ذخیره سازی داده ها در Excel با پایتون

   pip install pandas openpyxl  

کد:

import pandas as pd 

data = [[19.50, 17.25, 16.75, 19],
        [12, 18.25, 15.50, 15],
        [19, 20, 18.25, 1775]]
df = pd.DataFrame(data, index=['Radvin', 'Ramin', 'Rasta'],
                  columns=['physic', 'chemistry', 'math', 'literature'])

with pd.ExcelWriter('U_M.xlsx', engine='xlsxwriter') as writer:
    df.to_excel(writer, sheet_name='U2M')

x = pd.read_excel('pandas_simple.xlsx', index_col=0)
print(x)

import pandas as pd 

data = [[19.50, 17.25, 16.75, 19],
        [12, 18.25, 15.50, 15],
        [19, 20, 18.25, 17.75]]

df = pd.DataFrame(data, index=['Radvin', 'Ramin', 'Rasta'],
                  columns=['physic', 'chemistry', 'math', 'literature'])

         physic  chemistry   math  literature
Radvin   19.50      17.25  16.75        19.00
Ramin    12.00      18.25  15.50        15.00
Rasta    19.00      20.00  18.25        17.75

with pd.ExcelWriter('U_M.xlsx', engine='xlsxwriter') as writer:
    df.to_excel(writer, sheet_name='U2M')

x = pd.read_excel('pandas_simple.xlsx', index_col=0)

print(x)

🧩خلاصه

این کد ابتدا یک DataFrame از نمرات دانش‌آموزان ایجاد کرده و آن را در یک فایل Excel ذخیره می‌کند.
سپس از یک فایل Excel دیگر به نام pandas_simple.xlsx داده‌ها را می‌خواند و آنها را چاپ می‌کند.
توجه داشته باشید که نام فایل pandas_simple.xlsx باید به درستی موجود باشد؛ در غیر این صورت، اگر فایلی با این نام وجود نداشته باشد، خطا نمایش داده خواهد شد.

پکیج Numpy یک بسته اساسی برای محاسبات علمی در پایتون است. از آرایه ها و ماتریس ها به همراه مجموعه ای از توابع ریاضی برای کار بر روی این ساختارهای داده پشتیبانی می کند.

پالیندروم (palindrome) چیست؟

پالیندروم یعنی متقارن
چه از اول بخوانی چه از آخر تغییری در ماهیت ندارد.
برای مثال کلمه گرگ یا کلمه level

def palindrome(words_list):
    new_words_list = [] 
    for word in words_list:
        cleaned_word = ''.join(word.lower().split())
        if cleaned_word == cleaned_word[::-1]:
            new_words_list.append(word)
    return new_words_list

words_list = ['Level', 'Lady', 'Madam', 'Gentleman', 'Refer', 'Ant', 'Repaper']

print(palindrome(words_list))

🔺توضیح چالش و قطعه کد بالا

دستور dir() در پایتون یک تابع داخلی است که به اطلاعات مربوط به ویژگی‌ها و متدهای موجود برای یک شی (object) خاص را نمایش می‌دهد. این دستور می‌تواند برای بررسی اشیاء مختلف، از جمله ماژول‌ها، کلاس‌ها و نمونه‌ها استفاده شود.

dir(object)

import math

# نمایش ویژگی‌ها و متدهای ماژول math
print(dir(math))

class MyClass:
    def __init__(self):
        self.attribute = "Hello"

    def my_method(self):
        return "Method called!"

# ایجاد یک نمونه از کلاس
obj = MyClass()

# نمایش ویژگی‌ها و متدهای نمونه کلاس
print(dir(obj))

# نمایش نام‌های موجود در فضای نام فعلی
print(dir())

🧩خلاصه
تابع dir() یک ابزار مفید برای بررسی و شناخت اشیاء و ماژول‌های موجود در پایتون است. به شما کمک می‌کند تا بفهمید چه ویژگی‌ها و متدهایی برای یک شی خاص در دسترس است و می‌تواند به درک بهتر کد و ایجاد عمیق‌تر ارتباط با APIها کمک کند.

dir(int)

Str.replace(Argument1, Argument2, Argument3) 

تحلیل کد بالا

Tuple1 = (9, 6, 0, 0)
Touple2 = (3, 4, 1, 2)
print(Tuple1 > Touple2)

مگه تاپل ها غیرقابل تغییر نیستند؟
پس چطوری میشه تفاوت و اشتراک هاشون و پیدا کرد؟؟

tuple1 = (1, 2, 3, 4, 5)
tuple2 = (4, 5, 6, 7, 8)

# تبدیل تاپل‌ها به مجموعه و پیدا کردن اشتراک
intersection = set(tuple1) & set(tuple2)
print("intersection=", intersection)
#Output:
#intersection={4, 5}

# تفاوت بین تاپل ۱ و ۲
difference1 = set(tuple1) - set(tuple2)
difference2 = set(tuple2) - set(tuple1)

print(" differences between tuple1, tuple2:", difference1)
print(" differences between Touple2, tuple1:", difference2)

#Output :
#differences between tuple1, tuple2: {1, 2, 3}
#differences between Touple2, tuple1: {8, 6, 7} 

🔗توجه:

این روش فقط برای عناصر قابل مقایسه (مثل اعداد، رشته‌ها و ...) قابل استفاده است. اگر عناصر تاپل‌ها شامل نوع داده‌های پیچیده‌تری باشند، باید روش‌های دیگری مد نظر قرار گیرد.

pie chart using matplotlib in python

pip install matplotlib

import matplotlib.pyplot as plt

# Data to plot
labels = ['Python', 'Java', 'C++', 'Ruby']
sizes = [45, 30, 15, 10]  # Corresponding sizes for each label
colors = ['gold', 'lightcoral', 'lightskyblue', 'lightgreen']  # Colors for each slice
explode = (0.1, 0, 0, 0)  # explode 1st slice (i.e. 'Python')

# Create a pie chart
plt.figure(figsize=(8, 8))  # Set the figure size
plt.pie(sizes, explode=explode, labels=labels, colors=colors,
        autopct='%1.1f%%', shadow=True, startangle=140)

plt.axis('equal')  # Equal aspect ratio ensures that pie chart is a circle.

# Title
plt.title('Programming Language Usage')

# Show the plot
plt.show()

🔗توجه:
این یک مثال ساده از نمودار دایره‌ای است. شما می‌توانید آن را با تنظیم پارامترهایی مانند shadow، startangle و استفاده از طرح‌های رنگی مختلف سفارشی کنید.

import matplotlib.pyplot as plt
import numpy as np


def midpoints(x):
    sl = ()
    for _ in range(x.ndim):
        x = (x[sl + np.index_exp[:-1]] + x[sl + np.index_exp[1:]]) / 2.0
        sl += np.index_exp[:]
    return x

# prepare some coordinates, and attach rgb values to each
r, g, b = np.indices((17, 17, 17)) / 16.0
rc = midpoints(r)
gc = midpoints(g)
bc = midpoints(b)

# define a sphere about [0.5, 0.5, 0.5]
sphere = (rc - 0.5)**2 + (gc - 0.5)**2 + (bc - 0.5)**2 < 0.5**2

# combine the color components
colors = np.zeros(sphere.shape + (3,))
colors[..., 0] = rc
colors[..., 1] = gc
colors[..., 2] = bc

# and plot everything
ax = plt.figure().add_subplot(projection='3d')
ax.voxels(r, g, b, sphere,
          facecolors=colors,
          edgecolors=np.clip(2*colors - 0.5, 0, 1),  # brighter
          linewidth=0.5)
ax.set(xlabel='r', ylabel='g', zlabel='b')
ax.set_aspect('equal')

plt.show()