PySimpleGUI Package In Python

کتابخانه‌ PySimpleGUI در پایتون

کتابخانه‌ای قدرتمند برای ایجاد رابط‌های کاربری گرافیکی در پایتون!
با استفاده از PySimpleGUI، برنامه‌نویسان می‌توانند به سادگی و سرعت، رابط‌های بصری و کاربرپسند طراحی کنند. این کتابخانه امکان ساخت سریع پنجره‌ها، دکمه‌ها و ورودی‌های متنی را فراهم می‌کند و به همین دلیل برای پروژه‌های کوچک و بزرگ مناسب است.

در این نمونه کد، یک برنامه ساده جمع دو عدد ایجاد شده است. کاربر می‌تواند دو عدد را وارد کند و پس از فشردن دکمه "Add"، نتیجه جمع را به‌طور فوری مشاهده کند. این مثال نشان می‌دهد که چگونه می‌توان از PySimpleGUI برای خلق برنامه‌های کاربردی و تعاملی بهره برد.


#PySimpleGUI | LearnPython | #بدانیم

Calculator With kivy Package In Python

🧮تاحالا ماشین حساب گرافیکی با پکیج kivy درست کرده بودی؟

#kivy | #ببینیم | LearnPython

بهترین راهنما برای یادگیری سریع پایتون👩‍💻

پایتون را با بهترین راهنمای یادگیری سریع یاد بگیرید که به خصوص برای برنامه‌نویسان و دانشمندان داده بی‌نظیر است.

✅این منبع جامع شامل دستور زبان Python 3.8+، توابع درون‌ساخته، کنترل جریان، لیست‌ها، دیکشنری‌ها، ژنراتورها، دکوراتورها، regex، برنامه‌نویسی شیءگرا، مدیریت خطا و موارد بسیار دیگر می‌باشد.

✅این راهنما حاوی نمونه‌های کد از پیش آماده، قوانین اولویت عملگرها، مدیران محیط، الگوهای مرتبط با موارد و مباحث پیشرفته مانند مدیریت دامنه و محیط‌های اجرایی است.

✅این منبع برای ارجاع سریع، مصاحبه‌ها، و فعالیت‌های روزمره برنامه‌نویسی ایده‌آل است.

⛔️همین حالا دانلودش کنید تا مهارت‌های پایتون خود را تقویت کنید!

منبع

چیت شیت های قبلی👇

⚫️Cheat Sheet 1
⚪️Cheat Sheet 2
🔴Cheat Sheet 3

#برگه_تقلب | #Cheat_Sheet | آموزش پایتون | #pygame

سلام به همگی! 👋

با توجه به اهمیت محتواهای آموزشی، یک نظرسنجی برای تعیین سطح شما در پایتون ایجاد کرده‌ام. 🐍
لطفاً همه شرکت کنید تا بتوانم بیشتر درباره شما و نیازهای آموزشی‌تان بدانم.
این نظرسنجی به من کمک می‌کند تا مطالب و دوره‌ها را متناسب با سطح شما تنظیم کنم.

تشکر از مشارکتتان! ❤️🙏

در پایتون، سطوح مختلف یادگیری وجود دارد که می‌توان به آنها اشاره کرد:

1. مبتدی: در این سطح، افراد با مفاهیم پایه‌ای مانند نوع داده‌ها (عدد، رشته و لیست)، ساختارهای کنترلی (حلقه‌ها و شرط‌ها) و توابع آشنا می‌شوند.

2. متوسط: در این مرحله، افراد شروع به یادگیری مفاهیم پیشرفته‌تری مانند کلاس‌ها و شی‌گرایی، ماژول‌ها و کتابخانه‌ها، و تکنیک‌های پردازش داده می‌کنند.

3. پیشرفته: در این سطح، مهارت‌های پیچیده‌تری از قبیل پردازش هم‌زمان، بهینه‌سازی کد، و استفاده از الگوریتم‌های پیچیده و ساختار داده‌ها توسعه می‌یابند.

4. متخصص: این سطح شامل یادگیری موضوعات خاص مانند یادگیری ماشین، تحلیل داده‌ها و توسعه وب با پایتون می‌شود که نیاز به درک عمیق‌تری از زبان و مفاهیم مربوطه دارد.

Python Roadmap

🗾نقشه راه پایتون

اگر میخوای پایتون و شروع کنی و یا شروع کردی اما نمیدونی باید چیکار کنی، این نقشه راه و از دست نده!

#roadmap | LearnPython | #نقشه_راه

Creating a ToDo list in Python

کارهای خود را با این اپلیکیشن ساده و کاربردی به راحتی مدیریت کنید! با چند کلیک وظایف خود را اضافه و حذف کنید و همیشه در مسیر هدف‌هایتان بمانید! 🎯💡

#tikinter | #todo_list | LearnPython

این کد نمونه‌ای از استفاده از کتابخانه dotenv در Python برای بارگذاری متغیرهای محیطی از یک فایل .env است. با استفاده از load_dotenv()، متغیرهایی مانند URL پایگاه داده و کلید API به راحتی بارگذاری می‌شوند. این روش امکان مدیریت امن و کارآمد اطلاعات حساس را فراهم می‌آورد، به طوری که دیگر نیازی به سخت‌کد کردن این اطلاعات در کد نیست. در نهایت، با استفاده از os.getenv() به راحتی می‌توان به این متغیرها دسترسی پیدا کرده و آن‌ها را در برنامه استفاده کرد.😌

#load_dotenv | LearnPython

خروجی قطعه کد بالا کدام است؟💀

#تست_تایم | آموزش پایتون

این کد به خوبی مفهوم اضافه بارگذاری عملگرها (Operator Overloading) و استفاده از روش‌های جادویی (Magic Methods) در پایتون را توضیح می‌دهد. با ایجاد یک کلاس به نام Point که نقاط دو بعدی را نمایان می‌سازد، امکاناتی مانند جمع کردن نقاط و نمایش آن‌ها به صورت خوانا فراهم می‌شود.
مختصات x و y اساس نمایندگی نقطه را تشکیل می‌دهند.
متد __add__ با استفاده از عملگر + تعریف شده است و به فرآیند جمع کردن اشیاء این کلاس کمک می‌کند. در نتیجه وقتی p1 و p2 با هم جمع شوند، عملیات به طور داخلی به Point.__add__(p1, p2) تبدیل می‌شود و برنامه‌نویسان می‌توانند از عملگرهای طبیعی برای کار با داده‌ها استفاده کنstr __str__ این امکان می‌دهد که وقتی یک شیء Point چاپ می‌شود، به صورت رشته‌ای با ساختاری واضح و معنادار (مانند Point(7, 10)) نمایش داده شود.

در مجموع، این کد خلاصی از قدرت استفاده از متدهای جادویی در پایتون است که به برنامه‌نویسان این امکان را می‌دهد تا کدهای خوانا و کارآمدی را با استفاده از عرف‌های طبیعی زبان ایجاد کنند.

#class | #بدانیم | LearnPython

تولید یک رمز عبور تصادفی در زبان پایتون می‌توان از کتابخانه random و string استفاده کرد.
در اینجا یک مثال ساده آورده شده است:

import random
import string
# https://t.me/learnpythonicy

def generate_password(length=12):
    characters = string.ascii_letters + string.digits + string.punctuation
    password = ''.join(random.choice(characters) for i in range(length))
    return password

new_password = generate_password(12)
print("your random password is", new_password)

با استفاده از این کد ساده در پایتون، یک رمز عبور تصادفی و امن ایجاد نمایید. این رمز شامل حروف بزرگ و کوچک، اعداد و نمادها است که امنیت بیشتری را فراهم می‌کند.

اگر نیاز به توضیح بیشتر کد داری اینجا کلیک کن.

#random | #string | #password | #بدانیم | LearnPython

✅ توضیح خط به خط کد

کدوم کد؟ این

در کد ارائه شده برای تولید رمز عبور، هر خط به طور خلاصه به شرح زیر عمل می‌کند:

1. وارد کردن کتابخانه‌ها:

   import random
   import string
   

- کتابخانه random برای انتخاب تصادفی کاراکترها و string برای استفاده از مجموعه‌ای از کاراکترها (حروف و اعداد) وارد می‌شود.

2. تعریف تابع:

   def generate_password(length=12):
   

- تابعی به نام generate_password تعریف می‌شود که یک پارامتر ورودی به نام length با مقدار پیش‌فرض ۱۲ دارد.

3. تعریف مجموعه کاراکترها:

   characters = string.ascii_letters + string.digits + string.punctuation
   

- مجموعه‌ای از کاراکترها شامل حروف بزرگ و کوچک، اعداد و نمادهای خاص تشکیل می‌شود.

4. تولید رمز عبور:

   password = ''.join(random.choice(characters) for i in range(length))
   

- با استفاده از یک حلقه، به تعداد مشخص شده (طول رمز عبور) به طور تصادفی کاراکترها از مجموعه انتخاب و به یک رشته تبدیل می‌شود.

5. برگرداندن رمز عبور:

   return password
   

- رمز عبور تولید شده به عنوان خروجی تابع بازگردانده می‌شود.

6. تولید و چاپ رمز عبور:

   new_password = generate_password(12)
   print("your random password is ", new_password)
   

- تابع generate_password با طول ۱۲ فراخوانی می‌شود و نتیجه چاپ می‌شود.

این کد نمونه‌ای از استفاده از ماژول matplotlib در پایتون برای ترسیم یک نمودار خطی است. با استفاده از این کد، می‌توانید نمودارهای مختلفی را بر اساس داده‌های خود ترسیم کنید و آن‌ها را تحلیل کنید.

توضیح بیشتر🤓


نصب ماژول: ابتدا باید ماژول matplotlib را با استفاده از pip نصب کنید(در صورتی که قبلا نصب کردید نیازی به نصب دوباره نیست).

وارد کردن ماژول‌ها: وارد کردن ماژول matplotlib.pyplot با نام مستعار plt.

داده‌های نمونه: داده‌های محور X و Y را مشخص کنید.

ایجاد نمودار خطی: با استفاده از plt.plot یک نمودار خطی ایجاد کنید و نقاط داده‌ها را با marker='o' علامت‌گذاری کنید.

افزودن عنوان و برچسب‌ها: عنوان و برچسب‌های محورهای نمودار را با استفاده از plt.title، plt.xlabel و plt.ylabel اضافه کنید.

نمایش نمودار: نمودار را با استفاده از plt.show نمایش دهید.

#matplotlib | LearnPython | #بدانیم

چون من اینو دیدم حیفه شما نبینید😌

قیافه پایتون وقتی مینویسی print( 'Hi' )

#طنز | آموزش پایتون

Text To Speech In Python

به دنیای تبدیل متن به گفتار خوش آمدید!✨
با این کد می‌توانید متن‌های خود را به صدا تبدیل کنید و لذت ببرید.🎙

#gtts | #ai | #text_to_speech | LearnPython | #بدانیم

Image Processing Using OpenCV & MATPLOTLIB In Python

کد فوق به پردازش تصاویر با استفاده از OpenCV و Matplotlib پرداخته است.

برای مشاهده کد کلیک کنید👩‍💻

پردازش تصویر با استفاده از OpenCV، خواندن یک تصویر، تبدیل آن به فرمت‌های مختلف و نمایش نتایج شامل تصویر اصلی، تصویر خاکستری، تصویر بلور شده و لبه‌ها.💫

کد شامل مراحل زیر می‌باشد:

1. خواندن تصویر: تصویر از مسیر مشخص‌شده خوانده می‌شود.
2. بررسی خطا: اگر تصویر نتواند خوانده شود، پیغام خطا چاپ می‌شود.
3. تبدیل به RGB: تصویر از فرمت BGR به RGB تبدیل می‌شود تا در Matplotlib به‌درستی نمایش یابد.
4. تبدیل به خاکستری: تصویر به صورت خاکستری تبدیل می‌شود.
5. اعمال فیلتر بلور: یک فیلتر بلور Gaussian به تصویر RGB اعمال می‌شود.
6. استخراج لبه‌ها: با استفاده از فیلتر Canny، لبه‌ها از تصویر خاکستری استخراج می‌شود.
7. نمایش تصاویر: در نهایت، چهار تصویر (اصل، خاکستری، بلور شده و لبه‌ها) در یک شکل به نمایش در می‌آید.


#cv2 | #numpy | #matplotlib | #opencv | LearnPython

#بدانیم | #پردازش_تصویر | آموزش پایتون

کد تصویر بالا👆

import cv2
import numpy as np
import matplotlib.pyplot as plt

def process_and_show_images(image_path):
    # خواندن تصویر
    image = cv2.imread(image_path)
    
    # بررسی اینکه آیا تصویر به درستی خوانده شده است یا نه
    if image is None:
        print(f"Error: Could not read the image from path: {image_path}")
        return
    
    # تبدیل تصویر به RGB برای نمایش با Matplotlib
    image_rgb = cv2.cvtColor(image, cv2.COLOR_BGR2RGB)

    # تبدیل تصویر به خاکستری
    gray_image = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)

    # اعمال فیلتر بلور
    blurred_image = cv2.GaussianBlur(image_rgb, (15, 15), 0)

    # استخراج لبه‌ها با استفاده از فیلتر کنی
    edges = cv2.Canny(gray_image, 100, 200)

    # تنظیمات نمایش تصاویر
    fig, axs = plt.subplots(2, 2, figsize=(10, 8))

    axs[0, 0].imshow(image_rgb)
    axs[0, 0].set_title("Original Image")
    axs[0, 0].axis('off')

    axs[0, 1].imshow(gray_image, cmap='gray')
    axs[0, 1].set_title("Gray Image")
    axs[0, 1].axis('off')

    axs[1, 0].imshow(blurred_image)
    axs[1, 0].set_title("Blurred Image")
    axs[1, 0].axis('off')

    axs[1, 1].imshow(edges, cmap='gray')
    axs[1, 1].set_title("Edges")
    axs[1, 1].axis('off')

    plt.show()

# مسیر کامل تصویر ورودی
image_path = 'G:\V.S.Code-PY\AreFull\learnpythonicy\path_to_your_image.jpg'
process_and_show_images(image_path)

🔘توجه شود که در قسمت image_path، باید آدرس عکس مورد نظر را قرار دهید.

Logging program messages using in python

📝 ثبت پیام‌های برنامه با استفاده از ماژول logging در پایتون

این کد از ماژول logging برای ثبت پیام‌های اطلاعاتی (INFO)، هشدار (WARNING) و خطا (ERROR) استفاده می‌کند. با تنظیم سطح لاگ (level=logging.INFO)، فقط پیام‌های با اهمیت بالا ثبت می‌شوند. این روش برای نظارت بر اجرای برنامه، اشکال‌زدایی و بهبود پایداری بسیار مفید است. 🚀

#logging | LearnPython | #بدانیم