آموزش پایتون (Python)

پایتون

در این صفحه می خوانید:

آشنایی با پایتون

در بیشتر موارد، انتخاب تنها یک زبان به عنوان بهترین استاندارد در دنیای توسعه دشوار است. رشد دیگر جای تعجب ندارد، به خصوص در جهان امروز که بسیار مجازی و دیجیتالی شده است. فناوری هایی مانند هوش مصنوعی، اتوماسیون، یادگیری ماشین، تلفن همراه و طراحی وب همه از توسعه حمایت می کنند که به نوبه خود تقاضا برای برنامه نویسان و متخصصان توسعه را فراهم می کند.در این صورت، اگر فقط یک زبان انتخاب شده برای یادگیری با توجه به پتانسیل باور نکردنی آن، پایتون باشد جای تعجب ندارد. ما قصد داریم نگاه دقیق تری به افزایش باورنکردنی پایتون در حال حاضر به ویژه در کشورهای با درآمد بالا و پیشرفت های سنگین را ببینیم.

درحال حاضر، زبان برنامه نویسی پایتون یکی از محبوبترین زبان های برنامه نویسی دنیا است. پایتون در یک سری از ویژگی ها با زبان های تفسیری مانند زبان برنامه نویسی پرل، زبان برنامه نویسی روبی، زبان برنامه نویسی اسکیم، زبان اسمال تاک شباهت دارد و از مدیریت خودکار حافظه استفاده می کند. پایتون یک زبان عالی برای یادگیری برنامه نویسی است. دلایل زیادی برای این ادعا وجود دارد، اما به طور ساده این گونه می توان بیان نمود که براحتی خوانده و به سرعت نوشته می شود و مدت زمان کمتری صرف می شود تا بتوان کدنویسی کرد. پایتون یک نحو یا سینتکس مشابه گفتار انسان دارد که نوشتن و درک آن را آسان می کند.

پایتون چیست؟

پایتون یک زبان برنامه نویسی سطح بالا و تفسیر شده است. فلسفه طراحی پایتون که توسط Guido van Rossum ساخته شده و اولین بار در سال 1991 منتشر شد و از جهت فلسفه طراحی تاکید بر قابلیت خواندن کد و رویکرد شی گرا به منظور کمک به برنامه نویسان جهت نوشتن کد واضح و منطقی برای پروژه های کوچک و بزرگ دارد.

پایتون به صورت پویا تایپ شده و زباله روبی می شود. این برنامه از چندین الگوی برنامه نویسی، از جمله برنامه نویسی تابعی، برنامه نویسی شی گرا و رویه ای پشتیبانی می کند. پایتون به دلیل كتابخانه های كامل استاندارد، معمولاً به عنوان زبان "batteries included" توصیف می شود. به شدت قابل خواندن است و غالبا پایتون از کلمات کلیدی انگلیسی استفاده می کند در حالیکه زبان های دیگر از روش های نقطه گذاری استفاده می کنند. همچنین python دارای ساختارهای syntactical کمتری نسبت به سایر زبان ها است. پایتون مفسر است بدین معنی که در زمان اجرا توسط مترجم پردازش می شود و لازم نیست قبل از اجرای آن برنامه خود را کامپایل کنید. همچنین پایتون تعاملی است بنابراین می توانید به طور مستقیم با مترجم ارتباط برقرار کنید تا برنامه های خود را سریعا بنویسید.

پایتون یک زبان مبتدی است به همین جهت یک زبان عالی برای برنامه نویسان مبتدی است و از توسعه طیف گسترده ای از اپلیکیشن ها، از پردازش متن ساده گرفته تا مرورگرهای WWW و بازی ها پشتیبانی می کند. بسته ایندکس پایتون (PyPI) هزاران ماژول شخص ثالث را برای پایتون میزبانی می کند. هر كدام از كتابخانه هاي استاندارد و ماژول ها به جامعه پايتون كمك مي كنند و فرصت هاي بی پايانی را فراهم می كنند. پایتون یک زبان اسباب بازی نیست، حتی اگر اسکریپتینگ و اتوماسیون یک قسمت بزرگی از موارد استفاده پایتون را پوشش دهد، پایتون برای ساخت نرم افزار با کیفیت حرفه ای و هم به عنوان برنامه های مستقل و هم به عنوان وب سرویس و در ساخت بازی نیز استفاده می شود.

مفسر های پایتون برای بسیاری از سیستم عامل ها در دسترس هستند. یک جامعه جهانی از برنامه نویسان CPython، یک منبع مرجع اوپن سورس را توسعه و نگهداری می کند. یک سازمان غیرانتفاعی، بنیاد نرم افزاری پایتون، منابع را برای توسعه پایتون و CPython مدیریت و هدایت می کند. پایتون از سبک یا تکنیک برنامه نویسی شی گرا پشتیبانی می کند که کد را در داخل آبجکت قرار می دهد. بر روی هر سیستم عامل و پلتفرم عمده و همچنین موارد جزئی آن اجرا می شود. بسیاری از کتابخانه های مهم و خدمات مبتنی بر API دارای پیوندهای پایتون یا پلاگین هایی هستند که اجازه می دهد رابط پایتون به طور رایگان با این سرویس ها یا به طور مستقیم از آن کتابخانه ها استفاده کند. پایتون ممکن نیست سریعترین زبان باشد، اما سرعت آن بسیار بالاست.

تاریخچه پایتون

زبان پایتون، توسط Guido van Rossum در طی سال های 1985 تا 1990 در موسسه تحقیقات ملی ریاضیات و علوم کامپیوتری در هلند ایجاد شد. ون راسوم به عنوان مدیر توسعه پایتون تا ژوئیه 2018 ادامه داد. پایتون در حال حاضر توسط یک تیم توسعه دهنده اصلی در موسسه نگهداری می شود، گرچه که Guido van Rosum هنوز نقش مهمی در هدایت مسیر پیشرفت آن دارد. پایتون از بسیاری زبان های دیگر نظیر ABC،Modula-3،C،C++،Algol-68 SmallTalk و Unix shell و سایر زبان های اسکریپتی گرفته شده است.

پایتون 2.0 در اکتبر 2000 با بسیاری از ویژگی های جدید، از جمله چرخه شناسایی و جمع آوری زباله و پشتیبانی از یونیکد منتشر شد. پایتون 3.0 در دسامبر 2008 منتشر شد و یک بازنگری کامل در ساختار زبان انجام شد که البته بسیاری از ویژگی های اصلی آن از نسخه های 2.6 و 2.7 پشتیبانی می کند. تاریخ پایان عمر Python 2.7 در ابتدا در سال 2015 تنظیم شده و پس از آن تا سال 2020 به تعویق افتاد، زیرا بسیاری از کدهای موجود به پایتون 3 منتقل نشدند. پایتون دارای حق نسخه برداری است و همانند Perl، کد منبع Python در حال حاضر تحت مجوز GPL در دسترس است.

مزایای پایتون

  • یادگیری این زبان برنامه نویسی به علت وجود کلید واژه های کم، ساختار بسیار ساده و قواعد روشن و مشخص یادگیری آن ساده است.
  • برنامه نویسی با این زبان همانند مکالمه انگلیسی است. در واقع زبان برنامه نویسی پایتون متشکل از کلمات انگلیسی و جمله بندی است.
  • این زبان کتابخانه های قابل حمل فراوانی دارد که امکان کارهای بسیار بزرگ و پیچیده را در تمامی سیستم عامل ها ممکن می سازد.
  • با استفاده از ویژگی حالت انفعالی می توان کدهای برنامه را تست و اشکال زدایی نمود.
  • برای برنامه کارامدتر و شخصی سازی شده تر می توان از ماژول های سطح پایین در تفسیر کننده این زبان استفاده نمود.
  • به کمک کتابخانه های مربوطه می توان برای هر سیستم عاملی یک رابط گرافیکی تولید نمود.
  • از روش های برنامه نویسی تابعی و ساختار یافته و همچنین OOP پشتیبانی می کند.
  • از زباله روبی اتوماتیک پشتیبانی می کند.
  • رابط های کاربری را به تمام پایگاه داده های تجاری اصلی ارائه می دهد.
  • می توان به عنوان یک زبان اسکریپت نویسی استفاده کرد یا می توان آن را به کد بایت برای ساختن برنامه های بزرگ کامپایل کرد.
  • type های داده داینامیک سطح بالا ارائه می دهد و از بررسی Dynamic type پشتیبانی می کند.
  • پایتون در سیستم های تولید کد از قبیل LLVM استفاده می شود تا کد را به صورت صحیح در سایر زبان ها ایجاد کند تا به راحتی با C،C ++ ،COM ،ActiveX ،CORBA و جاوا ادغام شود.
  • شما می توانید برنامه های کاربردی GUI و چند سکویی را با پایتون ایجاد کنید. پایتون توانایی نیتیو را برای تولید کد باینری مستقل از اسکریپت ندارد، اما بسته های شخص ثالث نیتیو مانند cx_Freeze و PyInstaller برای انجام آن می تواند مورد استفاده قرار گیرد.
  • وب سرویس و API های RESTful در پایتون توسط کتابخانه های نیتیو Python و فریمورک های وب ایجاد می شوند که می توانند در چند خط کد به سایت های پر از اطلاعات، هدایت کنند.
  • آخرین نسخه های پایتون دارای پشتیبانی قوی برای عملیات ناهمزمان هستند و اجازه می دهد که سایت ها ده ها هزار درخواست در ثانیه را با کتابخانه ها اداره کند.

کاربردهای پایتون

برنامه نویسی و اتوماسیون

اساسی ترین مورد استفاده برای پایتون به عنوان یک زبان برنامه نویسی و اتوماسیون است. پایتون فقط جایگزینی برای اسکریپت های پوسته یا فایل های دسته ای نیست همچنین برای به طور خودکار تعامل با مرورگرهای وب یا GUI برنامه کاربردی یا برای تهیه و تنظیم سیستم در ابزارهایی مانند Ansible و Salt استفاده می شود.

توسعه وب

پایتون گزینه های زیادی برای توسعه وب ارائه می دهد که شامل فریمورک های مانند جنگو و پیرامید و میکرو فریمورک های فلسک و باتل است. همچنین جهت توسعه وب از سیستم های های پیشرفته مدیریت محتوا مانند Plone و Django CMS استفاده می کند.

استفاده گسترده در محاسبات علمی و عددی

SciPy مجموعه ای از بسته های ریاضی، علم و مهندسی است. Pandas یک کتابخانه تجزیه و تحلیل داده ها و مدل سازی است. IPython یک پوسته قدرتمند تعاملی است که ویرایش و ضبط یک جلسه کاری را آسان می کند و از تجسم و محاسبات موازی پشتیبانی می کند.

تحصیلات

پایتون یک زبان عالی برای آموزش در هر دو سطح مقدماتی و پیشرفته برنامه نویسی است. کتاب هایی جهت آموزش در دسترس هستند. معلمان و برنامه نویسان از سراسر جهان منابع سرگرم کننده، جذاب و چالش انگیز را برای استفاده در کلاس های خود ایجاد کرده اند. از وظایف ساده برای مبتدیان تا پروژه های پیچیده و پیشرفته برای دانش آموزان است. آنها شامل برنامه درس، کد، کتاب ها، برگه ها و دوره های آنلاین می باشند.

اپلیکیشن دسکتاپ (ویندوز، لینوکس، مک)

کتابخانه TK GUI در اکثر توزیع های باینری پایتون گنجانده شده است. برخی از ابزارهای موجود که در سیستم عامل های مختلف قابل استفاده هستند شامل wxWidgets و کیوی برای نوشتن برنامه های multi-touch و Qt از طریق pyqt یا pysideدر دسترس هستند. همچنین ابزارهای مخصوص پلتفرم شامل +GTK و Microsoft Foundation Classes through the win32 extensions نیز در دسترس هستند.

برنامه های محاسباتی و پیچیده

پایتون اغلب به عنوان یک زبان پشتیبانی برای توسعه دهندگان نرم افزار برای ساخت کنترل و مدیریت، تست و بسیاری از روش های دیگر استفاده می شود. برای ساخت کنترل از SCons استفاده می شود. Buildbot و Apache Gump برای تدوین خودکار و مستمر و تست استفاده می شوند. Roundup یا Trac برای ردیابی باگ و مدیریت پروژه استفاده می شود.

برنامه های کاربردی تجاری

پایتون برای ساخت سیستم های ERP و تجارت الکترونیک نیز استفاده می شود. Odoo نرم افزار مدیریت همه کاره است و طیف وسیعی از برنامه های کاربردی تجاری را ارائه می دهد که مجموعه ای کامل از برنامه های مدیریت سازمانی را تشکیل می دهند. Tryton یک پلتفرم نرم افزار کاربردی سطح بالا است.

ساخت اپلیکیشن های موبایل با استفاده از فریمورک Kivy

Kivy یک کتابخانه متن باز پایتون برای توسعه سریع اپلیکیشن ها است که از رابط کاربری نوآورانه مانند اپلیکیشن های multi-touch استفاده می کند. یک کتابخانه است که به شما امکان می دهد از پایتون برای ایجاد اپلیکیشن برای دستگاه های تلفن همراه و دسکتاپ استفاده کنید. Kivy کد شما را دریافت می کند و اپلیکیشن ها را از منطق شما ایجاد می کند.

از دیگر موارد مهم و کاربردی پایتون میتوان به موارد زیر اشاره کرد:

ویژگی های زبان پایتون

پایتون یک زبان برنامه نویسی چند پارادایم است. از برنامه نویسی شی گرا و برنامه نویسی ساخت یافته کاملاً پشتیبانی می شود، و بسیاری از ویژگی های آن از برنامه نویسی کاربردی و برنامه نویسی جنبه گرا پشتیبانی می کنند (از جمله با برنامه نویسی و فراشناخت (متدهای جادویی)). بسیاری از پارادایم های دیگر از طریق برنامه های افزودنی پشتیبانی می شوند، از جمله طراحی توسط برنامه نویسی و برنامه نویسی منطقی.

پایتون از تایپ پویا و ترکیبی از شمارش مرجع و جمع آوری زباله های شناسایی چرخه برای مدیریت حافظه استفاده می کند. همچنین دارای وضوح نام دینامیکی (تأخیر در اتصال) است که متد و نام متغیر را در حین اجرای برنامه به هم متصل می کند.

طراحی پایتون در برنامه Lisp از برنامه نویسی کاربردی پشتیبانی می کند. این فیلتر، نقشه و عملکرد را کاهش می دهد. لیست درک، لغت نامه ها، مجموعه ها و عبارات ژنراتور را لیست کنید. کتابخانه استاندارد دارای دو ماژول (itertools و functools) است که ابزارهای کاربردی وام گرفته شده از هاکل و Standard ML را اجرا می کنند.

پایتون به جای اینکه تمام قابلیت های خود را در هسته خود بسازد، به شدت توسعه یافته بود. این مدولار جمع و جور باعث شده است تا به ویژه به عنوان وسیله ای برای اضافه کردن رابط های قابل برنامه ریزی به برنامه های موجود، از محبوبیت خاصی برخوردار شود. دیدگاه ون راسوم از یک زبان اصلی کوچک با یک کتابخانه استاندارد بزرگ و مترجم به راحتی توسعه یافته ناشی از ناامیدی های وی از ABC بود که از این روش متضاد حمایت می کرد.

پایتون تلاش می کند در حالی که یک انتخاب در دستورالعمل رمزگذاری خود را به برنامه نویسان ساده تر، کمتر به هم ریخته و دستور زبان می دهد. برخلاف شعار "بیش از یک راه برای انجام این کار" پرل، پایتون پذیرای فلسفه طراحی "باید وجود داشته باشد - و ترجیحاً فقط یک - راه آشکار برای انجام آن". الکس مارتلی، همکار در بنیاد نرم افزار پایتون و نویسنده کتاب پایتون، می نویسد: "توصیف چیزی به عنوان" باهوش "در فرهنگ پایتون یک تعارف تلقی نمی شود."

توسعه دهندگان Python در تلاش هستند تا از بهینه سازی زودرس خودداری کنند و تکه های قسمت های غیر مهم اجرای مرجع CPython را که باعث افزایش حاشیه ای در سرعت با هزینه وضوح می شود، رد کنند. هنگامی که سرعت مهم است، یک برنامه نویس Python می تواند توابع حساس زمان را به ماژول های فرمت نوشته شده به زبانهایی مانند C منتقل کند یا از PyPy، یک کامپایلر فقط در زمان استفاده کند. Cython نیز موجود است، که یک اسکریپت پایتون را به C ترجمه می کند و تماس های API مستقیم با سطح C را به مفسر پایتون تبدیل می کند.

هدف مهم توسعه دهندگان Python، استفاده از آن سرگرم کننده است. این امر در نام این زبان منعکس شده است - ادای احترام به گروه طنز بریتانیایی Monty Python — و در برخی اوقات رویکردهای بازیگوش به آموزش ها و مواد مرجع مانند مثال هایی که به اسپم و تخم ها اشاره می کنند (از طرح معروف Monty Python) به جای استاندارد. foo و bar.

یک نژادشناسی رایج در جامعه پایتون Pythonic است که می تواند طیف گسترده ای از معانی مربوط به سبک برنامه داشته باشد. اینکه بگوییم کد Pythonic است به این معنی است که از اصطلاحات پایتون به خوبی استفاده می کند، طبیعی است یا تسلط به زبان را نشان می دهد، که با فلسفه مینیمالیستی پایتون مطابقت دارد و تأکید بر خوانایی. در مقابل، کدی که درک آن دشوار است یا مثل یک رونویسی خشن از زبان برنامه نویسی دیگر خوانده می شود، نامشخص است.

کاربران و تحسین کنندگان پایتون، به ویژه کسانی که دانش یا با تجربه در نظر گرفته می شوند، اغلب به عنوان Pythonistas خوانده می شوند.

برنامه های نوشته شده با پایتون

لیست برخی از برنامه هایی که تمام یا بخشی از آن با پایتون نوشته شده است:

لیست فریمورک های پایتون

جنگو (Django)

جنگو فریمورک توسعه وب است که در ایجاد و حفظ برنامه های کاربردی وب با کیفیت کمک می کند. جنگو وظایف تکراری را حذف می کند تا فرآیند توسعه را آسان و در مصرف زمان صرفه جویی کند. Django فریمورک وب سطح بالا در پایتون است که باعث طراحی وب تمیز، سریع و کارآمد می شود. با جنگو می توان به سرعت و به سهولت و با کدنویسی کمتر برنامه نویسی کرد.

به دلایل مختلف، فریمورک برنامه نویسی جنگو را برای ساختن برنامه های کاربردی وب و تلفن همراه انتخاب می کنیم. علاوه بر مزیت های گفته شده در بخش پیشین، جنگو به دلیل سهولت استفاده و طراحی عملی خود به سرعت محبوبیت روز افزون خود را در برنامه نویسی پایتون به دست آورد و تبدیل به یکی از مهم ترین و محبوب ترین فریمورک های زبان Python شد.

فلسک (Flask)

یک میکرو فریمورک وب است که در پایتون نوشته شده است. فلسک به گونه ای طراحی شده است که به راحتی قابل استفاده و گسترش باشد. ایده Flask ایجاد پایه محکم برای برنامه های وب با پیچیدگی های مختلف است. از آن به بعد شما می توانید برنامه های افزودنی را که فکر می کنید به آنها نیاز دارید نصب کنید. همچنین شما قادر به ساخت ماژول های خود هستید. فلسک برای انواع پروژه عالی است. به خصوص برای نمونه سازی خوب است.

در مقایسه با جنگو، فلاسک بسیار بیشتر به سرویس های ریز نگاه می کند، که ممکن است دلیل محبوبیت شماره 1 جدید آن مطابق JetBrains باشد. برخلاف فلسفه همه در یک بسته از جنگو، فلاسک بیشتر مانند چسب کار می کند که به شما امکان می دهد کتابخانه ها را با یکدیگر ترکیب کنید.

فریمورک Beautiful Soup

کتابخانه پایتون مجموعه ای از توابع و متد ها است که به شما اجازه می دهد تا بسیاری از اقدامات را بدون نوشتن کد انجام دهید.

کیوی (Kivy)

Kivy یک کتابخانه متن باز پایتون برای توسعه سریع اپلیکیشن ها است که از رابط کاربری نوآورانه مانند اپلیکیشن های multi-touch استفاده می کند. Kivy چندسکویی است و در لینوکس، ویندوز، OS X، Android، iOS و Raspberry Pi اجرا می شود. شامل ماژول هایی برای خواندن و پخش فیلم ها می باشد. همچنین دارای یک ماژول قوی برای ورودی است که امکان Multitouch و gestures را فراهم می کند

جنگو رست فریمورک (Django Rest Framework)

فریمورک Django REST یک ابزار قدرتمند و انعطاف پذیر برای ساخت API های وب است. فریمروک Django REST شامل مجموعه گسترده ای از ویژگی های باکس است، اما کلاس نمای اصلی بسیار ساده است و فریمورک، به طور کلی، استفاده از آن آسان است. ایده اصلی پشت DRF تقسیم واضح یک مدل، ارائه کلی مانند JSON،XML و غیره) و مجموعه ای از Class-Based-Views که می تواند برای برآوردن نقطه پایانی API خاص با استفاده از Serializer که نقشه برداری بین آنها را توصیف می کند، سفارشی سازی شود.

فریمورک Bottle

Bottle فریمورک دیگری است که ترجیح می دهد از این مسئله غافل شود که کاربر را با هر چیز دیگری که ممکن است لازم داشته باشد تحت شعاع قرار دهد. این فریمورک سبک است و هیچ وابستگی خارجی به غیر از کتابخانه استاندارد پایتون (stdlib) ندارد. این برای نمونه سازی، به عنوان یک ابزار یادگیری یا برای ساخت و اجرای برنامه های وب شخصی ساده بسیار عالی است.

از دیگر فریمورک های پایتون می توان به موارد زیر اشاره نمود:

Tornado، Falcon، Hug، Sanic، aiohttp، Pyramid، Growler، CherryPy، MorePath، TurboGears2، Circuits، Watson-framework، Pycnic، WebCore، Reahl.

کتابخانه های پایتون

دلایل زیادی وجود دارد که چرا پایتون در بین توسعه دهندگان محبوب است و یکی از آنها این است که مجموعه ای از کتابخانه های شگفت آور که کاربران می توانند با آن کار کنند. سادگی پایتون بسیاری از توسعه دهندگان را برای ایجاد کتابخانه های جدید برای یادگیری ماشین جذب کرده است. به همین دلیل مجموعه عظیمی از کتابخانه ها موجود است و در بین کارشناسان یادگیری ماشین بسیار محبوب است.

در اینجا به چند کتابخانه برتر پایتون که می تواند توسط توسعه دهندگان مورد استفاده قرار گیرد اشاره می کنیم:

تنسور فلو (TensorFlow)

TensorFlow یک کتابخانه نرم افزاری اوپن سورس برای برنامه ریزی داده ها و برنامه نویسی متفاوت با طیف وسیعی از کارها است. این یک کتابخانه ریاضی است و همچنین برای برنامه های یادگیری ماشین مانند شبکه های عصبی استفاده می شود. از تنسور فلو برای تحقیق و تولید در Google استفاده می شود. در نوامبر 2015 تحت مجوز Apache 2.0 منتشر شد. تنسورفلو یک کتابخانه نرم افزاری است که برای محاسبه عددی با گراف های جریان داده ها مورد استفاده قرار می گیرد که به کاربران اجازه می دهد محاسبات دلخواه را به عنوان یک گراف جریان های داده بیان کنند. گره ها در این گراف عملیات ریاضی را نشان می دهند درحالیکه edge داده ای را نشان می دهد که از یک گره با گره دیگر ارتباط دارد.

پای تورچ (PyTorch)

PyTorch یک کتابخانه یادگیری ماشین اوپن سورس است که بر اساس کتابخانه Torch ساخته شده است و برای برنامه هایی مانند بینایی ماشین و پردازش زبان طبیعی مورد استفاده قرار می گیرد. در درجه اول توسط گروه تحقیق هوش مصنوعی فیس بوک تهیه شده است. این نرم افزار رایگان و اوپن سورس است که تحت مجوز اصلاح شده BSD منتشر شده است. اگرچه ارتباط با پایتون صحیح تر و تمرکز اصلی توسعه آن است، اما PyTorch همچنین دارای ویژگی فرانت اند ++C است. علاوه بر این، نرم افزار زبان برنامه نویسی احتمالی Pyro Uber از PyTorch به عنوان بک اند استفاده می کند.

پانداس (Pandas)

در برنامه نویسی رایانه، pandas یک کتابخانه نرم افزاری است که برای زبان برنامه نویسی پایتون برای دستکاری و تحلیل داده ها نوشته شده است. به طور خاص، ساختار داده و عملیات را برای دستکاری جداول عددی و سری های زمانی ارائه می دهد. این نرم افزار رایگان است که تحت مجوز BSD منتشر شده است. این نام از اصطلاح "panel data" گرفته شده است، اصطلاح اقتصاد سنجی برای مجموعه داده ها که شامل مشاهدات در طی دوره های زمانی مختلف برای افراد مشابه است. بسته pandas مهمترین ابزار در دسترس دانشمندان و تحلیلگران داده است که امروز در پایتون کار می کنند. ابزار قدرتمند یادگیری ماشین و ابزارهای ویژوال سازی ممکن است توجه همه را به خود جلب کند، اما پانداس ستون فقرات اکثر پروژه های داده است.

از دیگر کتابخانه های مهم پایتون می توان به Scikit-Learn، Numpy، Keras، LightGBM،Eli5،SciPy،Theano اشاره کرد.

معرفی Python 3

پایتون 1.0 در نوامبر 1994 منتشر شد. در سال 2000 پایتون 2.0 منتشر شد. پایتون 2.7.11 آخرین نسخه پایتون 2 است. Python 3.0 در سال 2008 منتشر شد. پایتون 3 با پایتون 2 سازگار نیست. تاکید در پایتون 3 بر حذف ساختارها و ماژول های برنامه نویسی تکراری بوده است. تغییر قابل توجه در Python 3 این است که چگونه از تابع print استفاده می شود. استفاده از پرانتز () با تابع print در حال حاضر اجباری است، در حالی که در Python 2 اختیاری بود.

پایتون 3.x تجسم کنونی و آینده زبان، دارای بسیاری از ویژگی های مفید و مهم است که در 2.x یافت نمی شود، مانند کنترل های همزمان و مترجم کارآمد تر و غیره. پذیرش پایتون 3 برای مدت طولانی به دلیل کمبود نسبی پشتیبانی از کتابخانه ها آهسته شد. بسیاری از کتابخانه های پایتون تنها از پایتون 2 پشتیبانی می کنند و تغییر آن دشوار است. اما طی دو سال گذشته تعداد کتابخانه هایی که تنها از پایتون 2 پشتیبانی می کنند، کاهش یافته است و اکثر آنها در حال حاضر با هر دو نسخه سازگار است. امروزه دلایل و ویژگی های وجود دارد که به استفاده از پایتون 3 ترغیب می کند.

استخراج داده از وب با پایتون

Web scraping یک تکنیک نرم افزار رایانه ای برای استخراج اطلاعات از وب سایت ها است. همانطور که می دانیم، پایتون یک زبان برنامه نویسی متن باز است. شما ممکن است تعداد بسیاری از کتابخانه ها و فریمورک ها را برای انجام یک کار پیدا کنید. از این رو لازم است که بهترین کتابخانه و فریمورک را پیدا کنید. چندین راه برای استخراج اطلاعات از وب وجود دارد:

  • فریمورک اسکرپی (Scrapy): یک فریمورک web crawling است که برای استخراج داده ها از صفحه وب با کمک selector ها بر اساس XPath به کار می رود.
  • کتابخانه بیوتیفول سوپ (Beautiful Soup): برای استخراج داده ها از فایل های اچ تی ام ال (HTML) و XML است که می توان زمانیکه داده ها از جاوااسکریپت استخراج یا به صورت پویا بارگذاری می شوند از آن به راحتی استفاده کرد.

الگوهای طراحی (Design Patterns) در پایتون

پایتون زبانی پویا و انعطاف پذیر است. الگوهای طراحی پایتون روش عالی برای به کارگیری پتانسیل گسترده آن است. فلسفه پایتون بر پایه ایده های خوب اندیشیده شده ساخته شده است. پایتون زبان پویا است و به همین ترتیب، تعدادی از الگوهای طراحی محبوب را با چند خط کد پیاده سازی کرده یا آن را آسان می کند. برخی از الگوهای طراحی به پایتون ساخته شده اند، بنابراین ما حتی بدون دانستن از آن ها استفاده می کنیم.

به عنوان مثال، Factory الگوی ساختاری پایتون است که با هدف ایجاد اشیا جدید، مخفی کردن منطق فوری از کاربر انجام می شود. اما ایجاد اشیا در پایتون با طراحی پویا است، بنابراین اضافی مانند Factory ضروری نیست. البته، اگر بخواهید می توانید آن را پیاده سازی کنید. ممکن است مواردی وجود داشته باشد که واقعاً مفید باشند، اما این استثنا نیست.

این زبان دارای کتابخانه هایی است که از انواع مختلفی از الگوهای طراحی پشتیبانی می کند. سینتکس پایتون به راحتی قابل فهم است و از کلمات کلیدی انگلیسی استفاده می کند. پایتون از لیست الگوهای طراحی که در زیر به آن ها اشاره می شود، پشتیبانی می کند.

  • الگوی MVC
  • الگوی Singleton
  • الگوی کارخانه
  • الگوی سازنده
  • الگوی نمونه اولیه
  • الگوی نما
  • الگوی فرمان
  • الگوی آداپتور
  • الگوی نمونه اولیه
  • الگوی دکوراتور
  • الگوی پروکسی
  • الگوی زنجیره ای از مسئولیت پذیری
  • الگوی ناظر
  • الگوی دولت
  • الگوی استراتژی
  • الگوی پرواز
  • الگوی شی گرا

چه چیزی الگوی طراحی در پایتون را تشکیل می دهد؟

پایتون در ایجاد الگوی طراحی با استفاده از پارامترهای زیر کمک می کند:

  • نام الگوی
  • هدف
  • نام مستعار
  • انگیزه
  • مسئله
  • راه حل
  • ساختار
  • شركت كنندگان
  • محدودیت ها
  • کد نمونه

برنامه نویسی اندروید با پایتون

این روزها به احتمال زیاد توسعه دهندگان روی یک برنامه موبایل یا وب کار می کنند. پایتون قابلیت های توسعه تلفن همراه ندارد، اما بسته هایی وجود دارد که می توانید برای ایجاد برنامه های موبایل استفاده کنید، مانند کیوی، پای کیوت یا حتی کتابخانه Toga Beeware.

این کتابخانه ها همه بازیگران اصلی فضای تلفن همراه پایتون هستند. با این حال، مزایایی وجود دارد که می خواهید برنامه های موبایل را با Kivy ایجاد کنید. نه تنها برنامه شما در همه سیستم عامل ها یکسان به نظر می رسد، بلکه نیازی نیست که پس از هر تغییر کد خود را کامپایل کنید. علاوه بر این، می توانید از سنتکس تمیز پایتون برای ساخت برنامه های خود استفاده کنید.

Kivy برای اولین بار در اوایل سال 2011 منتشر شد. این فریمورک کراس پلتفرم پایتون را می توان در ویندوز، مک، لینوکس و رزبری پای اجرا کرد. این برنامه از رویدادهای چند لمسی علاوه بر ورودی معمولی صفحه کلید و ماوس نیز پشتیبانی می کند. Kivy حتی از شتاب گرافیکی GPU نیز پشتیبانی می کند، زیرا آنها با استفاده از OpenGL ES2 ساخته شده اند. در این پروژه از مجوز MIT استفاده شده است، بنابراین می توانید از این کتابخانه به صورت رایگان و نرم افزاری تجاری استفاده کنید.

وقتی با Kivy برنامه ای ایجاد می کنید، یک رابط کاربری طبیعی یا NUI ایجاد می کنید. ایده موجود در یک رابط کاربری طبیعی این است که کاربر می تواند به راحتی دستورالعمل استفاده از نرم افزار شما را بیاموزد. Kivy تلاش نمی کند از کنترل های نیتیو یا ویجت ها استفاده کند. همه ابزارک های آن به صورت سفارشی طراحی شده اند. این بدان معنی است که برنامه های Kivy در تمام سیستم عامل ها یکسان به نظر می رسند. با این حال، این بدان معناست که نگاه و احساس برنامه شما با برنامه های نیتیو کاربر شما متفاوت خواهد بود. بسته به مخاطب شما، این می تواند یک مزیت یا یک نقطه ضعف باشد.

کاربرد پایتون در هوش مصنوعی

پایتون دارای تعداد زیادی کتابخانه داخلی است. بسیاری از کتابخانه ها برای هوش مصنوعی و یادگیری ماشین است. برخی از کتابخانه ها عبارتند از Tensorflow (که یک کتابخانه شبکه عصبی با سطح بالا است)، scikit-Learn (برای داده کاوی، تجزیه و تحلیل داده ها و یادگیری ماشین)، pylearn2 (انعطاف پذیر تر از scikit-Learn) و غیره.

پایتون پیاده سازی ساده ای برای OpenCV دارد. آنچه پایتون را برای همه محبوب می کند، اجرای قدرتمند و آسان آن است. برای سایر زبان ها، دانشجویان و محققان باید قبل از ورود به ML یا هوش مصنوعی، زبان را کامل آموزش ببینند. در مورد پایتون اینگونه نیست. حتی یک برنامه نویس با دانش بسیار بنیادی می تواند به راحتی پایتون را اداره کند. گذشته از این، زمانی که کسی برای نوشتن و اشکال زدایی کد در پایتون می گذرد، در مقایسه با C و جاوا کمتر است. این دقیقاً همان چیزی است که دانشجویان AI و ML می خواهند. آن ها نمی خواهند وقت را برای خطای كلمات در خطاهای نحوی صرف كنند، می خواهند زمان بیشتری را صرف الگوریتم ها و اكتشافات مربوط به AI و ML كنند. نه فقط کتابخانه ها بلکه آموزش های آن ها، کار با رابط ها به راحتی بصورت آنلاین در دسترس است.

کاربرد پایتون در شبکه

پایتون دو سطح دسترسی به سرویس های شبکه را فراهم می کند. در سطح پایین، می توانید به سیستم پشتیبانی اصلی سوکت در سیستم عامل زیرین دسترسی پیدا کنید.در اصل، سوکت ها به عنوان یک ارتباط ارتباطی بین سرور و کلاینت عمل می کنند. پایتون همچنین دارای کتابخانه هایی است که دسترسی سطح بالاتری به پروتکل های شبکه مخصوص برنامه کاربردی مانند FTP، HTTP و غیره را فراهم می کند.

سوکت چیست؟

سوکت ها نقاط پایانی کانال ارتباطی دو طرفه هستند. سوکت ها ممکن است در یک فرآیند، بین فرآیندهای موجود در همان دستگاه یا بین فرآیندهای موجود در قاره های مختلف ارتباط برقرار کنند. سوکت ها ممکن است بر روی تعدادی نوع کانال مختلف اجرا شود: سوکت دامنه یونیکس، TCP، UDP و غیره. کتابخانه سوکت کلاس های خاصی را برای اداره انتقالات رایج و همچنین رابط عمومی برای اداره بقیه فراهم می کند.

پایتون برای اینترنت اشیا

بسته به دیدگاه شما، اینترنت اشیا (IOT) را می توان متنوع دانست. به خاطر این توضیحات، فرض کنید ما در مورد اشیاء جسمی که در یک سیستم تعبیه شده قرار دارد صحبت می کند و آنها را به اینترنت وصل می کند. این "موارد" اکنون آدرس IP خود را دارند و می توانند با استفاده از شبکه با "چیزهای دیگر" از راه دور یا محلی ارتباط برقرار کنند.

IoT اغلب در پروژه هایی که شامل شبکه های حسگر بی سیم، تجزیه و تحلیل داده ها، سیستم های فیزیکی سایبر، داده های بزرگ و یادگیری ماشین است، نقش دارد. علاوه بر این، پروژه های IoT اغلب شامل تجزیه و تحلیل و فرآیندهای در زمان واقعی هستند. در حالت ایده آل، زبان برنامه نویسی شما برای یک پروژه IoT در حال حاضر باید انتخاب رشته ای برای زمینه های فوق باشد، ضمن اینکه سبک و مقیاس پذیر است. پایتون خیلی خوب با این معیارها مطابقت دارد. در اینجا چگونه است.

مزایای استفاده از Python برای IoT:

محبوبیت پایتون یک دارایی قابل توجه است. این زبان توسط یک جامعه بزرگ و مفید پشتیبانی می شود، که منجر به ایجاد مجموعه گسترده ای از کتابخانه های از پیش نوشته شده و اجرای و استقرار راه حل های کاری آسانتر شده است. پایتون قابل حمل، قابل توسعه و جاسازی است. این امر باعث می شود پایتون به سیستم وابسته نباشد و به آن اجازه دهد بدون توجه به معماری یا سیستم عامل، از بسیاری از رایانه های یک تخته موجود در بازار پشتیبانی کند.

پایتون برای مدیریت و سازماندهی داده های پیچیده بسیار عالی عمل می کند. برای سیستم های IoT که به خصوص داده های سنگین هستند، این امر به ویژه مفید است. یادگیری پایتون بدون مجبور کردن شما برای آشنایی با بسیاری از استانداردهای قالب بندی و تدوین گزینه ها، آسان است. کد پایتون به لطف نحو تمیز آن به راحتی قابل خواندن و جمع و جور است.

این کار در دستگاه های کوچک با حافظه محدود و توان محاسباتی مفید است. علاوه بر این، نحو تا حدی مسئول محبوبیت روزافزون پایتون است، و بیشتر جامعه خود را تقویت می کند. ارتباط نزدیک پایتون با محاسبات علمی باعث شده است تا بتواند در توسعه IoT زمینه ساز شود. اگر یک دانشمند اجتماعی یا زیست شناس بخواهد برنامه ای را برای دستگاه هوشمند خود در آزمایشگاه ایجاد کند، آنها با خوشحالی از زبان مورد علاقه خود استفاده خواهند کرد. در اکثر موارد، این پایتون خواهد بود، زیرا این فناوری به محاسبات علمی تبدیل شده است.

پایتون زبان انتخابی رزبری پای (Raspberry Pi) است. اهمیت زیادی دارد، زیرا Raspberry Pi یکی از محبوب ترین میکروکنترلرهای موجود در بازار است. پایتون ابزارهایی را ارائه می دهد که فرایند توسعه IoT را ساده می کند، مانند webrepl. این گزینه به شما امکان می دهد از مرورگر خود برای اجرای کد پایتون برای IoT استفاده کنید. علاوه بر این، پروتکل پیام رسانی mqtt به شما امکان می دهد تا کد / پیکربندی خود را به روز کنید. از آنجا که پایتون یک زبان تفسیری است، می توانید به راحتی راه حل خود را بدون کامپایل کردن کد یا چشمک زدن به دستگاه تست کنید.

با استفاده از یک برنامه C، باید کد را در رایانه شخصی خود کامپایل کنید، سپس آن را در "چیز" بارگذاری کنید. پایتون به شما اجازه می دهد تا مستقیماً در مورد "چیز" خود وارد مفسر شوید، و آزمایش راه حل های مختلف را آسان تر می کنید. AWS SDK Python را برای AWS IoT ارائه می دهد. در حال حاضر از آن به عنوان گیلاس در بالای یک کیک خوشمزه فکر کنید.

پایتون برای استارتاپ ها

استارتاپ ها موارد بسیار ویژه ای هستند. ساختن آنها از زیر زمین یک کار مهم است، زیرا آنها یک رویکرد متفاوت از یک شرکت تأسیس نیاز دارند. آسانتر کردن فرایند از هر طریقی که ممکن است امری ضروری است. به همین دلیل است که وقتی زبان برنامه نویسی را برای پروژه خود انتخاب می کنید، به یک مورد نیاز دارید که به شما امکان می دهد سریع کار را شروع کنید و نتایج مورد نظر را به طور مؤثر تحویل بگیرید. در عین حال، شما نمی توانید با کیفیت بالا سازش کنید. پایتون می تواند همه این موارد را به شما بدهد.

چرا پایتون بهترین زبان برنامه نویسی برای استارتاپ شماست؟

دلایل زیادی وجود دارد که پایتون رویایی برای هر استارت آپ است. فقط برای نامگذاری چند مورد، دلیل این زبان است:

  1. درک مستقیم
  2. قابل اعتماد
  3. مقیاس پذیر
  4. موجود در همه جا

استارتاپ های قابل توجه از پایتون در پشته فناوری خود استفاده کرده اند.

پایتون برای توسعه وب

در بازار فعلی ممکن است یک تجارت بدون وب سایت نیز وجود داشته باشد. علاوه بر این، روند در حال دنبال کردن برنامه های وب بیشتر و چشمگیر است که، در میان دیگران، عبارتند از:

  1. نسخه های بی نقص تلفن همراه و دسکتاپ
  2. طرح بندی نامتقارن
  3. برنامه های وب مترقی
  4. انیمیشن های یکپارچه
  5. چت بات های ML

امروزه، بیش از هر زمان دیگر، مهم است که وقتی زمان ساخت (یا احتمالاً بازسازی) وب سایت یا برنامه وب خود، ابزارهای مناسب را انتخاب کنید.

مزایای استفاده از پایتون برای توسعه وب

مزایای بسیاری از Python وجود دارد که به شما کمک می کند سریع در زمینه توسعه وب نتایج کسب کنید:

پایتون تقریباً در مورد هر چیزی، مجموعه بزرگی از کتابخانه های از پیش ساخته را دارد. محاسبات علمی، پردازش تصویر، پردازش داده ها، یادگیری ماشین، یادگیری عمیق، پایتون آن را دارد. کد پایتون به دلیل نحو ساده و تمیز آن، زمان کمتری برای نوشتن دارد. به همین دلیل، کدی که در پایتون نوشته شده، خود را در ایجاد نمونه های سریع سریع بسیار مناسب می کند. پایتون ROI پروژه های تجاری را تسریع می کند.

دلیل این امر شبیه به نکته قبلی است: شما می توانید کد خود را سریعتر بنویسید و ارسال کنید. این امر به ویژه برای استارتاپ ها مهم است. پایتون یک فریمورک داخلی برای تست واحد دارد. این به شما کمک می کند تا کد عاری از اشکال را ارسال کنید. علاوه بر ویژگی های استاندارد پایتون، یکی از مهمترین نقاط قوت آن در توسعه وب، تنوع فریمورک های وب ارائه شده است. با انتخاب گسترده ای از فریمورک های خوب پشتیبانی شده، می توانید نقطه شروع مناسبی را برای هر پروژه پیدا کنید. پایتون ابزارهایی را برای شما فراهم می کند که کار را با اطمینان انجام دهید، مهم نیست که آیا می خواهید روی آن تمرکز کنید:

  • راه حل های سریع برای پیاده سازی و خارج از جعبه
  • راه حل هایی که به همکاری بسیاری از خدمات تخصصی میکرو نیاز دارند.
  • برنامه ای که عملکرد آن بسیار مهم است.

پایتون برای کلان داده

علم داده، تحلیل داده، یادگیری ماشین، کلان داده همه اصطلاحات آشنا در عناوین فناوری امروز، اما ممکن است به نظر می رسد دلهره آور، تیره و یا غیرممکن است. آنها علیرغم لذت بخش بودن زمینه های واقعی هستند و شما می توانید بر آنها تسلط داشته باشید!

علم داده زمینه بزرگی است که همه چیز را از جمع آوری داده ها، نظافت، استاندارد سازی، تجزیه و تحلیل، تجسم و گزارش تهیه می کند. بسته به علایق شما، موقعیت ها، شرکت ها و زمینه های مختلفی وجود دارند که علوم داده را لمس می کنند. شما می توانید از علوم داده برای تجزیه و تحلیل زبان، توصیه فیلم ها یا تعیین محصولات جدید از داده های مشتری یا بازاریابی استفاده کنید. چه برای یک زمینه تحقیقاتی، چه کسب و کار شما یا شرکتی که در آن کار می کنید، فرصت های بسیاری برای استفاده از علوم داده و تجزیه و تحلیل برای حل مشکلات شما وجود دارد.

هنگامی که ما در استفاده از کلان داده در علم داده صحبت می کنیم، در مورد علم داده در مقیاس بزرگ صحبت می کنیم. آنچه "بزرگ" است کمی بستگی به این دارد که شما از چه کسی می خواهید. اکثر پروژه ها یا سؤالاتی که می خواهید به آنها پاسخ دهید نیازی به داده های بزرگ ندارند، زیرا مجموعه داده به اندازه کافی اندک است که در رایانه شما بارگیری و تجزیه شود. بیشتر مشکلات بزرگ داده ها ناشی از داده هایی است که نمی توانند در یک رایانه نگهداری شوند. اگر داده های بزرگی دارید که به چندین (یا تعداد بیشتری رایانه) برای ذخیره نیاز دارد، می توانید از داده های بزرگ برای تجزیه و تحلیل کتابخانه ها و تجزیه و تحلیل ها بهره مند شوید.

بنابراین پایتون چه ارتباطی با آن دارد؟ پایتون طی چند سال گذشته به عنوان رهبر برنامه نویسی علوم داده ظاهر شده است. در حالی که هنوز تعداد زیادی از افراد با استفاده از R، SPSS، جولیا یا چند زبان محبوب دیگر وجود دارند، محبوبیت فزاینده پایتون در این زمینه در رشد کتابخانه های علوم داده اش مشهود است.

پایتون و آناکوندا

آناکوندا یک توزیع رایگان و اوپن سورس از زبان های برنامه نویسی پایتون و R برای محاسبات علمی مانند علوم داده، برنامه های یادگیری ماشین، پردازش داده در مقیاس بزرگ، تجزیه و تحلیل پیشگویانه و غیره است که هدف آن ساده سازی مدیریت بسته و استقرار است. توزیع آناکوندا توسط بیش از 15 میلیون کاربر استفاده می شود و شامل بیش از 1500 بسته اطلاعات علمی مشهور مناسب برای ویندوز، لینوکس و MacOS است.

وقتی یک زبان برنامه نویسی بر روی سیستم نصب می شود و در روی آن می توانید IDE ها و بسته های مختلفی را نصب کنید. پایتون به خودی خود خیلی مفید نخواهد بود مگر اینکه IDE نصب شود. اینجاست که آناکوندا در تصویر قرار می گیرد. آناکوندا IDE ها و چندین بسته مهم مانند NumPy،پانداس (Pandas) و غیره را نصب می کند. یکی از مهمترین عاملی که محبوبیت آناکوندا در بین مبتدیان بسیار مشهور است، فرآیند پیاده سازی آسان با یک مجموعه بسیار جامع از حداکثر 1000 بسته به همراه یک بسته بسیار مفید Conda و یک مدیر محیط مجازی است که باعث می شود کار نصب هر یک از آن ها کاهش یابد. بسته های علوم داده ای که ممکن است ما به تجزیه و تحلیل آن بخش های بزرگ از داده ها نیاز داشته باشیم.

پایتون و جنگو

پایتون و جنگو

جنگو (Django)

فریمورک وب رایگان و اوپن سورس مبتنی بر پایتون است، که از الگوی معماری model-template-view یا به اختصار MTV استفاده می کند. Django توسط مؤسسه توسط بنیاد نرم افزار (DSF) نگهداری می شود. هدف اصلی جنگو، سهولت در ایجاد وب سایت های پیچیده و پایگاه داده محور است. این فریمورک بر قابلیت استفاده مجدد و قابلیت اتصال به قطعات، کد کم، اتصال کم، توسعه سریع و اصل خودت را تکرار نکن (DRY) تأکید دارد. جنگو به طور کلی از پایتون در سراسر فریمروک، حتی برای فایل های تنظیمات و مدل های داده استفاده می کند. Django همچنین رابط اجرایی ایجاد، خواندن، به روزرسانی و حذف را ایجاد می کند که به صورت پویا از طریق درون نگاری ایجاد می شود و از طریق مدل های ادمین پیکربندی می شود. با Django، می توانید برنامه های وب را از مفهوم برای راه اندازی در عرض چند ساعت در نظر بگیرید. جنگو بیشتر از دردسرهای توسعه وب مراقبت می کند، بنابراین می توانید بدون نیاز به اختراع مجدد چرخ، روی نوشتن برنامه خود تمرکز کنید.

جنگو فریمورک توسعه وب است که در ایجاد و حفظ برنامه های کاربردی وب با کیفیت کمک می کند. جنگو وظایف تکراری را حذف می کند تا فرآیند توسعه را آسان و در مصرف زمان صرفه جویی کند. Django فریمورک وب سطح بالا در پایتون است که باعث طراحی وب تمیز، سریع و کارآمد می شود. با جنگو می توان به سرعت و به سهولت و با کدنویسی کمتر برنامه نویسی کرد. چرا که در آن کد های مربوط به model و controller یا bussiness logic و view از هم جدا می باشند. از آنجایی که این فریمورک توسط زبان پاتون نوشته شده است پس دارای ویژگی های این زبان نیز می باشد. جنگو سهولت در تعریف متغیر ها، meta-programming و امنیت بالایی را فراهم می سازد. جنگو تحت مجوز BSD است.

پایتون و اکسل

احتمالاً می دانید که اکسل یک برنامه صفحه گسترده است که توسط مایکروسافت ساخته شده است. شما می توانید از این ابزار به راحتی در دسترس برای سازماندهی، تجزیه و تحلیل و ذخیره داده های خود در جداول استفاده کنید. از این گذشته، این نرم افزار به طور گسترده در بسیاری از زمینه های کاربردی مختلف در سراسر جهان استفاده می شود. شما باید در مقطعی با این صفحات گسترده تعامل کنید، اما همیشه نمی خواهید به کار خود ادامه دهید. به همین دلیل است که توسعه دهندگان Python نه تنها این فایل ها بلکه بسیاری از انواع دیگر فایل ها روش های خواندن، نوشتن و دستکاری را اجرا کرده اند.

با استفاده از پایتون، بررسی اجمالی از بسته هایی را که می توانید برای دانلود و نوشتن این صفحات گسترده در فایل ها به شما ارائه دهند، در اختیار شما قرار می دهد.سپس باید یادگیری کار با بسته هایی مانند pandas، openpyxl، xlrd، xlutils و pyexcel را شروع کنید.

مثال های پایتون

ابتدا فایل Python خود را که helloworld.py نامیده می شود ایجاد کنید که می تواند در هر ویرایشگر متن انجام شود.

print("Hello, World!")

استفاده از حلقه For

fruits = ["apple", "banana", "cherry"]
for x in fruits:
  print(x)

ایجاد یک کلاس به نام Person، از تابع () __init __ برای اختصاص دادن مقادیر برای نام و سن استفاده کنید.

class Person:
  def __init__(self, name, age):
    self.name = name
    self.age = age

p1 = Person("John", 36)

print(p1.name) print(p1.age)

آیا این نوشته را دوست داشتید؟
linkedin-using-python-for-automation

آموزش استفاده از پایتون برای خودکارسازی


پایتون یک زبان برنامه نویسی آسان برای یادگیری است که به سازمان ها این امکان را می دهد تا اتوماسیونی سفارشی را اسکریپت نویسی کرده و در صرف زمان صرفه جو...

1399/01/15 765 بازدید زیرنویس دارد
linkedin-building-angular-and-django-apps

آموزش ساخت اپلیکیشن های Angular و Django


دانش Angular و Django REST خود را بیازمایید. در این دوره، به Rudolf Olah بپیوندید زیرا او به بررسی پیچیدگی های جفت کردن این دو فریمورک برای ساخت وب اپ...

1399/01/12 425 بازدید زیرنویس دارد
linkedin-using-python-with-excel

آموزش استفاده از پایتون با اکسل


پایتون پر رشدترین زبان برنامه نویسی در جهان و یک ابزار قدرتمند است که به ساده سازی و موثرکردن توسعه و علم داده کمک می کند. در این دوره از Madecraft می...

1399/01/08 1476 بازدید زیرنویس دارد
linkedin-python-for-data-science-essential-training-part-2

آموزش اساسی پایتون برای علم داده قسمت 2


در این دوره Lillian Pierson شما را گام به گام همراه با یک پروژه عملی علم داده به جلو می برد: ساخت مدل های یادگیری ماشین که توان انجام پیش بینی ها و ار...

1399/01/05 1275 بازدید زیرنویس دارد
linkedin-programming-foundations-fundamentals

آموزش مبانی برنامه نویسی - اصول


به کمک این دوره برای شروع برنامه نویسی به هر زبانی، دانش اصلی را بدست آورید. در این دوره، مدرس دوره از پایتون برای کشف مفاهیم اصلی و ساختار زبان های ب...

1398/12/26 7834 بازدید زیرنویس دارد
linkedin-python-for-data-science-essential-training-part-1

آموزش اساسی پایتون برای علم داده قسمت 1


در این دوره Lillian Pierson شما را گام به گام همراه با یک پروژه به جلو می برد: یک web scraper که داده ها را از وب دانلود کرده و آنالیز می کند. همراه ب...

1398/12/25 2853 بازدید
packtpub-data-wrangling-with-python-3-x

آموزش Data Wrangling در پایتون 3


در این دوره نحوه استخراج و خواندن اطلاعات از وبسایت و فایل های مختلف و انجام تحلیل، ذخیره سازی در پایگاه های داده متنوع و همچنین کار با پکیج های تحلیل...

1398/12/19 1844 بازدید
udemy-the-data-science-course-2019-complete-data-science-bootcamp

بوت کمپ کامل علم داده - Udemy The Data Science Course 2019


آموزش کامل علم داده: ریاضیات، آمار، پایتون، آمار پیشرفته در پایتون، ماشین و یادگیری عمیق این اولین برنامه آموزشی است که بزرگترین چالش برای ورود به حو...

1398/12/18 3322 بازدید زیرنویس دارد
udemy-complete-python-bootcamp-go-from-zero-to-hero-in-python-3

بوت کمپ کامل پایتون 3 - Python3 Bootcamp Go from zero to hero


پایتون را مثل یک حرفه ای بیاموزید! از اصول اولیه شروع کنید تا پیشرفته! تبدیل به یک برنامه نویس پایتون شوید و یکی از مهارت های درخواست شده کارفرمایان د...

1398/12/17 4594 بازدید زیرنویس دارد
linkedin-building-react-and-django-apps

ساخت اپلیکیشن های React و Django


کشف کنید که چگونه می توان قدرت عملکرد فرانت اند فریمورک React را با بهترین بک اند های Django برای ساخت اپلیکیشن های فول استک ترکیب کرد. در این دوره، ب...

1398/12/14 4185 بازدید زیرنویس دارد
linkedin-building-restful-apis-with-flask

آموزش ساخت RESTful API با Flesk


API های خوب برای توسعه پروژه های وب و موبایل به ویژه با رویکرد مدرن و mobile-first ضروری هستند. این دوره دانش بنیادی مورد نیاز برای فعال کردن روابط مت...

1398/12/13 1484 بازدید زیرنویس دارد
infiniteskills-web-applications-with-python-and-the-pyramid-framework

برنامه‌های وب با پایتون و فریمورک Pyramid


در این دوره برنامه‌های وب با پایتون و چارچوب Pyramid، نویسنده متخصص Paul Everitt به شما درباره ویژگی‌های لازم برای توسعه وب مخصوصا ویژگی‌های منحصر به ...

1398/12/12 815 بازدید
linkedin-python-data-structures-stacks-queues-and-deques-2

آموزش ساختارهای داده پایتون - پشته ها، صف ها و Deques


ساختارهای داده مانند پشته ها و صف ها اغلب در مصاحبه های کاری برای نقش های فنی ظاهر می شوند. گرچه بسیاری از نامزدها ممکن است هرگز در برنامه نویسی روزان...

1398/12/04 1505 بازدید زیرنویس دارد
appliedaicourse-applied-machine-learning-course

دوره کاربردی یادگیری ماشینی - Applied Machine Learning Course


با یادگیری این دوره می توانید در هر موقعیت شغلی یادگیری ماشینی استخدام شوید! یادگیری ماشین را در یک دوره 150 ساعته فرا بگیرید. اگر به یادگیری یادگیری ...

1398/12/02 4088 بازدید
skillshare-build-a-data-driven-website-with-django

آموزش ساخت وب سایت داده محور با جنگو


این دوره به شما کمک می کند تا به عنوان توسعه دهنده وب بتوانید از قدرت جنگو برای ایجاد وبسایت هایی که بتواند داده را به راحتی مرتب و دستکاری کند استفاد...

1398/12/02 5802 بازدید
codewithmosh-the-complete-python-programming-course

دوره کامل برنامه نویسی پایتون - Codewithmosh The Complete Python


دوره کامل پایتون - پایتون را برای هوش مصنوعی، یادگیری ماشینی، علم داده و توسعه اپلیکیشن یاد بگیرید. این دوره بر این فرض است که شما هیچ چیز در مورد پای...

1398/11/30 5981 بازدید
linkedin-python-advanced-design-patterns

آموزش پایتون - الگوهای طراحی پیشرفته


در این دوره، به برخی از الگوهای طراحی پیشرفته همانطور که برای پایتون اعمال می شود، نگاهی بیندازید. در ابتدا با دلایل استفاده و عدم استفاده از الگوهای ...

1398/11/30 1842 بازدید زیرنویس دارد
linkedin-code-clinic-python

کلینیک کد: پایتون


در این دوره، بارون استون با پایتون کار میکند. بارون چالش های مختلف را معرفی کرده و نمایی کلی از راهکارهایش در پایتون را ارائه می‌دهد. چالشها شامل موضو...

1398/11/23 10592 بازدید زیرنویس دارد
skillshare-pid-controllers-intro-to-control-design

آموزش کنترلرهای PID - آشنایی با طراحی کنترل


در این دوره با پیاده سازی کنترلر PID در نرم افزار آشنا می شوید. همچنین زمان استفاده و عدم استفاده از کامپوننت های نسبی، انتگرال و مشتق کنترل را درک خو...

1398/11/21 633 بازدید
skillshare-big-data-analysis-with-apache-spark-pyspark-python

آموزش تحلیل کلان داده با Apache spark - پایتون PySpark


در این دوره موارد زیر را می آموزید: آشنایی با کلان داده و Apache spark/ شروع کار با databricks/ مرحله نصب دقیق در دستگاه اوبونتو - لینوکس/ پایتون برای...

1398/11/16 932 بازدید
سپهر اکبرزاده 1 هفته و 4 روز قبل

آشنایی با پایتون و اینکه چرا اینقدر محبوب است در 3 دقیقه