✔️ 10 Python One-Liners That Will Blow Your Mind!

1️⃣ Swap Variables

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

2️⃣ List Comprehension

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

3️⃣ Lambda Function

add = lambda x, y: x + y

4️⃣ Read File

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

5️⃣ Factorial

import math; fact = math.factorial(5)

6️⃣ Fibonacci Sequence

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

7️⃣ Reverse String

reverse = "hello"[::-1]

8️⃣ Flatten List

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

9️⃣ Check Prime

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

🔟 Web Server

python -m http.server 8000

> *Warning: Don't overuse them in production code!*

#PythonTricks | #codeBites | @LearnPythonIcy

Which one is your favorite? Drop a comment! ⤵️

✔️ 10 Python One-Liners That Will Blow Your Mind!


1️⃣ Swap Variables

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

2️⃣ List Comprehension

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

3️⃣ Lambda Function

add = lambda x, y: x + y

4️⃣ Read File

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

5️⃣ Factorial

import math; fact = math.factorial(5)

6️⃣ Fibonacci Sequence

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

7️⃣ Reverse String

reverse = "hello"[::-1]

8️⃣ Flatten List

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

9️⃣ Check Prime

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

🔟 Web Server

python -m http.server 8000

> *Warning: Don't overuse them in production code!*

#PythonTricks | #codeBites | @LearnPythonIcy

Which one is your favorite? Drop a comment! ⤵️

✔️ پیدا کردن حروف منحصر به فرد در یک رشته

برای پیدا کردن حروف منحصر به فرد (حذف کاراکترهای تکراری از متن) در یک رشته، معمولاً از حلقه‌ها و ساختارهای شرطی استفاده می‌کنیم:

unique_chars = []
for char in my_string:
    if char not in unique_chars:
        unique_chars.append(char)

اما پایتون یک روش حرفه‌ای و بهینه‌تر ارائه می‌دهد:

unique_chars = list(set(my_string))

👀 چرا این روش کار می‌کند؟
- تابع set() به طور خودکار تمام عناصر تکراری را حذف می‌کند.
- با تبدیل نتیجه به لیست، خروجی مورد نظر ما را می‌دهد.

نکته:
اگر ترتیب حروف مهم است، می‌توانید از dict استفاده کنید:

unique_ordered = list(dict.fromkeys(my_string))

این روش:
1. سریع‌تر و خوانا تر است
2. برای رشته‌های طولانی کارایی بهتری دارد
3. کد را حرفه‌ای‌تر نشان می‌دهد

#PythonTricks | #بدانیم | @LearnPythonIcy

🔍 راهنمای #هشتگ‌ها برای دسترسی سریع‌تر به مطالب کانال

برای اینکه راحت‌تر به مطالب دلخواهتون برسید، از هشتگ‌های زیر استفاده کنید:

---

### 😂 #طنز

مطالب فان و خنده‌دار برای فاصله گرفتن از دنیای کدنویسی.

### 🧪 #تست_تایم

تست‌ها و تمرین‌هایی که باید برای تقویت مهارت‌های برنامه‌نویسی بزنید.

### 📘 #بدانیم

نکات مهم و کاربردی درباره‌ی برنامه‌نویسی و پایتون.

### 📚 #بخوانیم

دانستنی‌ها و مقالاتی که پیشنهاد می‌کنم حتما مطالعه کنید.

### 📖 #معرفی_کتاب / #بوک_تایم

کتاب‌های پیشنهادی برای یادگیری اصولی‌تر.

### 🔥 #موتیو_تایم

پست‌های انگیزشی و انرژی‌بخش برای ادامه‌ی مسیر یادگیری.

### 📚 #کتابخانه

کتابخانه‌هایی که در کانال معرفی شده‌اند.

### 📃 #برگه_تقلب و #Cheat_Sheet

خلاصه و نکات کلیدی
---
### 🎮 #game

بازی های ساخته شده با پایتون

### 🛣 #roadmap

نقشه‌راه یادگیری پایتون و مهارت‌های لازم.

### 🧩 #project_time

پروژه‌های تمرینی برای افزایش تجربه و تسلط.

### 📄 #paper

مقالات علمی و تخصصی معرفی‌شده.

---

### ⚡️ #PythonTricks

میانبرها و ترفندهای کاربردی پایتون.

### ✨ #Pythonmagic

رفتارهای خاص و جالب پایتون که کمتر کسی می‌داند.

### 🧰 #functools

ابزارها و تکنیک‌های مرتبط با توابع.

### 🧱 #codeBites

خلاصه‌ی یک دستور همراه با نمونه‌کد کوتاه.

### ❗️ #error

خطاهای رایج پایتون و روش رفع آن‌ها.

### 📰 #news

اخبار روز پایتون و دنیای تکنولوژی.

### 🖼 #carousel

پست‌های اسلایدری برای آموزش موضوعات مختلف.

---

### 🤖 #AI

هوش مصنوعی

### 📊 #ML

یادگیری ماشین

### 🧠 #DL

یادگیری عمیق (ژرف)

---

## 🔎 جستجوی سریع دستورات و کتابخانه‌ها

هر دستور یا کتابخانه‌ای که لازم دارید کافیست هشتگش را جستجو کنید:

#split
#while
#class
#for
#dict
#list
#opencv
#cv2
#numpy
#matplotlib
#tkinter
و …

---

## 🎯 دوره‌ها و تمرین‌ها

📘 دوره آموزش مقدماتی پایتون

🧪 حل ۳۰ سؤال کاربردی برای تقویت مهارت‌های دوره مقدماتی

🎖چالش ۳۰ روزه Python for AI

✔️ 10 Python Dictionary Tricks You Should Know! 🐍✨

1️⃣ ساخت دیکشنری با مقدار پیش‌فرض

from collections import defaultdict
d = defaultdict(int)

2️⃣ ادغام دو دیکشنری (Python 3.9+)

merged = dict1 | dict2

3️⃣ برعکس کردن key و value

reversed_dict = {v: k for k, v in my_dict.items()}

4️⃣ گرفتن مقدار با مقدار پیش‌فرض امن

value = my_dict.get("key", 0)

5️⃣ مرتب‌سازی دیکشنری بر اساس value

sorted_dict = dict(sorted(my_dict.items(), key=lambda x: x[1]))

6️⃣ حذف آیتم و گرفتن مقدار همزمان

value = my_dict.pop("key")

7️⃣ ساخت دیکشنری از دو لیست

result = dict(zip(keys, values))

8️⃣ بررسی وجود چند key به‌صورت همزمان

if {"a", "b"} <= my_dict.keys():
    print("Exists")

9️⃣ دیکشنری کامپرهنشن

squares = {x: x**2 for x in range(5)}

🔟 شمارش تکرار آیتم‌ها

from collections import Counter
count = Counter(["a", "b", "a", "c"])

> ⚠️ دیکشنری‌ها خیلی قدرتمندن؛ ولی خوانایی کد رو فدای کوتاه‌نویسی نکن!



#dict | #PythonTricks | @LearnPythonicy

👇 کدومش بیشتر به کارت خورد؟ کامنت کن!

✔️ 10 Python Set Tricks You Should Know! 🐍✨


1️⃣ ساخت Set یکتا از لیست

unique_items = set([1, 2, 2, 3, 4])

2️⃣ افزودن آیتم

my_set.add(5)

3️⃣ حذف آیتم بدون خطا

my_set.discard(10)  # Error نمی‌دهد

4️⃣ اجتماع دو مجموعه (Union)

result = set1 | set2

5️⃣ اشتراک دو مجموعه (Intersection)

common = set1 & set2

6️⃣ تفاضل مجموعه‌ها (Difference)

diff = set1 - set2

7️⃣ بررسی زیرمجموعه بودن

if set1 <= set2:
    print("Subset")

8️⃣ حذف آیتم تصادفی

item = my_set.pop()

9️⃣ ساخت Set Comprehension

squares = {x**2 for x in range(5)}

🔟 حذف آیتم‌های تکراری از رشته

unique_chars = set("programming")

> ⚠️ ست ها(set) فوق‌العاده سریع هستند (O(1) average lookup)، اما ترتیب را حفظ نمی‌کنند!


#Set | #PythonTricks | #DataStructures | @LearnPythonicy

👇 بیشتر از کدوم عملیات Set در پروژه‌هات استفاده می‌کنی؟

✔️ 10 Python Async & Concurrency Tricks You Should Know! ⚡🐍


1️⃣ اجرای تابع async

import asyncio

async def main():
    print("Hello Async")

asyncio.run(main())

2️⃣ اجرای همزمان چند Task

async def task(n):
    await asyncio.sleep(1)
    return n

results = await asyncio.gather(task(1), task(2))

3️⃣ ایجاد Task در پس‌زمینه

task = asyncio.create_task(task(3))

4️⃣ محدود کردن همزمانی با Semaphore

sem = asyncio.Semaphore(3)

async with sem:
    await some_io()

5️⃣ Timeout برای جلوگیری از Hang

await asyncio.wait_for(task(1), timeout=2)

6️⃣ اجرای کد Blocking داخل Async

loop = asyncio.get_running_loop()
result = await loop.run_in_executor(None, blocking_func)

7️⃣ استفاده از ThreadPoolExecutor

from concurrent.futures import ThreadPoolExecutor

8️⃣ استفاده از ProcessPool برای CPU-Bound

from concurrent.futures import ProcessPoolExecutor

9️⃣ مدیریت Race Condition با Lock

lock = asyncio.Lock()

async with lock:
    shared_resource += 1

🔟 Async HTTP Requests با aiohttp

import aiohttp

async with aiohttp.ClientSession() as session:
    async with session.get("https://api.example.com") as resp:
        data = await resp.json()

> ⚠️ نکته: Async برای I/O-Bound فوق‌العاده است، اما برای CPU-Bound از multiprocessing استفاده کن.



#AsyncIO #Concurrency #Backend #Performance #PythonTricks

👇 تو پروژه‌هات بیشتر با I/O-Bound سروکار داری یا CPU-Bound؟