آشنایی با Decorator ها: جادوی ترکیب کارکردها

در پایتون، Decoratorها یکی از ویژگی‌های قدرتمند و کاربردی هستند که به شما امکان می‌دهند تا بدون تغییر در ساختار یک تابع، قابلیت‌های جدیدی به آن اضافه کنید. Decoratorها می‌توانند به عنوان ابزارهایی برای افزودن لاگینگ، اعتبارسنجی، یا هر نوع پردازش اضافی دیگر به توابع شما به کار روند.

مثال ساده:

فرض کنید می‌خواهید زمان اجرای یک تابع را محاسبه و به آن گزارش کنید. با استفاده از Decorator، می‌توانید این کار را به شکلی تمیز و کوتاه پیاده‌سازی کنید.

def timing_decorator(func):
    def wrapper(*args, **kwargs):
        start_time = time.time()
        result = func(*args, **kwargs)
        end_time = time.time()
        print(f'Execution time: {end_time - start_time} seconds')
        return result
    return wrapper

@timing_decorator
def sample_function(n):
    total = 0
    for i in range(n):
        total += i
    return total

sample_function(1000000)

قابلیت استفاده مجدد: می‌توانید یک Decorator را برای چندین تابع استفاده کنید.
افزایش خوانایی کد: با جداسازی منطق اضافی از توابع اصلی، کدتان تمیزتر می‌شود.

با استفاده از Decoratorها، می‌توانید ساختار برنامه‌نویسی خود را بهبود ببخشید و قابلیت‌های وسیعی را به برنامه‌های خود اضافه کنید.

@python_rd

کتابخانه Requests یکی از پرکاربردترین ابزارها برای ارسال HTTP request در پایتونه. با استفاده از این کتابخانه می‌تونید به سادگی با APIهای مختلف ارتباط برقرار کنید و داده‌ها رو رد و بدل کنید.

مثال ساده:

response = requests.get('https://api.example.com/data')
if response.status_code == 200:
    print('Data:', response.json())
else:
    print('Failed to retrieve data')

@python_rd

Prime functions in python

@python_rd

#سوال

پایتون در چه سالی، در کدام کشور و به دست چه کسی ساخته شد؟

@python_rd

🟣بعد از یادگیری پایتون برای افزایش مهارت چه چیزهایی رو میتونیم یاد بگیریم؟

🔹الگوریتم‌ها و ساختمان داده‌ها
🔹پایگاه‌ داده‌ها (SQL و NoSQL)
🔹فریمورک‌های وب (Django, Flask)
🔹تست و Debugging
🔹مهارت‌های مدیریت نسخه (Git)
🔹کتابخانه‌های علمی (NumPy, Pandas, Matplotlib)
🔹یادگیری ماشین (Scikit-learn, TensorFlow, PyTorch)
🔹امنیت و شبکه
🔹پردازش داده‌ها و Big Data
🔹توسعه API (RESTful, GraphQL)
🔹معماری نرم‌افزار
🔹DevOps و CI/CD
🔹کار با داده‌های حجیم (Hadoop, Spark)
🔹توسعه موبایل (Kivy, BeeWare)
🔹اینترنت اشیا (IoT)
🔹توسعه بازی (Pygame)
🔹پردازش تصویر (OpenCV)
🔹توسعه اسکریپت‌ها و اتوماسیون
🔹برنامه‌نویسی موازی و چند نخی
🔹پردازش زبان طبیعی (NLTK, SpaCy)

@python_rd

📱 همراه جدید برنامه‌نویس‌ها برای دیباگ و بهبود کد توسط OpenAI معرفی شد...!

🔸 این قابلیت به صورت آزمایشی از دیروز برای کاربران دارای اشتراک پلاس عرضه شده و بعد از خروج از حالت آزمایشی برای همه کاربران به صورت مجانی عرضه خواهد شد.

🔸 دیروز، OpenAI یه ابزار جذابی به اسم «Canvas» رو معرفی کرد که تمام تمرکزش روی کمک به برنامه‌نویس‌هاست.

🔸 با Canvas می‌تونید کدهاتون رو دیباگ کنید، بازبینی‌شون کنید و حتی پیشنهادات بهتری برای بهبود کدهاتون بگیرید.

✔️ بررسی و بازبینی کد
✔️ اضافه کردن لاگ به پروژه
✔️ اضافه کردن کامنت به کدها و دیباگ
✔️ ترجمه کد از یک زبان به زبان دیگه

‼️ از حالا نسخه اولیه Canvas برای کاربران Plus و Team قابل دسترسه.

➡️ https://techcrunch.com/2024/10/03/openai-launches-new-canvas-chatgpt-interface-tailored-to-writing-and-coding-projects/?guccounter=1


🔹@python_rd

🔶ابزار هایی برای برنامه نویس های پایتون

1. Jupyter Notebook: برای تست و پروتوتایپ‌گیری پروژه‌ها، به ویژه در حوزه علم داده.
2. Pandas: برای تحلیل و دستکاری داده‌ها.
3. Matplotlib و Seaborn: برای ترسیم نمودارها و تحلیل داده بصری.
4. PyInstaller: برای تبدیل فایل‌های پایتون به برنامه‌های اجرایی مستقل.

🔹@python_rd

#چالش

🔶برنامه‌ای بنویسید که تمامی اعداد اول زیر 1000 را چاپ کند.

کوتاه ترین کد بهترینه!

🔹@python_rd

✅چرا پایتون؟

1. پایتون، بهترین انتخاب برای شروع برنامه نویسی
2. با پایتون با یک کد کوتاه و ساده، کارهای بزرگی می توان انجام داد و این یعنی پیشرفت هرچه زودتر!
3. جامعه بزرگ برنامه نویس های پایتون یکی از نقاط قوت این زبان محسوب میشه و این یعنی این زبان داره روز به روز پیشرفت میکنه!
4. سرعت بالای پردازش اطلاعات در پایتون به این معنیه که ما با یک زبان قدرتمند روبرو هستیم.
5. پایتون یک زبان برنامه نویسی برای کار در زمینه های مختلفه. به قول معروف، پایتون برای همه چیز! به طور مثال:
دیتا ساینس، ماشین لرنینگ، پردازش تصویر، هوش مصنوعی، توسعه وب، هک و امنیت و...
6. پایتون شامل تعداد بسیاری از کتابخانه های قوی برای کاربرد های مختلفه و این یعنی برنامه نویسی ساده و موثر!

@python_rd

🔶مرور سریع بر پایتون

🔹@python_rd

✅ خطا ها در زبان پایتون

◽️ در زبان پایتون، خطاها به دو دسته تقسیم می‌شوند: خطاهای معمولی (Exceptions) و خطاهای زمان اجرا (Runtime Errors). اینجا چند خطا اصلی همراه با معانیشان آمده است:

1. خطای (SyntaxError): زمانی رخ می‌دهد که کد نوشته شده با قواعد زبان پایتون مغایرت داشته باشد.

2. خطای فاصله گذاری (IndentationError): وقتی فاصله‌گذاری در کد ناقص یا نادرست باشد.

3. خطای (NameError): وقتی یک نام متغیر یا فراخوانی وجود نداشته باشد.

4. خطای (TypeError): وقتی عملیاتی روی نوع اشیاء نامناسب باشد.

5. خطای (IndexError): وقتی شاخصی برای دسترسی به یک عنصر در یک لیست یا رشته وجود نداشته باشد.

6. خطای (ValueError): زمانی اتفاق می‌افتد که یک عملیات با یک مقدار نامناسب انجام شود.

7. خطای (KeyError): وقتی یک کلید در یک دیکشنری وجود نداشته باشد.

8. خطای (FileNotFoundError): وقتی یک پرونده مورد نظر برای عملیات فایل مورد نظر پیدا نشود.

9. خطای (ModuleNotFoundError): وقتی یک ماژولی که قرار استفاده شود پیدا نشود.

10. خطای (ZeroDivisionError): وقتی تلاش برای تقسیم عددی بر صفر انجام شود.

🔹@python_rd

کتاب های حرفه ای پایتون:

1. Effective Python
2. Python Tricks
3. Fluent Python
4. Mastering Python

@python_rd

Natural Language Processing (NLP)
یکی از زیرشاخه های هوش مصنوعی هست و فیلد خیلی عظیمیه و علاوه بر مهارت های آماری و ماشین لرنینگ باید دانش دستوری (نحوی) زبان مورد نظر رو هم داشته باشید.


اگه تازه میخواید شروع کنید و NLP رو یاد بگیرید اول این کتاب رو بخونید. هم خیلی ساده از اول توضیح داده و هم پروژه های عملی باحالی داره.

@python_rd

🔹python lambda function

🔶@python_rd

🔶 سنیور پایتون دولوپر😂

🔹@python_rd