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 [ . . . ]
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 [ . . . ]
در قسمت قبل دیدیم که چطور می توانیم یک دیتابیس ایجاد کنیم، در دیتابیس جدول درست کنیم و داده هایمان را به جدول اضافه نماییم. حالا قصد داریم که داده های موجود را از جدول استخراج کنیم. کد زیر را ببینید: کد با وارد کردن دو ماژول پایتون شروع می شود: os و sqlite3. خطوط بعدی مسیر فایل پایگاه داده SQLite را تعیین می کند: os.path.abspath(__file__) مسیر مطلق اسکریپت فعلی (فایلی که این کد در آن قرار دارد) را برمی گرداند. os.path.dirname نام دایرکتوری را از مسیر مطلق استخراج می کند. os.path.join مسیر دایرکتوری را با نام فایل ‘library.db’ ترکیب می کند تا مسیر کامل فایل پایگاه داده را ایجاد کند. حالا باید یک اتصال یا connection به پایگاه داده برقرار کنیم. sqlite3.connect(db_path) یک اتصال به پایگاه داده SQLite واقع در db_path برقرار می کند. اکنون می توانیم یک Query یا پرس و جو اجرا کنیم: خط بالا تمام سطرهای جدول با نام “books” را بازیابی می کند و نتیجه پرس و جو در متغیر query ذخیره می شود. بعد از ذخیره محتوای جدول می توانیم داده ها را با استفاده از fetchall استخراج کنیم و در متغیر data ذخیره و آن را چاپ کنیم. [ . . . ]
در این بخش از آموزش قصد داریم که نحوه کار کردن با این SQLite را در پایتون با استفاده از یک مثال ساده شروع کنیم. قبل از هر چیز بهترین خبری که می‌توان داد این است که این بسته نیازی به نصب ندارد و از قبل در پایتون گنجانده شده است. ما در این مثال قصد داریم که یک دیتابیس برای کتابهایمان ایجاد کنیم. پس به طور مستقیم sqlite3 را به برنامه وارد می‌کنیم. حالا باید یک کانکشن به دیتابیس اضافه کنیم. دقت کنید که لازم نیست از قبل دیتابیس را ساخته باشید. حالا باید دستورهای اولیه را به sqlite بدهیم تا یک جدول در دیتابیس ایجاد کند و یژگی‌های مورد نظر را به آن اضافه نماید. اولین خط دستور این است که اگر جدولی با نام books در دیتابیس وجود ندارد آن را ایجاد کند. سپس کلید اولیه را با نام id ایجاد می‌کنیم که یک عدد صحیح است. در خطوط بعد موارد مورد نیاز را به جدول اضافه می کنیم. این موارد عبارت هستند از عنوان کتاب، نویسنده، ژانر، سال و تعداد صفحات. اما اگر دقت کنید دیتابیس در پوشه برنامه شما ایجاد نشده است. بلکه در مسیر پیش فرض ایجاد گشته است. [ . . . ]
