سلام
#چالش پنجم
شما در این چالش باید خطا ها رو کنترل کنید یعنی اگر برنامه یکسری خطای خاص داشت هیچ کاری انجام نده ولی باقی خطا ها رو نمایش بده
نمونه های ما :
ValueError, TypeError,IndexError,RuntimeError
هستن
یعنی شما باید کاری کنید که زمان اجرای فانکشن مد نظر وقتی با این خطاها روبه رو شد هیچ کاری انجام نده و به اصطلاح سکوت کنه

پیشنهاد میکنم یه سر هم به داکیومنت کتابخونه contextlib هم بزنید
#پایتون #چالش #چالش_پایتونی #کاما_کد #برنامه_نویسی
#python #python_challenge #challenge #comma_code #programing
🔤🔤🔤🔤🔤 🔤🔤🔤🔤

دوتا از عملگر هایی که خیلی کم بهش اشاره شده left shift و right shift هستن امروز اومدم راجب این دوتا عملگر توضیح بدم

این عملگر ها روی بیت های باینری اینتجر ها کار میکنن . عملگر left shift میاد بیت های باینری ما رو کلا به سمت چپ میکشه و اگر ما خط کش باینری بزاریم میبینم که عدد ما ضربدر ۲ شده و مقدارش ۲ برابر شده چون تمامی بیت های ما یکبار به سمت چپ شیفت و حرکت داده شدن . right shift هم دقیقا برعکس اینکار رو انجام میده و بیت های ما رو یه سمت راست حرکت میده .
نکته ای که باید اضافه کنم اینه که سرعت این کار خیلی بیشتر از استفاده عملگر ضرب برای دوبرابر کردن مقدار مد نظر هستش.
در ادامه دو مثال انجام میدیم:
left shift:

num_1=4 
#ساحت متغیر اول و مقدار دهی 4
num_2=num_1<<2
#انجام دوبار left shift روی متغیر اول و قرار دادن در متغیر دوم
#شیوه انجام عملیات
''' 
خط کش باینری         | 1 | 2 | 4 | 8 | 16 | 32
--‐--------------------------------------------
ترکیب اولیه            | 0 | 0 | 1 | 0 | 0  | 0
اولین حرکت به چپ‌‌      | 0 | 0 | 0 | 1 | 0  | 0
دومین حرکت ‌به چپ     | 0 | 0 | 0 | 0 | 1  | 0
'''
print(f"{num_1} << 2 = {num_2}")
#out:4 << 2 = 16

right shift:

num_1=4 
#ساحت متغیر اول و مقدار دهی 4
num_2=num_1>>2
#انجام دوبار right shift روی متغیر اول و قرار دادن در متغیر دوم
#شیوه انجام عملیات
''' 
خط کش باینری          | 1 | 2 | 4 | 8 | 16 | 32
--‐--------------------------------------------
ترکیب اولیه             | 0 | 0 | 1 | 0 | 0  | 0
اولین حرکت به راست      | 0 | 1 | 0 | 0 | 0  | 0
دومین حرکت به راست     | 1 | 0 | 0 | 0 | 0  | 0
'''
print(f"{num_1} >> 2 = {num_2}")
#out:4 >> 2 = 1

#پایتون #تمرین #کاما_کد #برنامه_نویسی #چالش
#python #challenge #comma_code #programing
#python_challenge

📱 کانال تلگرام
📱 پیج اینستاگرام
📱 چنل یوتیوب

🔤🔤🔤🔤🔤 🔤🔤🔤🔤

همین الان تنظیم سرفصل های دوره پایتون ما هم تموم شد .
فصل اول :مبانی و پایه های پایتون (تقریبا ۱۳ قسمت خواهد که تا مباحث توابع پیش میریم)
فصل دوم: مقدماتی تا متوسط ( تقریبا ۱۱ قسمت خواهد بود و تا شی گرایی مقدماتی پیش میریم)
فصل سوم:پیشرفته(تقریبا ۱۰ قسمت )
فصل چهارم:کاربرد های تخصصی و اکوسیستم پایتون
فصل پنجم: ساخت چند پروژه و آشنایی با فریم ورک ها و مسیر های شغلی (تقریبا ۸ قسمت)

سرجمع چیزی حدود ۴۰ الی ۴۵ قسمت، که هر کدوم ۴۰ الی یک ساعته خواهد بود

این دوره و دوره مبانی کامپیوتر و برنامه نویسی رایگان هستن و از چنل یوتیوب ما پخش خواهند شد

منتظر حمایت های شما هستیم 🙏


#پایتون #تمرین #کاما_کد #برنامه_نویسی #چالش
#python #challenge #comma_code #programing
#python_challenge

📱 کانال تلگرام
📱 پیج اینستاگرام
📱 چنل یوتیوب

🔤🔤🔤🔤🔤 🔤🔤🔤🔤

سلام
داشتم یه نکته ای رو در جایی میخوندم که دیدم جالبه و خواستم بگم. این نکته بهتون کمک میکنه در اکثر مواقع حجم استفاده برنامه شما از حافظه در چیزی حدود ۶۰ درصد کمتر بشه.

شما میدونید که وقتی دارید یک کلاس می‌سازید هر شی یه دیکشنری __dict__ داره که ویژگی ها و مقادیر اون ویژگی ها رو نگهداری میکنه. باید بدونید این دیکشنری برای ساده ترین اشیا سربار حافظه قابل توجهی تولید میکنه .
نمونه این چنین کلاس ها:

class N_user:
    def __init__(self,name,age,loc):
        self.name=name
        self.age=age
        self.loc=loc

در مقابل ما میتونم با __slots__ پیشاپیش ویژگی ها رو اعلام کنیم تا برای هر شی یک ساختار آرایه ای در نظر گرفته بشه که فقط فضا برای نگهداری ویژگی هایی که تعریف کردیم رو داشته باشه.این کار باعث میشه سربار حافظه مربوط به دیکشنری کامل حذف بشه
نمونه چنین کلاسی:

class S_user:
    __slots__=["name","age","loc"]
    def __init__(self,name,age,loc):
        self.name=name
        self.age=age
        self.loc=loc

🔰تفاوت ها:

روش اول و حالت عادی
در این حالت نمونه ما کاملا پویا هستش و میتونیم ویژگی هایی بهش اضافه کنیم ولی حافظه بیشتری اشغال میکنه و همینطور جستجو کردن هم در ین مورد کندتر هستش

روش دوم و استفاده از slots
در این حالت نمونه ما پویا نیست و نمیشه بهش ویژگی اضافه کرد ولی از حافظه کمتری استفاده میکنه و همینطور سرعت جستجو بالاتر هستش. باید اضافه کنیم اگر ارث بری اتفاق افتاد و نیاز بود که کلاس فرزند ویژگی جدید داشته باشه باید slots خودش رو تعریف کنه همچنین در این حالت اگر به قابلیت های خاص مثل dict یا weakref نیاز دارید میتونید اونها رو به slots اضافه کنید.

نکته: تفاوت حجم استفاده از حافظه در ساخت نمونه در تعداد پایین زیاد نیست و در این حالت پیشنهاد نمیکنم که از slots استفاده کنید ولی در ساخت تعداد نمونه زیاد برای مثال ۱۰۰۰۰ عددی این تفاوت کاملا حس میشه.

📊حالا بریم با یه اسکریپت تفاوت میزان فضای اشغالی این دو حالت رو در تعداد 100,000 عدد نمونه برسی کنیم.

from sys import getsizeof as size

class N_user:
    def __init__(self,name,age,loc):
        self.name=name
        self.age=age
        self.loc=loc
    def age_up(self):
        self.age+=1
  
  
class S_user:
    __slots__=["name","age","loc"]
    def __init__(self,name,age,loc):
        self.name=name
        self.age=age
        self.loc=loc
    def age_up(self):
     self.age+=1
  
range=range(100000)
N_users=[N_user("name",10,(10,10)) for _ in range]
S_users=[S_user("name",10,(10,10)) for _ in range]

n_memory=sum(size(i)+size(i.__dict__) for i in N_users)
s_memory=sum(size(i) for i in S_users)

print(f"n_users= {n_memory/1024/1024} MB")
print(f"s_users= {s_memory/1024/1024} MB")
print(f"frugality= {(1 - s_memory / n_memory) * 100:.1f}%")

امیدوارم براتون مفیده بوده باشه🙏😘

نظرات خودتون رو حتما کامنت کنید👌📝


#python #programing #memory_optimization #programming_tips #comma_code #comma_code_python
#پایتون #برنامه_نویسی #حافظه #بهینه_سازی #نکته #کاما_کد

📱 کانال تلگرام
📱 پیج اینستاگرام
📱 چنل یوتیوب

🔤🔤🔤🔤🔤 🔤🔤🔤🔤

📝 یه توضیح راجب مدیریت خطا در پایتون

شما در پایتون میتونید خطا های برنامه رو به کمک چندین کلمه کلیدی و بلوک کد کنترل کنید. برای راحتی توضیحات از یک مثال استفاده می‌کنیم و مدیریت خطا رو بر روی این مثال انجام میدیم .


مثال : ساخت فانکشنی که حاصل تقسیم دو ورودی را نمایش بدهد و اگر خطایی رخ داد بدون خاتمه یافتن برنامه خطا را به شکل فارسی برگرداند.

😀 مرحله اول try :

ما در مرحله اول باید بلوک try رو بسازیم. در این بلوک کدهایی که میتونن موجب خطا بشن رو قرار میدیم در اینصورت اگر در اجرای این کد ها خطایی پیش اومد برنامه خطا رو به بلوک های بعدی میده تا بتونیم کنترل کنیم. دستورات ما تا اینجا به این شکل میشه:

def division(a,b):
# step1
    try:
        result=a/b

2️⃣ مرحله دوم except :

حالا ما باید مشخص کنیم که در صورت بروز خطا باید چکار انجام بشه که اینکار توسط بلوک except انجام میشه.
همینطور ما میتونیم رفتار رو به نسبت نوع خطا هم انجام بدیم و اگر در بلوک مد نظر نوع خطا مشخص نکنیم بلوک با به وجود اومدن هر نوع خطایی اجرا میشه.

def division(a,b):
# step1
    try:
        result=a/b
# step2
    except ZeroDivisionError:
        result = "نمیتوان بر صفر تقسیم کرد"
    except TypeError:
        result = "این دو نوع دیتا را نمیتوان بر یکدیگر تقسیم کرد"
    except:
        result="خطای ناشناخته"

باید اضافه کنم که:

ما میتونیم به این شکل هم به خود آبجکت خطا هم دسترسی داشته باشیم و ازش استفاده کنیم.

except Exception as e:
    '''
Exception = نوع خطا
که در این حالت تمامی خطاها در نظر گرفته میشه. شما میتونید بجای این کلمه از TypeError یا ZeroDivisionError یا هر نوع خطا دیگه استفاده کنید.
e = آبجکت خطا
این کلمه که دلبخواه هستش به آبجکت خطا اشاره می‌کنه و شما میتونید به کمکش به موارد مختلف خطا دست پیدا کنید برای مثال
type(e).__name__
'''

3️⃣ مرحله سوم (اختیاری) else :

در این مرحله می‌توان با بلوک else در صورت رخ ندادن هیچ یک از except ها کنترل بیشتری رو داشته باشیم و چون در این مثال نیازی به این بلوک نیست ما می‌سازیمش ولی داخلش رو خالی میزاریم

4️⃣ مرحله چهارم (اختیاری) finally :

بلوک finally در هر صورت اجرا میشن.

🤔و در نهایت برنامه ما به این شکل در میاد

def division(a,b):
# step1
    try:
        result=a/b
# step 2
    except ZeroDivisionError :
        result = "نمیتوان بر صفر تقسیم کرد"
    except TypeError as e:
        result =f"{type(e).__name__} :این دو نوع دیتا را نمیتوان بر یکدیگر تقسیم کرد"
    except :
        result="خطای ناشناخته"
# step 3
    else: pass
# step 4
    finally: return result

امیدوارم براتون مفید بوده باشه🙂

حمایت فراموش نشه😚❤️☕️
#Python #ErrorHandling #ExceptionHandling #PythonExceptions
#TryExcept #PythonProgramming #CodingTips #Debugging
#PythonTips #CodeQuality #RobustCode #PythonDev
#ErrorManagement #CleanCode #PythonLearning #comma_code #programing #پایتون #مدیریت_خطا #مدیریت_استثنا #خطا_در_پایتون
#تری_اکسپت #برنامه_نویسی_پایتون #نکات_کد_نویسی #دیباگ
#نکات_پایتون #کد_تمیز #برنامه_نویسی_ایمن #یادگیری_پایتون
#خطایابی #کد_حرفه_ای #پایتون_پیشرفته
#کاما_کد #برنامه_نویسی


🔤🔤🔤🔤🔤 🔤🔤🔤🔤

📱کانال تلگرامی
📱پیج اینستاگرام
📱چنل یوتیوب