Novel Python |برنامه نویسی| پایتون – Telegram
Novel Python |برنامه نویسی| پایتون
1.32K subscribers
36 photos
94 videos
37 files
207 links
Phyton is Lovely ❤️

Novel Other Channels:

🎁https://news.1rj.ru/str/Novel_ProjectManagement
Download Telegram
#پایتون note55 آموزش پایتون به صورت نوشتاری در پیام های متوالی
🤓نوع داده Tuple
شبیه لیست  است، اما مقادیر آن‌ قابل ویرایش نیست. مقادیر اولیه تاپل ها تا آخر برنامه ثابت باقی می‌ماند و قابل تغییر نمی باشد.
تاپل ها شامل تعدادی از مقادیر است که با ویرگول از یکدیگر تفکیک می شوند. لیست ها با  [ ] تعریف می شود، عناصر و اندازه آن ها تغییر پذیر است در حالی که tuple ها داخل ( )  تعریف می شوند و قابلیت بروز رسانی را ندارند. تاپل ها را می توان لیست هایی دانست که فقط قابل فراخوانی است.
🤓متد rpartion
این متد، جستجو را بر اساس آخرین رخداد کلمه مدنظر  انجام می دهد و یک تاپل شامل ۳ عنصر زیر بر می گرداند:
⚡️هر چیزی که قبل از کلمه یا رشته مورد مدنظر بوده است
⚡️کلمه مدنظر
⚡️هرچیزی که بعد از کلمه یا رشته مورد مدنظر بوده است.
text="i can programming python, python is my favorite language"
x=text.rpartion("python")
print(x)
اگر مقدار موردنظر پیدا نشد یک تاپل شامل رشته اصلی، رشته خالی، رشته خالی را برمی گرداند.
text="i can programming python, python is my favorite language"
x=text.rpartion("perl")
print(x)
🤓متد partion
این متد جستجو را بر اساس اولین رخداد کلمه مدنظر انجام می دهد و یک تاپل شامل ۳ عنصر زیر بر می گرداند:
⚡️هر چیزی که قبل از کلمه یا رشته مورد مدنظر بوده است.
⚡️عنصر مد نظر
⚡️هرچیزی که بعد از کلمه یا رشته مورد مدنظر بوده است.
text="i can programming python, python,python is my favorite language"
x=text.partion("python")
print(x)
اگر مقدار موردنظر پیدا نشد یک تاپل شامل عناصر رشته اصلی، رشته خالی، رشته خالی را برمی گرداند.
text="i can programming python, python is my favorite language"
x=text.partion("perl")
print(x)

💥Novel channels:
@Python @DataScience @Optimization
#پایتون note56 آموزش پایتون به صورت نوشتاری در پیام های متوالی
🤓دسترسی به عناصر تاپل
برای دسترسی به عناصر تاپل، اندیس عنصر مورد نظر را در براکت قرار می گیرد.
tup = ("python", "js", "perl")
print(tup[1])
خروجی :
js
🤓تغییر مقدار عنصر در تاپل
ممکن نیست. وقتی تاپل ایجاد شود، امکان تغییر مقادیر وجود ندارد.
🤓طول تاپل
طول یک تاپل رو با تابع توکار len قابل تعیین است.
a = ("dog", "cat", "cow")
print(len(a))
خروجی:
3
🤓حذف کامل یک تاپل
با استفاده از کلمه کلیدی del یک تاپل قابل حذف است.
T = ("a", "b", "c")
del T
print(T)
خروجی:
NameError < ==== خطای


💥Novel channels:
@Python @DataScience @Optimization
#پایتون note57 آموزش پایتون به صورت نوشتاری در پیام های متوالی
🤓رویکرد tuple constractor
ساخت تاپل با سازنده تاپل
tup= tuple(("i","you","we"))
print(tup)
خروجی:
('i','you','we')
🤓متد count
این متد تعداد عنصر یا عناصر تاپل را بر می گرداند.
tup = (1, 5, 3, 7, 8, 7, 5, 4, 6, 5, 8, 5)
x = tup.count(5)
print(x)
خروجی:
4
🤓متد index
این متد، اندیس عناصر تاپل را بر می گرداند. اگر عناصر تکراری وجود داشته باشد، اندیس اولین عنصر تطبیق داده شده با عنصر مدنظر را بر می گرداند.
tup = (1, 5, 3, 7, 8, 7, 5, 4, 6, 5, 8, 5)
x = tup.index(5)
print(x)
خروجی:
1

💥Novel channels:
@Python @DataScience @Optimization
#آموزشی #پایتون
🤓دوره آموزشی رایگان پایتون از مقدماتی تا پیشرفته به صورت ۹۷ ویدئوی آموزشی به همراه کدهای آموزش در کانال قرار داشته می شود برای رعایت حق کلیک سایت ایشان را هم ببینید.
🤓با توجه به زیاد بودن تعداد ویدئوها و کدهای این دوره آموزشی هر ۵ جلسه آموزش و کد در یک فایل فشرده سازی شده است.🌸
برای مشاهده جلسات ۹۸ تا ۱۰۶ به صورت آنلاین می توانید به آدرس سایت زیر مراجعه کنید.
⚡️لینک سایت

#پایتون_اردوخانی

💥Novel channels:
@Python @DataScience @Optimization
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
Forwarded from Novel Optimization |Datascience| MachinLearning | DeepLearning | Python | علم داده | یادگیری ماشین | یادگیری عمیق | پایتون
Please open Telegram to view this post
VIEW IN TELEGRAM
#پایتون note58 آموزش پایتون به صورت نوشتاری در پیام های متوالی
🤓نوع داده مجموعه(Sets)
مجموعه یک نوع داده بینظم و اندیس گذاری نشده است که عناصر آن درون آکولاد {} قرار می گیرند. عناصر مجموعه به صورت Random ظاهر می شوند.
myset = {"python", "perl", "ruby"}
print(myset)
🤓دسترسی به عناصر مجموعه
دسترسی به عناصر مجموعه با توجه به این که  اندیس ندارند و مرتب نیستند با اندیس امکان پذیر نیست. فقط می توان با in و for دسترسی پیدا کرد و پردازش بر روی انجام داد.
myset = {"a", "b", "c"}
print("c" in myset)
خروجی
True
🤓متد Len
با استفاده از متد len می توان طول مجموعه را گرفت.
S = {"a", "ab", "abc","abcd"}
print(len(S))
خروجی
4
🤓با کلمه کلیدی del هم می توان کل یک مجموعه را حذف کرد.
S = {"2", "4", "6"}
del S
print(S)
خروجی
خطا ====>  NameError

💥Novel channels:
@Python @DataScience @Optimization
#پایتون note59 آموزش پایتون به صورت نوشتاری در پیام های متوالی
🤓ساخت مجموعه با سازنده Set Constractor

ms = set(("a", "b", "c")) 
print(ms)
خروجی:
{'a', 'b', 'c'}
🤓متد add
این متد یک عنصر به عناصر درون مجموعه اضافه می کند و اگر از قبل وجود داشته باشد عمل نمی کند.
myset = {"apple", "lg", "sony"}
myset.add("samsung") 
print(myset)
خروجی
{'apple', 'lg', 'sony', 'samsung'}
🤓متد clear
این متد تمامی عناصر مجموعه را حذف می کند. یعنی خروجی یک مجموعه خالی است.
set1={"a","b","c"}
set1.clear()
print(set1)
خروجی
set()

💥Novel channels:
@Python @DataScience @Optimization
👍2
#پایتون note60 آموزش پایتون به صورت نوشتاری در پیام های متوالی
🤓متد copy
این متد یک کپی از مجموعه  می سازد.
set1={"a","b","c"}
X=set1.copy()
print(X)
خروجی
{'a','b','c'}
🤓داده های متفاوت را می توان درون مجموعه قرار داد.
myset={1.0,"h",(1,2,3)}
print(myset)
🤓با استفاده از عملگرهای عضویتی می توان بررسی کرد که عنصر مد نظر در مجموعه موجود است یا خیر.
s={"ali","hasan","hosein"}
print("ali" in s)
خروجی
True

💥Novel channels:
@Python @DataScience @Optimization
#پایتون note61 آموزش پایتون به صورت نوشتاری در پیام های متوالی
🤓متد remove
این متد یک عنصر از مجموعه را حذف می کند. اگر عنصر موجود نباشد خطا می دهد.
x={1,2,3}
x.remove(2)
print(x)
خروجی
{1,3}
🤓متد discard
این متد یک عنصر خاص از مجموعه را حذف می کند. تفاوت متد discard با remove در این است که اگر عنصری وجود نداشته باشد خطایی اعلام نمی کند، اما discard خطا می دهد.

x={1,2,3}
x.discard(2)
print(x)
خروجی
{1,3}
🤓متد pop
این متد یک عنصر از مجموعه را به صورت تصادفی حذف می کند.
f={"python","perl","js","cpp"}
x=f.pop()
print(x)

💥Novel channels:
@Python @DataScience @Optimization
2👍2