pip install ultralytics opencv-python

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

# شروع دوربین
cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break
    
    try:
        # تحلیل احساسات
        results = DeepFace.analyze(frame, actions=['emotion'], enforce_detection=False)
        emotion = results[0]['dominant_emotion']
        emotions = results[0]['emotion']
        
        # رسم نمودار احساسات
        plt.clf()  # پاک کردن نمودار قبلی
        plt.bar(emotions.keys(), emotions.values(), color='skyblue')
        plt.title(f'Dominant Emotion: {emotion}')
        plt.ylim(0, 100)
        
        # تبدیل نمودار به تصویر OpenCV
        fig = plt.gcf()
        fig.canvas.draw()
        plot_img = np.array(fig.canvas.renderer.buffer_rgba())
        plot_img = cv2.cvtColor(plot_img, cv2.COLOR_RGBA2BGR)
        
        # نمایش ترکیبی
        combined = np.vstack((
            cv2.resize(frame, (640, 360)), 
            cv2.resize(plot_img, (640, 360))
        ))
        
        cv2.imshow('Face Analysis - Live', combined)
        
    except Exception as e:
        print(f"خطا: {e}")
        cv2.imshow('Face Analysis - Live', frame)
    
    if cv2.waitKey(1) == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

pip install deepface opencv-python matplotlib numpy

python face_emotion.py

1️⃣ NameError: 
   "وقتی از متغیری استفاده کنی که تعریفش نکردی!"
   print(undefined_var)  # خطا!

2️⃣ IndentationError:
   "فراموش کردن تو رفتگی یا فاصله‌های نادرست"
   if True:
   print("Hello")  # خطا!

3️⃣ TypeError: 
   "انجام عملیات روی نوع‌های ناسازگار"
   "10" + 5  # خطا!

4️⃣ IndexError:
   "دسترسی به خونه‌ای از لیست که وجود نداره"
   lst = [1, 2]
   print(lst[10])  # خطا!

5️⃣ KeyError:
   "درخواست کلیدی که توی دیکشنری نیست"
   data = {"name": "Ali"}
   print(data["age"])  # خطا!

   image = cv2.imread('photo.jpg')  # بارگذاری تصویر از مسیر مشخص
   

   resized = cv2.resize(image, (300, 300))  # تغییر ابعاد با حفظ نسبت
   

   cropped = image[100:400, 200:500]  # ارتفاع: 100-400px، عرض: 200-500px
   

   cv2.imshow('Result', resized)  # نمایش تصویر تغییرسایز شده
   cv2.waitKey(0)  # توقف برنامه تا فشار کلید توسط کاربر
   

import cv2
import numpy as np

# ایجاد بوم سفید
canvas = np.ones((500, 500, 3), dtype=np.uint8) * 255

# تولید 50 دایره رندوم
for _ in range(50):
    color = np.random.randint(0, 256, 3).tolist()
    center = (np.random.randint(50, 450), np.random.randint(50, 450))
    radius = np.random.randint(10, 50)
    cv2.circle(canvas, center, radius, color, -1)  # -1 یعنی دایره پررنگ

# اضافه کردن متن هنری
font = cv2.FONT_HERSHEY_SCRIPT_COMPLEX
cv2.putText(canvas, 'Python Art', (150, 250), font, 2, (0, 0, 0), 2)

# نمایش اثر هنری
cv2.imshow('Digital Painting', canvas)
cv2.waitKey(0)
cv2.imwrite('python_art.jpg', canvas)  # ذخیره اثر

import cv2

# باز کردن دوربین
cap = cv2.VideoCapture(0)

# خواندن اولین فریم (برای مقایسه بعدی)
ret, frame1 = cap.read()
frame1 = cv2.flip(frame1, 1)
gray1 = cv2.cvtColor(frame1, cv2.COLOR_BGR2GRAY)
gray1 = cv2.GaussianBlur(gray1, (21, 21), 0)

while True:
    ret, frame2 = cap.read()
    if not ret:
        break

    frame2 = cv2.flip(frame2, 1)
    gray2 = cv2.cvtColor(frame2, cv2.COLOR_BGR2GRAY)
    gray2 = cv2.GaussianBlur(gray2, (21, 21), 0)

    # محاسبه تفاوت بین دو فریم
    diff = cv2.absdiff(gray1, gray2)
    thresh = cv2.threshold(diff, 25, 255, cv2.THRESH_BINARY)[1]
    thresh = cv2.dilate(thresh, None, iterations=2)

    # پیدا کردن کانتور حرکت‌ها
    contours, _ = cv2.findContours(thresh, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)

    motion_detected = False
    for contour in contours:
        if cv2.contourArea(contour) < 1000:
            continue
        motion_detected = True
        (x, y, w, h) = cv2.boundingRect(contour)
        cv2.rectangle(frame2, (x, y), (x+w, y+h), (0, 255, 0), 2)

    if motion_detected:
        cv2.putText(frame2, "Motion Detected!", (10, 30), cv2.FONT_HERSHEY_SIMPLEX,
                    1, (0, 0, 255), 2)

    cv2.imshow("Motion Detector", frame2)

    # بروزرسانی فریم مرجع
    gray1 = gray2

    if cv2.waitKey(1) == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

import random

# تولید عدد تصادفی بین 1 تا 10
random_number = random.randint(1, 10)
print("عدد تصادفی:", random_number)

# انتخاب تصادفی از لیست
fruits = ["سیب", "موز", "پرتقال", "انگور"]
random_fruit = random.choice(fruits)
print("میوه تصادفی:", random_fruit)

# ترکیب تصادفی لیست
random.shuffle(fruits)
print("لیست ترکیب شده:", fruits)

عدد تصادفی: 7
میوه تصادفی: پرتقال
لیست ترکیب شده: ['موز', 'انگور', 'سیب', 'پرتقال']

  def sum_numbers(a, b):
      return a + b  # تابع پایان می‌یابد

  result = sum_numbers(3, 5)  # 8
  

  def count_up_to(n):
      i = 1
      while i <= n:
          yield i  # هر بار یک عدد تولید می‌کند
          i += 1

  for num in count_up_to(5):
      print(num)  # چاپ اعداد 1 تا 5
  

# مثال با break (خروج کامل از حلقه)
for i in range(5):
    if i == 3:
        break  # حلقه در i=3 پایان می‌یابد
    print(i)
# خروجی: 0 1 2

# مثال با continue (رد شدن یک تکرار)
for i in range(5):
    if i == 3:
        continue  # i=3 رد می‌شود
    print(i)
# خروجی: 0 1 2 4

a = [1, 2]
b = [1, 2]
c = a

# == مقایسه مقدار
print(a == b)  # True (مقادیر یکسان)

# is مقایسه هویت (آدرس حافظه)
print(a is b)  # False (دو شیء متفاوت)
print(a is c)  # True (اشاره‌گر به یک شیء)

لیست = [۱, ۲, ۳]  # قابل تغییر
لیست[۰] = ۱۰  # مجاز

تاپل = (۱, ۲, ۳)  # تغییرناپذیر
تاپل[۰] = ۱۰  # خطا!

import copy

لیست_اصلی = [[۱, ۲], [۳, ۴]]
کپی_سطحی = copy.copy(لیست_اصلی)  # فقط اشیا سطح اول کپی می‌شوند
کپی_عمیق = copy.deepcopy(لیست_اصلی)  # تمام سطوح کپی می‌شوند

class مثال:
    متغیر_کلاس = "مشترک"  # بین همه نمونه‌ها
    
    def __init__(self):
        self.متغیر_نمونه = "اختصاصی"  # برای هر نمونه جداگانه

class مثال:
    @staticmethod
    def متد_استاتیک():  # بدون self
        print("نیاز به نمونه ندارد")
    
    def متد_معمولی(self):  # نیاز به self
        print("نیاز به نمونه دارد")

# لیست‌کامپرینشن (تمام محاسبات یکجا)
لیست = [x**2 for x in range(1000000)]  # مصرف حافظه بالا

# ژنراتور (مصرف بهینه حافظه)
ژنراتور = (x**2 for x in range(1000000))  # مقادیر یک به یک

a, b = 10, 5; a, b = b, a

squares = [x**2 for x in range(10)]

add = lambda x, y: x + y

lines = [line.strip() for line in open('file.txt')]

import math; fact = math.factorial(5)

fib = lambda n: n if n <= 1 else fib(n-1) + fib(n-2)

reverse = "hello"[::-1]

flat_list = [item for sublist in [[1,2],[3,4]] for item in sublist]

is_prime = lambda n: all(n % i != 0 for i in range(2, int(n**0.5)+1))

python -m http.server 8000

python -m http.server 8000

words = ['Python', 'is', 'awesome']
sentence = ' '.join(words)  # 'Python is awesome'

my_list = [1, 2, 3]
reversed_list = my_list[::-1]  # [3, 2, 1]

content = [line.strip() for line in open('data.txt')]

a, b = 10, 5
a, b = b, a

.py → AST → Bytecode اجرای بایت‌کد → خروجی