده می‌شه
با چاپ کردن query می‌شه SQL ساخته‌شده رو دید:
‌

qs = Product.objects.order_by("price")
names = qs.values_list("name", flat=True)
print(names.query)

‌
خروجی:
‌

SELECT "shop_product"."name" AS "name" FROM "shop_product" ORDER BY "shop_product"."price" ASC

‌
توی SELECT فقط ستون name اومده. طبق مستندات جنگو، وقتی فقط چند فیلد لازم دارید و به امکانات آبجکت مدل نیازی نیست، گرفتن همون فیلدها بهینه‌تره؛ مخصوصاً برای جدول‌هایی با ستون‌های زیاد یا متن‌های بلند.💎
چند ستون: تاپل، namedtuple یا دیکشنری
اگه چند فیلد بدید، هر ردیف یک تاپل می‌شه. با named=True تاپل اسم‌دار (namedtuple) می‌گیرید و متد values هم هر ردیف رو به شکل دیکشنری برمی‌گردونه:
‌

qs = Product.objects.order_by("price")
print(list(qs.values_list("name", "price")))
print(qs.values_list("name", "price", named=True)[0])
print(qs.values("name", "price")[0])

‌
خروجی:
‌

[('Pen', 15), ('Book', 120), ('Bag', 300)]
Row(name='Pen', price=15)
{'name': 'Pen', 'price': 15}

⚠️
پارامتر flat فقط با یک فیلد
اگه flat=True رو با بیشتر از یک فیلد بدید، جنگو خطا می‌ده:
‌

Product.objects.values_list("name", "price", flat=True)

‌
خروجی (خط آخر خطا):
‌

TypeError: 'flat' is not valid when values_list is called with more than one field.

‌
▫️ برای گرفتن یک مقدار از یک ردیف خاص، بعدش get رو صدا بزنید:
‌

qs = Product.objects.values_list("price", flat=True)
print(qs.get(name="Book"))

‌
خروجی:
‌

120

‌
▫️ چیزی که برمی‌گرده آبجکت مدل نیست؛ پس متدهای مدل و save روی این مقدارها کار نمی‌کنن. هر جا آبجکت کامل لازم دارید، همون کوئری معمولی رو بنویسید.
‌
▫️ نتیجه هنوز یک QuerySet تنبله (lazy)؛ یعنی تا وقتی ازش استفاده نکنید (مثلاً با list یا یک حلقه) کوئری‌ای به دیتابیس نمی‌ره و می‌شه قبلش filter و order_by هم بهش زد.
‌
آموزش هوش مصنوعی و برنامه نویسی 👇
@codingyar
وبسایت آموزشی:
www.codingyar.com
‌
‌
‌

⚡️#آموزش #SQL
‌
می‌دونستین COUNT(*) و COUNT(email) روی یک جدول ممکنه دو عدد متفاوت بدن؟
‌
تابع COUNT(*) همهٔ ردیف‌ها رو می‌شمره، ولی COUNT(email) فقط ردیف‌هایی رو می‌شمره که email اون‌ها NULL نباشه. فرض کنید جدول users با ستون‌های name، city و email چهار کاربر داره و ایمیل یکی‌شون (Sara) خالیه، یعنی NULL:
‌

SELECT COUNT(*) AS all_rows,
       COUNT(email) AS with_email
FROM users;

‌
خروجی (توی SQLite):
‌

all_rows  with_email
--------  ----------
       4           3

‌
پس برای «تعداد کل کاربرها» از COUNT(*) استفاده کنید؛ COUNT(email) یعنی «تعداد کاربرهایی که ایمیل دارن». اگه این دو تا قاطی بشن، عددهای گزارش و داشبورد بی‌صدا غلط درمیان.
‌
✔️ شمردن مقدارهای یکتا با DISTINCT
با COUNT(DISTINCT city) هر مقدار فقط یک بار شمرده می‌شه (اونم باز بدون NULLها):
‌

SELECT COUNT(city) AS cities,
       COUNT(DISTINCT city) AS unique_cities
FROM users;

‌
خروجی:
‌

cities  unique_cities
------  -------------
     4              3

‌
دو نفر از Tehran هستن، پس از چهار شهر ثبت‌شده فقط سه شهر متفاوت داریم.
‌
💎 شمارش برای هر گروه با GROUP BY
همین قانون توی گروه‌بندی هم برقراره؛ مثلاً تعداد کاربرهای ایمیل‌دار هر شهر:
‌

SELECT city, COUNT(email) AS with_email
FROM users
GROUP BY city
ORDER BY city;

‌
خروجی:
‌

city   with_email
------  ----------
Shiraz           0
Tabriz           1
Tehran           2

‌
برای Shiraz عدد 0 اومده، چون تنها کاربرش ایمیل نداره؛ اگه COUNT(*) می‌نوشتیم، 1 می‌گرفتیم.
‌
⚠️ برای پیدا کردن NULL از = استفاده نکنید
مقایسهٔ هر چیزی با NULL (حتی خودِ NULL) نتیجه‌اش «نامعلومه»، نه درست؛ پس = NULL هیچ ردیفی رو پیدا نمی‌کنه و باید IS NULL بنویسید:
‌

SELECT COUNT(*) AS wrong FROM users WHERE email = NULL;
SELECT COUNT(*) AS correct FROM users WHERE email IS NULL;

‌
خروجی:
‌

wrong
-----
    0
correct
-------
      1

‌
▫️ توابع SUM و AVG هم NULLها رو نادیده می‌گیرن؛ مثلاً میانگین 10، 20 و NULL می‌شه 15، نه 10.
‌
▫️ این رفتار مخصوص SQLite نیست؛ طبق مستندات PostgreSQL و MySQL هم COUNT(*) همهٔ ردیف‌ها رو می‌شمره و COUNT(ستون) فقط مقدارهای غیر NULL رو. فقط ظاهر خروجی توی هر ابزار فرق داره.
‌
▫️ برای امتحان، sqlite3 رو با نمایش جدولی باز کنید:
‌

sqlite3 -header -column test.db

‌
بعد جدول نمونه رو بسازید و کوئری‌های بالا رو اجرا کنید:
‌

CREATE TABLE users (name TEXT, city TEXT, email TEXT);
INSERT INTO users VALUES
  ('Ali', 'Tehran', 'ali@example.com'),
  ('Sara', 'Shiraz', NULL),
  ('Reza', 'Tehran', 'reza@example.com'),
  ('Mina', 'Tabriz', 'mina@example.com');

‌
آموزش هوش مصنوعی و برنامه نویسی 👇
@codingyar
وبسایت آموزشی:
www.codingyar.com

#آموزش #پایتون
‌
⚡️ می‌دونستین با defaultdict دیگه لازم نیست قبل از اضافه کردن به دیکشنری، وجود کلید رو چک کنید؟
‌
توی defaultdict از ماژول collections، اگه کلیدی وجود نداشته باشه، خودش یک مقدار پیش‌فرض براش می‌سازه. مثلاً برای گروه‌بندی کلمه‌ها بر اساس حرف اولشون:
‌

from collections import defaultdict

words = ["apple", "bread", "avocado", "banana", "cherry"]
groups = defaultdict(list)
for word in words:
    groups[word[0]].append(word)
print(dict(groups))

‌
خروجی:
‌

{'a': ['apple', 'avocado'], 'b': ['bread', 'banana'], 'c': ['cherry']}

‌
این‌جا list یعنی «برای هر کلید جدید یک لیست خالی بساز»؛ پس append همیشه کار می‌کنه و دیگه نه if لازمه، نه به KeyError می‌خوریم.
‌
✔️ شمارش با defaultdict(int)
تابع int اگه بدون ورودی صدا زده بشه، عدد 0 برمی‌گردونه؛ پس شمارش هر کلید جدید از صفر شروع می‌شه:
‌

from collections import defaultdict

text = "red blue red green red"
counts = defaultdict(int)
for color in text.split():
    counts[color] += 1
print(dict(counts))

‌
خروجی:
‌

{'red': 3, 'blue': 1, 'green': 1}

‌
اگه فقط شمارش لازم دارید، Counter امکانات بیشتری مثل most_common داره؛ defaultdict جایی به کار میاد که مقدار پیش‌فرض چیز دیگه‌ای باشه (لیست، مجموعه، یا هر مقدار دلخواه).
‌
💎 هر مقدار پیش‌فرضی که بخواید
ورودی defaultdict می‌تونه هر تابعی باشه که بدون آرگومان صدا زده می‌شه؛ مثلاً یک lambda:
‌

from collections import defaultdict

roles = defaultdict(lambda: "guest")
roles["ali"] = "admin"
print(roles["ali"], roles["sara"])

‌
خروجی:
‌

admin guest

‌
کاربر sara اصلاً ثبت نشده بود، ولی به‌جای KeyError مقدار guest گرفت.
‌
⚠️ فقط خوندن یک کلید هم اون رو اضافه می‌کنه
وقتی با براکت سراغ کلیدی می‌رید که وجود نداره، defaultdict اون کلید رو با مقدار پیش‌فرض به دیکشنری اضافه می‌کنه؛ ولی متد get این کار رو نمی‌کنه:
‌

from collections import defaultdict

scores = defaultdict(int)
print(scores.get("sara"))
print(len(scores))
print(scores["ali"])
print(len(scores))

‌
خروجی:
‌

None
0
0
1

‌
متد get مقدار None داد و چیزی اضافه نشد (طول 0)؛ ولی scores["ali"] عدد 0 داد و کلید ali رو هم ساخت (طول 1). پس برای «فقط چک کردن» از in یا get استفاده کنید.
‌
▫️ برای چاپ یا تبدیل به دیکشنری معمولی، dict(groups) بنویسید؛ وگرنه print خروجی رو به شکل defaultdict(<class 'list'>, ...) نشون می‌ده.
‌
▫️ کلاس defaultdict زیرکلاس dict هست، پس هر جا dict کار می‌کنه (مثلاً json.dumps) این هم کار می‌کنه.
‌
▫️ نوع مقدار رو بدون پرانتز بدید: defaultdict(list) درسته؛ defaultdict(list()) خطای TypeError می‌ده، چون ورودی باید یک تابع باشه، نه یک لیست.
‌
آموزش هوش مصنوعی و برنامه نویسی 👇
@codingyar
وبسایت آموزشی:
www.codingyar.com