🔆 کتاب خوبی برای یادگیری معماری تر و تمیز که برای زبان برنامه‌نویسی پایتون آموزش داده شده

🔹https://www.thedigitalcatbooks.com/pycabook-introduction

🐍 @python_rd

🔆 چیت شیت (برگه تقلب) جمع و جور و کامل برای زبان پایتون.

🔹https://github.com/gto76/python-cheatsheet

🐍 @python_rd

🔆 کتاب رایگانی از Oreilly درباره الگوهای معماری پرکاربردی است که برای مدیریت پیچیدگی استفاده می‌شوند. این کتاب برای زبان پایتون نگارش شده است.

🔹github.com/cosmicpython/book

🐍 @python_rd

🔆 مجموعه‌ای از کدهای کمتر شناخته‌شده در زبان پایتون به همراه توضیحات مکمل.

🔹 github.com/satwikkansal/wtfpython

🐍 @python_rd

🔆 توضیح عملی در مورد اینکه سورس کد پایتون که با سی زده شده چه شکلی کار میکنه و انواع و اقسام object ها و module ها و خود interpreter چه شکلی کار میکنه.

🔹github.com/zpoint/CPython-Internals

🐍 @python_rd

🔆 خیلی وقت‌ها برای ترکیب چند تا دیکشنری هنوز از متد update استفاده میشه، در صورتی که استفاده از عملگر پایپ یعنی | کد رو فوق‌العاده تمیز و خوانا می‌کنه.

🔹 کافیه بنویسی dict3 = dict1 | dict2 تا هر دو ادغام بشن، بدون اینکه دیتای دیکشنری‌های قبلی دستکاری بشه.

🔹مثلاً اگه دو تا دیکشنری تنظیمات داری، به جای کدهای طولانی می‌تونی اینجوری بنویسی:

final_config = default_config | user_config.

🔹اگه کلید تکراری هم وجود داشته باشه، مقدار دیکشنری سمت راست اولویت پیدا می‌کنه و جایگزین میشه. این روش مخصوصاً تو جنگو موقع ترکیب کانتکست‌های تمپلیت به‌شدت کدت رو مدرن‌تر نشون میده.

🐍 @python_rd

🔆 اگه تو پروژه‌هات با لیست‌های حجیم کار می‌کنی، استفاده از Generator Expression به‌جای List Comprehension معجزه می‌کنه.

🔹 تفاوتش فقط توی پرانتز گذاشتن به جای براکته، ولی مصرف رم رو بهینه می‌کنه.
مثلاً اگه بنویسی:

data = [i*2 for i in range(1000000)]

🔹 پایتون کل لیست رو یکجا تو حافظه میسازه،

اما اگه بنویسی:
data = (i*2 for i in range(1000000))

🔹فقط یه شیء ژنراتور داری که دیتا رو دونه‌دونه موقع نیاز تولید می‌کنه.

🔹این ترفند کوچیک می‌تونه مصرف رم سرورت رو تو پردازش‌های سنگین از گیگابایت به کیلوبایت کاهش بده.

🐍 @python_rd

🔆ساده‌ترین کتابخانه برای تشخیص چهره که با زبان پایتون ساخته‌شده و به راحتی قابل استفاده است.

🔹https://github.com/ageitgey/face_recognition

🐍 @python_rd

🔆 دیکشنری با متد setdefault

🔹شاید برات پیش اومده باشه که بخوای توی یه دیکشنری داده‌ها رو گروه‌بندی کنی و هی با خطای KeyError مواجه نشی. خیلیا اول چک می‌کنن کلید هست یا نه و بعد لیست جدید می‌سازن، ولی با setdefault کل این ماجرا توی یه خط خلاصه می‌شه. این متد اگه کلید وجود نداشته باشه با مقداری که بهش دادی می‌سازدش و همون لحظه مرجعش رو برمی‌گردونه تا بتونی روش عملیات بزنی.

words = ["python", "django", "pandas", "docker", "fastapi"]
grouped = {}

# دسته‌بندی کلمات بر اساس حرف اول
for word in words:
    first_letter = word[0]
    grouped.setdefault(first_letter, []).append(word)

print(grouped)
# خروجی: {'p': ['python', 'pandas'], 'd': ['django', 'docker'], 'f': ['fastapi']}

🔹به چه دردی میخوره؟
این متد نسبت به نوشتن if و else های دستی هم خوانایی کد رو بالاتر می‌بره و هم توی پروژه‌های واقعی مدیریت دیکشنری‌های تو در تو رو خیلی راحت‌تر می‌کنه.

🐍 @python_rd

🔆 کتاب‌های رایگان در مورد پایتون و استفاده بهتر از shell و regex و کلی چیز دیگه.

🔹learnbyexample.github.io/books

🐍 @python_rd

🔆 ترفند unpacking با ستاره (*)

🔹 خیلی وقتا یه لیست یا تاپل داری و فقط به اولین یا آخرین عضوش نیاز داری و بقیه برات مهم نیستن یا می‌خوای جداگونه جمع بشن. به جای اینکه دست به اسلایس و ایندکس‌گذاری‌های گیج‌کننده بزنی، می‌تونی از عملگر ستاره برای آنپک کردن داده‌ها استفاده کنی تا کد خلوت و پایتونیکی داشته باشی.

scores = [18, 19, 14, 16, 20, 17]

# جدا کردن اولین نمره، نمرات وسط و آخرین نمره
first, *middle, last = scores

print("اولین:", first)   # 18
print("وسطی‌ها:", middle) # [19, 14, 16, 20]
print("آخرین:", last)    # 17

🔹 به چه دردی میخوره؟
این ترفند موقع لاگین یا کار با داده‌های استریم که اول و آخر پیام فرمت خاصی داره ولی بخش میانی طولش متغیره، کدت رو فوق‌العاده خوانا و شیک می‌کنه.

🐍 @python_rd

🔆 سایت خوبی برای یادگیری دیزاین پترن‌ها با زبان پایتون

🔹https://python-patterns.guide

🐍 @python_rd

🔆 فیچرهای باحالی که با زبان پایتون میشه توی ماشین لرنینگ ازش استفاده کرد.

🔹https://github.com/chiphuyen/python-is-cool

🐍 @python_rd

🔆 ترفند مخفی | ساخت لودینگ متنی (Streaming Output)

🔹 وقتی از AI مدل‌ها استفاده می‌کنی، دیدی متنشون کلمه به کلمه مثل تایپ شدن چاپ میشه؟ بهش میگن Streaming! نیازی به لایبرری خاصی نداری؛ با خود پایتون تو چند خط پیاده‌ش کن:

import sys
import time


def stream_text(text, delay=0.04):
    for char in text:
        sys.stdout.write(char)
        sys.stdout.flush()
        time.sleep(delay)
    print()


stream_text("سلام! این یک خروجی استریم‌شده است...")

🔹 به چه دردی میخوره؟
وقتی داری ابزارهای CLI یا اسکریپت‌های تعاملی می‌نویسی، حس زنده بودن به برنامه‌ت میده و UI متنی رو ۱۰۰ درجه جذاب‌تر می‌کنه.

🐍 @python_rd

🔆 کارایی و ساختار | پدیده Late Binding در Lambdaهای پایتون


🔹 تا حالا شده توی یک حلقه چندتا لمداسازی (Lambda) کنی و موقع اجرا ببینی همه با هم یک جواب تکراری میدن؟! این دقیقاً به خاطر پدیده Late Binding (ارزیابی دیرهنگام) در پایتونه.


🔹 کد مشکل‌دار:

funcs = [lambda: i for i in range(3)]

for f in funcs:
    print(f())  # خروجی: 2, 2, 2  !

🔹 دلیلش چیه؟
پایتون مقدار متغیر i رو موقع تعریف لمدا ذخیره نمی‌کنه، بلکه موقع اجرا (Call) به سراغ مقدار نهایی i توی حافظه می‌ره!


🔹 راه حل استاندارد (با استفاده از Default Argument):

funcs = [lambda x=i: x for i in range(3)]

for f in funcs:
    print(f())  # خروجی: 0, 1, 2  (درست شد!)

🔹 به چه دردی میخوره؟
این باگ توی پروژه‌های واقعی (مثل ساخت Callback برای دکمه‌های UI یا تعاریف Dynamic توی دیتابیس و کارهای Async) خیلی زیاد اتفاق می‌افته و فهمیدنش جلوی ساعت‌ها دیباگینگ گیج‌کننده رو می‌گیره.

🐍 @python_rd

🔆 این ریپازیتوری مجموعه‌ای از آموزش‌های پایتون در زمینه‌های مختلفه از چیزهای ابتدایی گرفته تا ML یا کتابخونه‌های کاربردی مثل numpy و pandas

🔹https://github.com/codebasics/py

🐍 @python_rd

🔆 خیلی وقتا توی پروژه‌های جنگو یا حتی اسکریپت‌های معمولی، نیاز داری بدونی یه تابع یا یه تیکه کد چقدر زمان می‌بره تا اجرا بشه تا بتونی بهینه‌ش کنی. به جای استفاده از دستی گرفتن زمان با کتابخونه time، می‌تونی از یک دکوریتور (Decorator) ساده استفاده کنی که هر جا خواستی بذاریش و عملکرد کد رو بسنجی. این مدل کدنویسی خیلی تمیزتره و باعث میشه بدون تغییر دادن اصلِ منطقِ تابع، بتونی مانیتورینگ دقیق روی پرفورمنس برنامه‌ت داشته باشی و نقاط کند رو سریع پیدا کنی.

import time
import functools

def timer(func):
    @functools.wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        print(f"زمان اجرا: {time.perf_counter() - start:.4f} ثانیه")
        return result
    return wrapper

@timer
def heavy_task():
    time.sleep(1)
    
heavy_task()

🐍 @python_rd

🔆 انواع خطاهای پایتون، توضیحش و دلیل اتفاق افتادنش توی این فایل جمع شده.

🐍 @python_rd

🔆 یکی از اشتباهات رایج و خطرناک توی پایتون، استفاده از ساختارهای تغییرپذیر مثل لیست یا دیکشنری به عنوان مقدار پیش‌فرض ورودی تابع هست که به Default Argument Trap معروفه. توی پایتون، مقادیر پیش‌فرض فقط یک‌بار موقع تعریف تابع ساخته میشن نه توی هر بار فراخوانی، بنابراین تمام فراخوانی‌ها به یک لیست مشترک توی حافظه ارجاع میدن و داده‌های قبلی ناخواسته حفظ میشن. راه استاندارد اینه که مقدار پیش‌فرض رو None بذاری و داخل بدنه تابع لیست جدید بسازی.

# روش غلط که باعث اشتراک حافظه میشه:
def add_item_wrong(item, target_list=[]):
    target_list.append(item)
    return target_list

print(add_item_wrong("Python"))  # خروجی: ['Python']
print(add_item_wrong("Django"))  # خروجی غیرمنتظره: ['Python', 'Django']

# روش درست و اصولی:
def add_item_correct(item, target_list=None):
    if target_list is None:
        target_list = []
    target_list.append(item)
    return target_list

print(add_item_correct("Django"))  # خروجی درست: ['Django']

🐍 @python_rd

🔆 کتابخونه loguru (جایگزین جذاب logging)

🔹 وقتی توی پروژه‌های پایتونی می‌خوایم لاگ بندازیم، ماژول پیش‌فرض logging کلی کانفیگ خسته‌کننده می‌خواد، اما با پکیج loguru همه‌چیز توی ساده‌ترین و تمیزترین حالت ممکن انجام میشه. با اجرای دستور pip install loguru می‌تونید خیلی سریع لاگ‌های رنگی، ساختاریافته و با جزئیات کامل خطا ذخیره کنید. فقط کافیه ایمپورتش کنید و استفاده کنید:

from loguru import logger

# تنظیم ذخیره لاگ در فایل با قابلیت چرخش روزانه و فشرده‌سازی
logger.add("app.log", rotation="500 MB", retention="10 days", compression="zip")

@logger.catch  # رهگیری خودکار ارورها و نمایش دقیق خط وقوع خطا
def divide(a, b):
    return a / b

logger.info("برنامه با موفقیت شروع به کار کرد")
divide(10, 0)

🔹این دکوراتور catch دقیقاً متغیرها و استک تریس رو قشنگ بهتون نشون میده بدون اینکه سیستم کرش کنه و لاگ گم بشه.

🐍 @python_rd