مثال28: محاسبه شاخص توده بدنی (BMI)

# Underweight = <18.5 
# Normal weight = 18.5–24.9 
# Overweight = 25–29.9 
# Obesity = BMI of 30 or greater  
 
def calculate_bmi(weight, height): 
    bmi = weight / ((height/100) ** 2) 
    return bmi 
def shap_of_body(bmi): 
    if bmi <18.5: 
        return 'Underweight' 
    elif 18.5<bmi<24.9: 
        return 'Normal weight' 
    elif 25<bmi<29.9: 
        return 'Overweight' 
    elif bmi>30: 
        return 'Obesity' 
 
weight = float(input('weight(kg): ')) 
height = float(input('height(cm):')) 
 
bmi = calculate_bmi(weight, height) 
shap=shap_of_body(bmi) 
print("Your BMI: {:.1f}\n{}".format(bmi,shap))

29.مثال بیست و نهم

مثال29: محاسبه توان دوم اعداد از صفر تا ده و قراردادن آنها در یک لیست.

Squares=[i **2 for i in range(11)]
print(Squares)

30.مثال سی ام

مثال30: حل یک سوال پیچیده با استفاده از دستور try و except می‌تواند به شما کمک کند تا خطاها را مدیریت کرده و برنامه‌ی خود را پایدارتر کنید. به عنوان مثال، فرض کنید می‌خواهید یک عملیات ریاضی را انجام دهید، اما ممکن است در برخی حالات خطاهای مختلفی رخ دهد.

در اینجا یک مثال ساده از حل یک معادله ریاضی با استفاده از دستور try و except در پایتون است:

try:
    a = int(input("Enter the value of a: "))
    b = int(input("Enter the value of b: "))
    
    result = (a + b) / (a - b)
    print("Result:", result)

except ZeroDivisionError:
    print("Division by zero is not allowed.")
except ValueError:
    print("Invalid input. Please enter valid integers.")
except Exception as e:
    print("An error occurred:", e)

✅توضیحات
در این مثال، برنامه ابتدا دو عدد صحیح از کاربر دریافت می‌کند و سپس یک عملیات ریاضی پیچیده را انجام می‌دهد. اگر تقسیم بر صفر رخ دهد، برنامه با خطای ZeroDivisionError
مواجه می‌شود و پیام "Division by zero is not allowed." را چاپ می‌کند. اگر ورودی کاربر غیرعددی باشد، برنامه با خطای ValueError مواجه می‌شود و پیام "Invalid input. Please enter valid integers." را چاپ می‌کند. در صورت رخ دادن هر خطای دیگر، برنامه پیام "An error occurred:" به همراه خطای مشخص شده را چاپ می‌کند.

با استفاده از دستور try و except، می‌توانید برنامه خود را بهبود دهید و با خطاها بهتر برخورد کنید.

این دوره هم تموم شد🥳

دوره جدیدی که در راهه جذاب‌تر از دوره های قبل هست!

منتظر بمونید...🙂‍↕️

🏡حذف فاصله‌های خالی(space) از ابتدا و انتهای رشته در پایتون

text = "   Learning Python!      "
convertText=text.lstrip() 
convertText=convertText.rstrip()
print ('convert Text is: ', convertText) 
#Output: "Learning Python!" 
 

🔰در زبان پایتون، برای حذف فاصله‌های خالی از ابتدای یک رشته، از متد زیر استفاده می‌کنیم؛ که مخفف Left Strip می باشد.

lstrip()

word = "      Hello, Python!     "
converWord = word.lstrip()
print(converWord)  
# Output: "Hello, Python!     "

🔰و برای حذف از انتهای رشته از دستور زیر که مخفف Right Strip است، استفاده می کنیم.

rstrip()

word = "     Hello, Python!       "
converWord = word.lstrip()
print(converWord)  
# Output: "     Hello, Python!"

#پایتون #نکته | آموزش پایتون

📚«Python by Example: Learning to Program in 150 Challenges»

📚کتاب "پایتون با مثال: یادگیری برنامه نویسی با 150 چالش"

✅ کتاب، مباحث پایه ای پایتون را به زبان بسیار ساده، در قالب 150 مثال عملیاتی بیان می‌کند.


#معرفی_کتاب | #بوک_تایم | آموزش پایتون

🔆 توضیحات تست بالا:

متد () append دقیقا عنصر داخل پرانتز را به لیست اضافه می‌کند.

📌ساختار کلی:

listName .append(element)

🔸listName:

نام لیستی است که می‌خواهید به آن عنصر جدید اضافه کنید.

🔸element:

عنصری است که می‌خواهید به لیست اضافه کنید. این عنصر می‌تواند از هر نوع داده‌ای باشد (عدد، رشته، لیست دیگر و...).


📌 نکات مهم:

1. تغییر در لیست اصلی: متد append() لیست را به‌روزرسانی می‌کند.

2. افزودن لیست به عنوان یک عنصر: اگر یک لیست را با استفاده از append() به لیست دیگری اضافه کنید، آن لیست جدید به‌عنوان یک عنصر واحد به لیست اصلی اضافه می‌شود و نه عناصر آن.


#تست_تایم | آموزش پایتون

نصب کتابخانه

برای نصب کتابخانه باید اینترنت متصل باشید.

وارد command prompt می شویم و دستور زیر را وارد می کنیم:

python -V

سپس دستور زیر را وارد می کنیم:

pip -V

توجه شود که حروف python و pip کوچک هستند، یک فاصله داده شده و خط تیره(-) و کلمه V (وی) انگلیسی بزرگ است.

اگر در پاسخ دستورهای بالا با خطا مواجه شدید میتواند به این خاطر باشد که در هنگام نصب پایتون تیک گزینه زیر را نزده‌اید!

◻️Add Python 3.9 to PATH

که برای رفع آن باید یک بار نرم افزار پایتون را حذف کرده و دوباره نصب کنید و این بار تیک گزینه بالا را فعال کنید.

در ادامه:

pip install PackageName

اسم کتابخانه ای که می‌خواهید نصب کنید را به جای PackageName می‌گذارید.
برای مثال میخواهید کتابخانه numpy را نصب کنید👇:

pip install numpy

و Enter را می‌زنیم، منتظر نصب کتابخانه موردنظر می‌مانیم تا پیغام زیر را چاپ کند.

Successfully installed PackageName

🔆موارد تکمیلی در پست بعدی...👇👇👇


#کتابخانه | #بدانیم | آموزش پایتون

موارد تکمیلی پست قبل

🔆موارد تکمیلی

برای:

🔅چک کردن ماژول های نصب شده

pip freeze

🔅فراخوانی اطلاعات کامل ماژول ها

pip show PackageName

🔅به روزرسانی ماژول ها
ویندوز👇

pip install --upgrade PackageName

مک و لینوکس👇

sudo pip install --upgrade PackageName

🔅حذف و لغو نصب ماژول
ویندوز👇

pip uninstall PackageName

مک و لینوکس👇

sudo pip uninstall PackageName

📣توجه:
در تمام موارد بالا به جای PackageName اسم ماژول موردنظر را باید نوشت.


#کتابخانه | #بدانیم | آموزش پایتون

انواع کتابخانه‌ها در پایتون

#کتابخانه | آموزش پایتون

انواع کتابخانه ها در پایتون

🔆در پایتون، کتابخانه‌ها و ماژول‌های مختلفی برای انجام انواع وظایف و قابلیت‌ها وجود دارد.
برخی از مهم‌ترین آن‌ها عبارتند از:

🔅کتابخانه‌های علمی عددی
الف) NumPy: برای محاسبات عددی و کار با آرایه‌های چندبعدی
ب) SciPy: شامل ابزارهای علمی و عددی کاربردی، جبر خطی، بهینه‌سازی و محاسبات عددی.
ج) Pandas: برای تجزیه و تحلیل داده‌ها و کار با داده‌های جدولی و دیتا فریم‌ها.

🔅کتابخانه‌های مصور سازی داده
الف) Matplotlib: برای ایجاد و سفارشی‌سازی نمودارها و مصورسازی داده‌ها.
ب) Seaborn: بر پایه Matplotlib ساخته شده و برای مصور سازی آماری و طراحی متنوع داده‌ها.
ج) Plotly: برای مصور سازی تعاملی و نمودارهای وب.

🔅کتابخانه‌های یادگیری ماشین و هوش مصنوعی
الف) Scikit-learn: برای الگوریتم‌های یادگیری ماشین و اساسی در تجزیه و تحلیل داده‌ها.
ب) TensorFlow: برای یادگیری عمیق و شبکه‌های عصبی.
ج) Keras: یک رابط کاربری ساده و سطح بالا برای TensorFlow و شبکه‌های عصبی.
د) PyTorch: برای یادگیری عمیق و توانایی متناسب‌سازی و طراحی شبکه‌های عصبی.

🔅کتابخانه‌های وب
الف) Flask: یک میکرو فریم‌ورک برای ساخت وب‌سایت‌ها و API.
ب) Django: یک فریم‌ورک قدرتمند برای توسعه برنامه‌های وب با ویژگی‌های مختلف.
ج) Requests: برای ارسال درخواست‌های HTTP و کار با APIها.

🔅کتابخانه‌های پردازش متن
الف) NLTK: برای پردازش زبان طبیعی و تحلیل متن.
ب) spaCy: یک کتابخانه سریع و مدرن برای پردازش زبان طبیعی.
ج) TextBlob: برای پردازش متن و تجزیه و تحلیل احساسات.

🔅کتابخانه‌های گرافیکی
الف) Tkinter: یک کتابخانه برای ایجاد رابط‌های کاربری گرافیکی (GUI).
ب) Pygame: برای توسعه بازی‌های ویدئویی.

🔅کتابخانه‌های سیستم و شبکه
الف) os: برای کار با سیستم فایل و اجراهای داخلی سیستم.
ب) sys: برای دسترسی به متغیرهای و عملکردهای مربوط به پایتون.
ج) socket: برای برقراری ارتباطات شبکه‌ای.

🔅کتابخانه‌های آزمون و تست
الف) unittest: برای نوشتن تست‌های واحد.
ب) pytest: یک فریم‌ورک تست محبوب برای نوشتن تست‌های پیچیده‌تر.

🔅کتابخانه‌های دیتابیس
الف) SQLAlchemy: برای کار با پایگاه‌های داده رابطه‌ای.
ب) SQLite: پایگاه داده سبک برای ذخیره‌سازی داده‌ها.

🔅کتابخانه‌های زمان و تاریخ
الف) datetime: برای کار با تاریخ و زمان.
ب) dateutil: برای پردازش و تجزیه بیشتر تاریخ.


#کتابخانه | آموزش پایتون

کیا اینطوری دیباگ می‌کنند؟😂
#طنز | آموزش پایتون

👨‍💻خروجی قطعه کد بالا کدام است؟

#تست_تایم | آموزش پایتون

👩‍💻خروجی قطعه کد بالا کدام است؟

#تست_تایم | آموزش پایتون