🔷🔸Python Arrays🔸🔷

در پایتون، برای ذخیره و مدیریت داده‌ها، از ساختار داده‌ها استفاده می‌شود.
یکی از این ساختارها، آرایه (Array) است که نقطه قوت قابلیت ذخیره‌سازی داده‌های همنوع (داده‌هایی که همگی از یک نوع هستند) و دسترسی به عناصر با استفاده از شاخص‌ها است.

در پایتون، می‌توانیم از دو نوع آرایه استفاده کنیم: "لیست‌ها" (Lists) و "آرایه‌های numpy" (NumPy Arrays).

1. لیست‌ها:
لیست‌ها در پایتون یک ساختار داده پویا و چند منظوره هستند. با استفاده از لیست‌ها می‌توانیم داده‌های مختلف را در یک لیست ذخیره کنیم. برای ایجاد یک لیست، از علامت [] و اعضا را با کاما جدا می‌کنیم. مثال زیر روش‌های ساختن یک لیست را نشان می‌دهد:

   my_list = []  # ایجاد یک لیست خالی
   my_list = [1, 2, 3, 4, 5]  # ایجاد لیست با مقادیر اولیه
   my_list = ['apple', 'banana', 'cherry']  # لیستی از رشته‌ها
   

لیست‌ها می‌توانند انواع مختلف داده‌ها را شامل شوند، مانند اعداد، رشته‌ها، لیست‌های دیگر و حتی ترکیبی از انواع مختلف. البته، در لیست‌ها همچنین می‌توانیم به عناصر با استفاده از اندیس (شاخص) دسترسی پیدا کنیم و در عملیات‌هایی مانند اضافه کردن، حذف، تغییر و مرتب‌سازی عناصر لیست، تغییراتی ایجاد کنیم.

2. آرایه‌های numpy:
آرایه‌های numpy یک کتابخانه پرکاربرد در پایتون هستند که مفهوم آرایه را گسترش می‌دهند. این کتابخانه امکانات بسیاری را برای عملیات عملیاتی، ریاضیاتی و استنباطی روی داده‌های چند بعدی فراهم می‌کند. برای استفاده از آرایه‌های numpy، ابتدا باید کتابخانه را با دستور import numpy as np وارد کنیم.

برخلاف لیست‌ها، آرایه‌های numpy باید از مقداردهی اولیه داده‌ها با استفاده از توابع خاصی مانند numpy.array() استفاده کنند. مثال زیر نشان می‌دهد که چگونه یک آرایه یک بعدی از لیست‌ها ایجاد کنیم:

   import numpy as np

   my_array = np.array([1, 2, 3, 4, 5])  # ایجاد یک آرایه یک بعدی
   

آرایه‌های numpy قابلیت‌های بسیاری دارند، از جمله عملیات ریاضی و آماری، شاخص‌گذاری و برش، تبدیلات شکل و بسیاری دیگر.

در نتیجه، آرایه‌ها در پایتون ابزارهای قدرتمندی هستند که به ما امکان می‌دهند داده‌ها را سازماندهی و برای آن‌ها عملیات مختلفی انجام دهیم. 🦦📊

#FXL
#numpy
#Python_Arrays

🔷🔸Python PIP🔸🔷

به معنای "PIP Installs Packages." است. PIP یک سیستم مدیریت بسته‌ها در Python است که برای نصب و مدیریت بسته‌های نرم‌افزاری در Python استفاده می‌شود.

بسته‌ها در Python کدهای توسعه‌یافته‌ی قابل استفاده مجدد هستند که قابلیت‌ها و امکانات خاصی را به برنامه‌ها اضافه می‌کنند.
این بسته‌ها می‌توانند کتابخانه‌ها، ابزارها، فریم ورک‌ها و سایر منابع نیازمند در حوزه برنامه‌نویسی Python باشند. PIP، امکان نصب و به‌روزرسانی این بسته‌ها را فراهم می‌کند.

شما می‌توانید با استفاده از دستورات PIP، بسته‌های مورد نیاز خود را از Python Package Index (PyPI) دانلود و نصب کنید. PyPI یک مخزن در اینترنت است که بسته‌هایی را که توسط جامعه Python توسعه داده شده‌اند، میزبانی می‌کند.

بعضی از دستورات متداول PIP عبارتند از:

- pip install package_name: برای نصب یک بسته از PyPI.
- pip uninstall package_name: برای حذف یک بسته نصب شده.
- pip freeze: نمایش لیست تمام بسته‌های نصب شده به همراه نسخه آن‌ها.
- pip list: نمایش لیست بسته‌های نصب شده.
- pip show package_name: نمایش اطلاعات جزئیات یک بسته نصب شده.

همچنین، می‌توانید با استفاده از فایل requirements.txt، لیستی از بسته‌های مورد نیاز خود را جهت نصب و استفاده توسط PIP تعریف کنید.

پیشنهاد می‌شود قبل از استفاده از PIP، نسخه‌ی مناسبی از Python را نصب کنید و مطمئن شوید که محیط Python شما از PIP پشتیبانی می‌کند. 🐍📦


#FXL

در اینجا دو مثال ساده برای استخراج اطلاعات از یک وب سایت با استفاده از پایتون و کتابخانه beautifulsoup رو برای شما آوردم:

مثال 1: استخراج عنوان های خبرها از یک سایت خبری

import requests
from bs4 import BeautifulSoup

# ارسال درخواست به صفحه وب و دریافت پاسخ
response = requests.get('https://example.com/news')

# بررسی وضعیت درخواست
if response.status_code == 200:
    # پارس کردن محتوای صفحه وب
    soup = BeautifulSoup(response.text, 'html.parser')
    
    # استخراج عنوان های خبرها
    news_titles = soup.find_all('h2', class_='title')
    
    # چاپ عنوان های خبرها
    for title in news_titles:
        print(title.text)
else:
    print('درخواست موفقیت‌آمیز نبود.')

مثال 2 : استخراج قیمت ارزها از یک سایت ارزی

import requests
from bs4 import BeautifulSoup

# ارسال درخواست به صفحه وب و دریافت پاسخ
response = requests.get('https://example.com/currency')

# بررسی وضعیت درخواست
if response.status_code == 200:
    # پارس کردن محتوای صفحه وب
    soup = BeautifulSoup(response.text, 'html.parser')
    
    # استخراج قیمت ارزها
    currency_prices = soup.find_all('span', class_='price')
    
    # چاپ قیمت ارزها
    for price in currency_prices:
        print(price.text)
else:
    print('درخواست موفقیت‌آمیز نبود.')

لطفاً توجه داشته باشید که شما باید آدرس وب سایت مورد نظر خودتونو در توابع requests.get() قرار بدید و الگوهای HTML مورد استخراج رو براساس وب سایت خود تنظیم کنید.
همچنین، ممکنه برای استخراج اطلاعات از وب سایت خاصی نیاز به استفاده از تکنیک‌ها و قوانین خاص داشته باشید که برای هر مورد باید اونهارو بررسی کنید. 🕵️‍♀️


#FXL
#Web_scraping
#پایتون_پیشرفته
#استخراج