✨ عملیات پرکاربرد بر روی مجموعه‌ها (Set) در پایتون

مجموعه‌ها در پایتون به دلیل ویژگی‌های منحصربه‌فرد خود برای انجام عملیات مختلف بسیار مناسب هستند. در اینجا، مهم‌ترین عملیات و متدهای مجموعه‌ها را بررسی می‌کنیم:



🔄 ایجاد مجموعه
ساخت یک مجموعه:

set1 = {1, 2, 3, 4}  # مجموعه‌ای با مقادیر اولیه
set2 = set([3, 4, 5, 6])  # استفاده از لیست
print(set1)  # خروجی: {1, 2, 3, 4}

🛠 اضافه کردن عناصر به مجموعه
1. استفاده از add:
یک عنصر جدید به مجموعه اضافه می‌شود.

set1.add(5)
print(set1)  # خروجی: {1, 2, 3, 4, 5}

2. استفاده از update:
عناصر یک لیست، تاپل یا مجموعه دیگر را به مجموعه اضافه می‌کند.

set1.update([6, 7])
print(set1)  # خروجی: {1, 2, 3, 4, 5, 6, 7}

🚮 حذف عناصر از مجموعه
1. استفاده از remove:
عنصر موردنظر را حذف می‌کند. اگر عنصر وجود نداشته باشد، خطا می‌دهد.

set1.remove(7)
print(set1)  # خروجی: {1, 2, 3, 4, 5, 6}

2. استفاده از discard:
عنصر را حذف می‌کند. اگر عنصر وجود نداشته باشد، خطا نمی‌دهد.

set1.discard(10)  # خطا نخواهد داد

3. استفاده از pop:
یک عنصر تصادفی را حذف و بازمی‌گرداند.

element = set1.pop()
print(element)  # خروجی: 1 (ممکن است متفاوت باشد)
print(set1)     # خروجی: {2, 3, 4, 5, 6}

4. پاک کردن همه عناصر با clear:

set1.clear()
print(set1)  # خروجی: set()

🔗 عملیات ریاضی روی مجموعه‌ها
1. اجتماع (Union):
تمام عناصر دو مجموعه را ترکیب می‌کند.

set1 = {1, 2, 3}
set2 = {3, 4, 5}

union_set = set1 | set2  # یا: set1.union(set2)
print(union_set)  # خروجی: {1, 2, 3, 4, 5}

2. اشتراک (Intersection):
عناصر مشترک بین دو مجموعه را برمی‌گرداند.

intersection_set = set1 & set2  # یا: set1.intersection(set2)
print(intersection_set)  # خروجی: {3}

3. تفاضل (Difference):
عناصری که در مجموعه اول هستند اما در مجموعه دوم نیستند.

difference_set = set1 - set2  # یا: set1.difference(set2)
print(difference_set)  # خروجی: {1, 2}

4. تفاضل متقارن (Symmetric Difference):
عناصری که در یکی از مجموعه‌ها وجود دارند اما نه در هر دو.

symmetric_diff = set1 ^ set2  # یا: set1.symmetric_difference(set2)
print(symmetric_diff)  # خروجی: {1, 2, 4, 5}

🔍 عملیات عضویت (Membership)
برای بررسی وجود یک عنصر در مجموعه از عملگر in استفاده می‌شود:

set1 = {1, 2, 3}
print(2 in set1)  # خروجی: True
print(4 in set1)  # خروجی: False

🔄 مقایسه مجموعه‌ها
1. بررسی زیرمجموعه بودن:

set1 = {1, 2, 3}
set2 = {1, 2}
print(set2.issubset(set1))  # خروجی: True

2. بررسی ابرمجموعه بودن:

print(set1.issuperset(set2))  # خروجی: True

3. بررسی مجموعه‌های مجزا (Disjoint):
اگر دو مجموعه عنصر مشترک نداشته باشند:

set3 = {4, 5}
print(set1.isdisjoint(set3))  # خروجی: True

🎯 تمرین پیشنهادی
1. دو مجموعه شامل اسامی دانشجویان بسازید:
- مجموعه اول شامل دانشجویانی که دوره "پایتون" را ثبت‌نام کرده‌اند.
- مجموعه دوم شامل دانشجویانی که دوره "دیتابیس" را ثبت‌نام کرده‌اند.

حال عملیات زیر را انجام دهید:
- دانشجویانی که در هر دو دوره ثبت‌نام کرده‌اند.
- دانشجویانی که فقط در یکی از دوره‌ها ثبت‌نام کرده‌اند.
- بررسی کنید آیا مجموعه اول زیرمجموعه مجموعه دوم است یا خیر.

@mohammad_j_p_1

ممنون می شم تو نظر سنجی شرکت کنید♥️

برای حمایت از هم می تونید کانال مون رو به دوستانتون معرفی کنید یا پست ها رو برای افرادی که فکر می کنید مفیده براشون، ارسال کنید.🙏

فصل بعدی دوره جامع پایتون هم ضبط شد🥳

احتمالا تا اخر هفته اینده ادیت می شه.

الان هم در حال تهیه جزوه مربوط به این فصل هستم که تا الان حدود 71 صفحه اون آماده شده و احتمالا همزمان با ادیت ویدیو ها تو سایت قرار می گیریه.

راستی این فصل راجع به چیه؟

از عناوین تو عکس می تونید حدس بزنید؟

نکته آخر اینکه با توجه به اضافه شدن فصل های جدید میزان درصد تخفیف کاهش پیدا خواهد کرد.
https://moshkour.ir/?p=2929

اسکریپت تولید پسورد قوی در پایتون

import random
import string

def generate_password(length=12):
    chars = string.ascii_letters + string.digits + string.punctuation
    return ''.join(random.choice(chars) for _ in range(length))

print("Password:", generate_password())

- ایمپورت کردن کتابخانه های string و random
- ترکیب حروف، اعداد و کاراکترهای خاص
- استفاده از `random.choice()` برای تولید پسورد تصادفی

@python_with_mohammad

حالا برای تمرین بیشتر این کد پایینی رو ببینیید.

یه نکته اضافه تر از اسکریپت بالا داره و اونم پارامتر K هست که تعداد کارکتر های رندوم رو مشخص می کنه.

import string
import random

# Generating a random string of length 8 using ascii_letters
random_string = ''.join(random.choices(string.ascii_letters, k=8))
print(random_string)

تا اینجا می بینم دارید به سوالات به درستی جواب می دید، ایول!!

حالا کد های پایین رو ببینید، میاد و تعداد کارکتر هایی که تایپ شون اون چیزی هست که مد نظرمونه(ascii_letters) رو بر می گردونه.

import string

s = "Salam man be hame"
# Counting the number of ASCII letters in the string
count = sum(1 for char in s if char in string.ascii_letters)
print(count)  

@python_with_mohammad

حالا بریم سراغ نکته بعدی
توی این کد شما کارکتر های ASCII letters رو از استرینگ تون استخراج می کنید.

import string

s = "abc123XYZ!"
# Extracting only ASCII letters from the string
letters_only = ''.join(char for char in s if char in string.ascii_letters)
print(letters_only)

توی سایر گزینه ها یه سری گزینه دیگه بودن که اینجا تعریفشون می کنم براتون.

اولیش : punctuation
که شامل کارکتر های اینطوریه: ()*&^%$#@!×؟><{}"\

دومیش هم : digits
که اینم همونطور که از اسمش بر میاد شامل اعداده : 0123456789

اگر کاربرد خلاقانه ای از این متد هایی که امشب راجع بهشون صحبت کردیم تو ذهنت بود، کدش رو بنویس و برام بفرست که توی کانال برای سایر دوستان هم به اشتراک بزارم☺️

@mohammad_j_p_1

به فال اعتقادی دارید؟

بریم با هم یه کد بنویسم که بتونه فال بگیره.

کد:

import pandas as pd
import random

# ایجاد یک دیتافریم 
data = {
    "event": [
        "یک دوست قدیمی بهت پیام می‌ده ",
        "یه غذای خوشمزه نصیبت می‌شه ",
        "یه ایده ناب به ذهنت می‌رسه! ",
        "امروز کلی کار انجام می‌دی و حس خوبی داری ",
        "یه اتفاق عجیب ولی بامزه برات می‌افته! ",
        "یه پول غیرمنتظره گیرت میاد ",
        "یه نفر مخفیانه بهت علاقه داره ",
        "امروز گیتار تمرین می‌کنی و کلی حال می‌کنی ",
        "یه باگ پیدا می‌کنی ولی به طرز عجیبی درست می‌شه ",
        "یه جمله انگیزشی می‌بینی که روزتو می‌سازه ",
    ]
}

df = pd.DataFrame(data)

# انتخاب یک رویداد به‌صورت تصادفی
lucky_event = random.choice(df["event"])

print(" فال روز شما:")
print(f" {lucky_event} ")

بریم به سراغ اولین خط کدمون:

import pandas as pd

اینجا ما اومدیم و یه کتابخونه پایتون رو خوندیم. همیشه می تونیم وقتی یه کتابخونه رو ایمپورت می کنیم یه اسم هم براش انتخاب کنیم که بعدا توی پروژه و کد هامون از اون اسم براش استفاده کنیم.

مثلا اینجا کتابخونه pandas رو ایمپورت کردیم ولی یه نام هم براش مشخص کردیم و از این به بعد هر جا بنویسیم pd پایتون می فهمه ما منظورمون کتابخونه pandas هست.

حالا اگه اینجا رو ببینی:

df = pd.DataFrame(data)

متوجه می شی که دیگه ما توی کد هامون pandas نمی نویسیم. همون pd رو می نویسیم و کارمون راه می افته.

@python_with_mohammad

اول اینکه Pandas چیه؟
تصور کن:
تو مدیر یه باغ وحش عجیب و غریب هستی که توش کلی حیوانات خاص داری! 🦁🐼🦄
می‌خوای اطلاعات این حیوونا رو مدیریت کنی، بفهمی کدوماشون خوشحال‌ترن، چند تا مهمون روزانه دارن، و حتی اینکه کدوم غذا رو بیشتر دوست دارن!

📊 اینجاست که Pandas میاد وسط و همه‌ی این کارها رو راحت می‌کنه! 📊
Pandas یه کتابخونه‌ی پایتونه که برای کار با داده‌های جدولی، مثل اکسل و CSV ساخته شده.



🐼 اولین قدم: نصب Pandas
قبل از اینکه شروع کنیم، باید Pandas رو نصب کنیم. یه ترمینال باز کن و اینو تایپ کن:

pip install pandas

همین! الان پانداس نصب شده.



بریم سراغ اول تمرین : اولین باغ‌وحش دیتافریمی ما!

✅ مأموریت:
یک DataFrame بساز که اطلاعات چند حیوان باغ‌وحشت رو نگه داره!

🔧 چطور انجامش بدیم؟

import pandas as pd

# ساختن دیتا برای باغ‌وحش عجیب ما!
data = {
    "حیوان": ["پاندا", "شیر", "لاک‌پشت", "فیل", "میمون"],
    "قدرت (از ۱۰)": [8, 9, 3, 10, 6],
    "سرعت (کیلومتر بر ساعت)": [30, 50, 1, 25, 60],
    "غذای مورد علاقه": ["بامبو", "گوشت", "کاهو", "میوه", "موز"]
}

# تبدیل به DataFrame
zoo_df = pd.DataFrame(data)

# نمایش داده‌ها
print(zoo_df)

@python_with_mohammad

اولین متدی که راجع به پانداس یاد گرفتی DataFrame هست. چی کار می کنه؟
ساختار های مختلف رو تبدیل به دیتافرم می کنه.
اگه لیست ، دیکشنری یا هر چیز دیگه ای داشته باشی با یه خط کد تبدیل می شه به یه جدول.
این جدول همون دیتافریم ماست.

📊 بریم سراغ تمرین دوم : فیلتر کردن داده‌ها!

✅ مأموریت:
می‌خوایم ببینیم کدوم حیوان از همه سریع‌تره! 🏎💨

🔧 چطور انجامش بدیم؟

# پیدا کردن سریع‌ترین حیوان
fastest_animal = zoo_df[zoo_df["سرعت (کیلومتر بر ساعت)"] == zoo_df["سرعت (کیلومتر بر ساعت)"].max()]

print("🚀 سریع‌ترین حیوان:")
print(fastest_animal)

📉 کمی ریاضی بیشتر و تحلیل داده‌ها!

✅ مأموریت:
ببینیم میانگین سرعت حیوانات باغ‌وحش چقدره!

🔧 چطور انجامش بدیم؟

# محاسبه میانگین سرعت حیوانات
avg_speed = zoo_df["سرعت (کیلومتر بر ساعت)"].mean()
print(f"📊 میانگین سرعت حیوانات: {avg_speed:.2f} کیلومتر بر ساعت")