🐍 Python & Raspberry 🐍
8.21K subscribers
1.92K photos
125 videos
623 files
1.23K links
Python- Raspberry Pi-AI-IOT
ادمین : فرهاد ناصری زاده
@farhad_naserizadeh
@farhad3412

گروه پایتون
@Python_QA
تبادل
@mmtahmasbi
کانال مرتبط
@new_mathematical
@micropython_iot
@c_micro
اینستاگرام
http://Instagram.com/python_raspberry
Download Telegram
how to flatten a nested list (i.e., matrixes or boards)
1- one easy way is to use np.reshape, np.ravel, np.flatten
(note: ravel and flatten has a slight difference. Check the documents if you don't know or ask in the comments if you couldn't find the difference)

2- using python for:
flatten = []
for row in mat:
flatten.extend(row)

3- what if we don't want to use NumPy and still searching for an efficient way:
flatten = reduce(list.__add__, mat)

note: you can use operator.add if you want a more general function


#kasra
@raspberry_python
Represent the mistakes as advantages :)


#kasra
@raspberry_python
This media is not supported in your browser
VIEW IN TELEGRAM
13 بدر مبارک 🍀🍀🍀🌷🌷🌷🍀🍀🍀🍀🌿🌿🌿🌿🌿🍃🍃🍃🌱🌱🌱🌱🌴🌴🌴🌳🌳🌳🌲🌲🌲🌹🌹🌹💐💐💐🌸🌸🌸🌼🌼🌼🌻🌻🌞🌞🌞🌸🌸🌸🌺🌺🌺
امام علی علیه السلام:

روزه قلب بهتر از روزه زبان است و روزه زبان بهتر از روزه شکم است.

حلول ماه رمضان مبارک باد. 🌹

@raspberry_python
وقتی ک نمیتونم باگ کدمو رفع کنم:
میشه زود درست بشی و بعدش بگی من دوست خوبتم؟

@raspberry_python
#kasra
✔️ مقایسه زمانی "مجموع اعداد یک دنباله"

اینجا جمع اعداد حسابی صفر تا یک میلیارد رو:
- با استفاده از حلقه for در پایتون
- با استفاده از تابع built-in عه "sum"
- با استفاده از مورد اول + numba
محاسبه کردیم.

بیش از 5,880,000 بار سریع‌تر :)
آیا پایتون کند است؟ خیر، وقتی که از ابزار درستی استفاده کنید.

#liewpl
〰️〰️〰️〰️〰️
© @raspberry_python
🐍 Python & Raspberry 🐍
✔️ مقایسه زمانی "مجموع اعداد یک دنباله" اینجا جمع اعداد حسابی صفر تا یک میلیارد رو: - با استفاده از حلقه for در پایتون - با استفاده از تابع built-in عه "sum" - با استفاده از مورد اول + numba محاسبه کردیم. بیش از 5,880,000 بار سریع‌تر :) آیا پایتون کند…
✔️ بنچ‌مارک کوچک قبلی رو دیدیم، اما واقعا به چه دلیل «پایتون اینقدر کند» و باز هم «پایتون اینقدر تند» محاسبه رو انجام داده؟

- بیاید تا تفاوت روش‌هارو مقایسه کنیم و بفهمیم چرا پایتون هم کند و هم تند عمل کرده.

- اندکی راجع به JIT Compiler‌ها مطالعه کنیم.

- یک معرفی مفصل هم راجع به Numba داشته باشیم.

https://virgool.io/@liewpl/python-is-very-fast-gmmdjs3zyhob

#liewpl
〰️〰️〰️〰️〰️
©@raspberry_python
🐍 Python & Raspberry 🐍
✔️ بنچ‌مارک کوچک قبلی رو دیدیم، اما واقعا به چه دلیل «پایتون اینقدر کند» و باز هم «پایتون اینقدر تند» محاسبه رو انجام داده؟ - بیاید تا تفاوت روش‌هارو مقایسه کنیم و بفهمیم چرا پایتون هم کند و هم تند عمل کرده. - اندکی راجع به JIT Compiler‌ها مطالعه کنیم.…
✔️ از نامبا یه مختصر زیبایی و قدرت رو نشون دادیم و راجع بهش حرف زدیم، اما شاید توی ذهن شما سوالات زیادی راجع بهش شکل گرفته باشه و می‌خواید بدونید:
- نامبا چطور کار میکنه؟
- نامبا کجا «خوب» کار میکنه؟
- چطور به خوبی ازش استفاده کنیم؟
- از نامبا در چه پروژه‌های high performance عی استفاده شده؟

اگه چنین سوال‌هایی دارید بهتره این ۳ ویدیو رو اصلا از دست ندید:
🎥 Make Python Code 1000x Faster With Numba
🎥 Accelerating Scientifc Workloads with Numba - By a Core Developer of Numba Project
🎥 How to accelerate an Existing Codebase With Numba | SciPy

〰️〰️〰️〰️〰️〰️
©️@raspberry_python
look-ahead and look-behind in Regular Expressions (Regex)

اگه فهم این ۴ تا موضوع براتون مشکل هست این پست خیلی کمکتون میکنه مطمینن

#kasra
@raspberry_python