برنامه نویسی پایتون
سایت آموزشی پرطرفدار DataCamp طبق برنامه هر ساله همه آموزش هایش را به مدت 1 هفته به صورت رایگان در اختیار عموم مخاطبان قرار می دهد. این دسترسی تنها تا 10 نوامبر 2024 ادامه دارد. این فرصت فوق العاده را از دست ندهید. از اینجا وارد شوید: آموزش های DataCamp به صورت رایگان
برای این کار دو روش پیشنهاد می شود: 1- pip show اگر از نام دقیق ماژول یا کتابخانه آگاهی دارید می توانید از دستور pip show استفاده کنید. مثلا اگر قصد داشته باشید نسخه ماژول pandas که روی پایتونتان نصب کرده اید را مشاهده کنید کافی است دستور زیر را اجرا کنید: در این صورت اطلاعات مربوط به pandas از جمله نسخه آن نمایش داده خواهد شد. 2- pip list با اجرای دستور pip list فهرست کاملی از ماژول ها و کتابخانه های نصب شده در پایتون نمایش داده می شود که نسخه هر کدام در جلوی آن نوشته شده است.
معرفی Google Colab Google Colab یک ابزار مبتنی بر وب از Google است که به کاربران اجازه می‌دهد کدهای پایتون خود را بدون نیاز به نصب محیط توسعه، در فضای ابری اجرا کنند. Colab به ویژه برای افرادی که در زمینه یادگیری ماشین، هوش مصنوعی و تحلیل داده کار می‌کنند مناسب است، زیرا منابع محاسباتی قدرتمندی مانند GPU و TPU را در اختیار کاربران قرار می‌دهد. سیستم عامل مورد استفاده در Google Colab نسخه‌ای از Linux است، به طور خاص توزیعی از Ubuntu که به‌طور پیش‌فرض در سرورهای Google اجرا می‌شود. این محیط، دسترسی به ابزارهای خط فرمان لینوکس را فراهم می‌کند و به کاربران اجازه می‌دهد تا دستورات سیستم‌عامل مانند ls, pwd, cd و حتی نصب کتابخانه‌ها و بسته‌ها از طریق apt-get را اجرا کنند. مزایای Google Colab دسترسی رایگان به GPU و TPU که برای پردازش‌های سنگین یادگیری ماشین بسیار مفید است. ذخیره خودکار و همگام‌سازی با Google Drive که به شما امکان ذخیره دائمی فایل‌ها و پروژه‌هایتان را می‌دهد. امکان اجرای کد در فضای ابری بدون نیاز به سخت‌افزار خاص و قوی. چطور وارد Google Colab شویم برای شروع کار با Google Colab، مراحل زیر را دنبال کنید: چطور دیتاست‌ها را وارد [ . . . ]
کافی است کد زیر را در پایتون اجرا کنید تا نتیجه را برای شما نمایش دهد: کافی است به جای module نام بسته یا ماژول یا کتابخانه مورد نظرتان را جایگزین کنید.
JSON از زمان آغاز به کار به سرعت به استانداردی برای تبادل اطلاعات تبدیل شده است. چه در حال انتقال داده از طریق یک API باشید و یا در حال ذخیره آن در پایگاه داده باشید، احتمالاً با JSON مواجه خواهید شد. خوشبختانه، پایتون ابزارهای قدرتمندی را برای ساده‌سازی این فرآیند و مدیریت مؤثر داده‌های JSON ارائه می‌کند. معرفی JSON JSON که مخفف عبارت JavaScript Object Notation است، از جاوا اسکریپت سرچشمه گرفته و اکنون استانداردی برای تبادل داده محسوب می شود. محبوبیت آن ناشی از پشتیبانی بومی در جاوا اسکریپت است که منجر به عملکرد تجزیه و استخراج داده عالی در مرورگرهای وب می شود. علاوه بر این، سینتکس ساده JSON خواندن و نوشتن را برای انسان و رایانه آسان می کند. برای اولین مواجهه با JSON، این کد نمونه را مشاهده کنید: در قسمت بعدی این آموزش به طور عمیق‌تر به سینتکس JSON خواهید پرداخت. در حال حاضر، درک این نکته مهم است که JSON یک فرمت مبتنی بر متن است. این بدان معناست که شما می توانید فایل های JSON را با استفاده از هر ویرایشگر کد و یا حتی Notepad ایجاد کنید. به سادگی پسوند فایل را json. تعیین کنید، و [ . . . ]
ویژوال استودیو کد (VS Code) یکی از محبوب‌ترین ویرایشگرهای کد در بین برنامه‌نویسان است. این ویرایشگر با extension یا افزونه‌های متنوع خود، امکانات بسیاری را برای توسعه‌دهندگان فراهم می‌کند. در این مقاله، ۱۰ افزونه مفید برای برنامه‌نویسان پایتون را معرفی می‌کنیم. 1 – Python این افزونه رسمی مایکروسافت برای پایتون است و امکاناتی مانند تکمیل خودکار کد، دیباگینگ، اجرای کد و پشتیبانی از Jupyter Notebook را فراهم می‌کند. 2 – Pylance این افزونه که توسط مایکروسافت توسعه یافته است، بهبودهای زیادی در تکمیل خودکار کد و بررسی نوع‌ها ارائه می‌دهد و به عنوان یک افزونه مکمل برای افزونه Python عمل می‌کند. 3 – Python Indent این افزونه به شما کمک می‌کند تا به راحتی و به صورت خودکار، تورفتگی‌های کد پایتون خود را مدیریت کنید. 4 – autoDocstring این افزونه به شما امکان می‌دهد تا به سرعت توضیحات داک‌استرینگ را برای توابع و کلاس‌های خود تولید کنید، که این کار باعث مستندسازی بهتر کد می‌شود. 5 – Python Test Explorer این افزونه به شما امکان می‌دهد تا تست‌های واحد پایتون خود را به راحتی اجرا و مدیریت کنید و نتایج آن‌ها را در یک رابط کاربری گرافیکی مشاهده کنید. 6 – Jupyter این افزونه به [ . . . ]
فایل JSON چیست؟ فایل JSON (JavaScript Object Notation) فرمتی است که برای ذخیره و تبادل داده ها استفاده می شود. این ساختار به گونه ای است که خواندن و نوشتن را برای انسان و ماشین آسان می کند. در اینجا چند نکته کلیدی در مورد فایل های JSON وجود دارد: ساختار داده: فایل‌های JSON داده‌ها را در جفت‌ها و آرایه‌های کلید-مقدار ذخیره می‌کنند. داده‌ها با استفاده از کروشه {} برای اشیا و براکت [] برای آرایه‌ها سازماندهی می‌شوند. خوانا برای انسان: قالب این فایل ها مبتنی بر متن است و طوری طراحی شده که به راحتی توسط انسان قابل خواندن باشد. به عنوان مثال: سازگاری با زبان های مختلف: اگرچه JSON از جاوا اسکریپت سرچشمه می گیرد، اما اکنون به طور گسترده در بسیاری از زبان های برنامه نویسی برای تبادل داده استفاده می شود. کاربردهای رایج: JSON معمولاً در برنامه های کاربردی وب برای انتقال داده ها بین سرور و کلاینت استفاده می شود. همچنین در API ها، فایل های پیکربندی و ذخیره سازی داده ها استفاده می شود. تبدیل فایل CSV به JSON این برنامه پایتون داده ها را از یک فایل CSV می خواند و آن را به یک فایل JSON تبدیل [ . . . ]
ممکن است شما چند نسخه مختلف از پایتون را روی ویندوز خود نصب کرده باشید. بنابراین وقتی با دستور pip یک کتابخانه یا بسته جدید را نصب می کنید این نصب بر روی نسخه پایتون پیش فرض انجام می شود. اما فرض کنید که قصد دارید بسته را روی یک نسخه دیگر نصب کنید. برای اینکار کافی است طبق مثال زیر عمل کنید: در دستور بالا نسخه دقیق پایتون مشخص شده است و نام بسته ای که می خواهیم نصب کنیم flaml است. شما باید نسخه مورد نظرتان را به جای 3.9 بنویسید و همچنین flaml را با نام کتابخانه مورد نظرتان جایگزین کنید. چطور نسخه های پایتون نصب شده را ببینیم؟
کافی است در ترمینال ادیتور این دستور را اجرا کنید: نتیجه مشابه زیر نمایش داده خواهد شد:
پایتون به شما امکان می دهد تا نصب بسته های جداگانه را برای پروژه های مختلف مدیریت کنید. venv یک فضای نصب پایتون ایزوله “مجازی” ایجاد می کند. هنگامی که روی پروژه های مختلف کار می کنید، می توانید یک محیط مجازی جدید ایجاد کنید که از سایر محیط های مجازی جدا شده است. فایده محیط مجازی این است که ماژول ها و کتابخانه ها و بسته ها را می توانید با اطمینان نصب کرد و با محیط پروژه دیگر تداخلی نخواهد داشت. همچنین اگر پروژه ای را برای شخص یا مشتری دیگری انجام دهید برای اطمینان از اینکه پروژه قطعا روی کامپیوتر او نیز بدون مشکل کار خواهد کرد بهترین راه استفاده از محیط مجازی است. فرض کنید شما برنامه را با یک نسخه خاص از پایتون می نویسید و کتابخانه ها و بسته های ثالث را دانلود و نصب می کنید. برنامه شما با ورژن های فعلی کتابخانه هایی که نصب کرده اید به خوبی روی کامپیوتر شما اجرا می شوند. اما چه اطمینانی وجود دارد که اگر برنامه را برای شخص دیگری ارسال کنید بدون مشکل و خطا روی کامپیوتر او نیز اجرا شود؟ بنابراین باید راهی پیدا کنید که او هم [ . . . ]
