#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
🤓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
خودآموز تاپ لرن
آموزش رایگان پایتون ( Python )
دوره آموزش رایگان زبان پایتون ( Python ) از مقدماتی تا پیشرفته پایتون یک زبان برنامه نویسی عمومی و Open Source است که می تواند برای بسیاری از برن
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
🤓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
🤓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
🤓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
#آموزشی رایگان
🤓آموزش نحوه نصب پایتون، تنظیمات آن، صحت سنجی نحوه صحیح نصب پایتون
https://faradars.org/courses/install-python-fvpy326?utm_source=FDPub&utm_medium=telegram&utm_campaign=new-publish&utm_content=fvpy326
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💥Novel channels:
@Python➕ @DataScience ➕@Optimization
🤓آموزش نحوه نصب پایتون، تنظیمات آن، صحت سنجی نحوه صحیح نصب پایتون
https://faradars.org/courses/install-python-fvpy326?utm_source=FDPub&utm_medium=telegram&utm_campaign=new-publish&utm_content=fvpy326
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💥Novel channels:
@Python➕ @DataScience ➕@Optimization
فرادرس
آموزش رایگان نصب پایتون Python در ویندوز | فرادرس
آموزش رایگان نصب پایتون Python در ویندوز، نحوه دانلود کتابخانه های مختلف در پایتون، نحوه دانلود کتابخانه های مختلف در پایتون
#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
🤓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
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 note62 آموزش پایتون به صورت نوشتاری در پیام های متوالی
🤓عملگرهای مجموعه ای در پایتون:
عملگر اجتماع: |
عملگر اشتراک: &
عملگر تفاضل: -
عملگر تفاضل متقارن: ^
🤓اجتماع مجموعه ها
شامل اعضای هر دو مجموعه است.
A={1,3,5,7,9,2}
B={2,4,6,8,10}
print(A|B)
خروجی: {1,2,3,4,5,6,7,8,9,10}
🤓اشتراک دو مجموعه
شامل اعضای هر دو مجموعه است.
A={"a","b","c"}
B={"c","d","e"}
print(A&B)
خروجی: {c}
🤓تفاضل دو مجموعه:
A={1,3,5,7}
B={3,4,6,8}
print(A-B)
خروجی: {1,3,4,5,6,7,8}
🤓تفاضل متقارن:
مجموعه ای جدید شامل اعضای دو مجموعه به غیر از عناصر مشترک دو مجموعه.
X={1,2,3,4,5}
Y={4,5,6,7,8}
print(X^Y)
خروجی: {1,2,3,6,7,8}
@Novel_Python
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💥Novel Channels:
⚡️Optimization:@NovelOptimization
⚡️Python:@Novel_Python
⚡️DataScience:@Novel_Data
🤓عملگرهای مجموعه ای در پایتون:
عملگر اجتماع: |
عملگر اشتراک: &
عملگر تفاضل: -
عملگر تفاضل متقارن: ^
🤓اجتماع مجموعه ها
شامل اعضای هر دو مجموعه است.
A={1,3,5,7,9,2}
B={2,4,6,8,10}
print(A|B)
خروجی: {1,2,3,4,5,6,7,8,9,10}
🤓اشتراک دو مجموعه
شامل اعضای هر دو مجموعه است.
A={"a","b","c"}
B={"c","d","e"}
print(A&B)
خروجی: {c}
🤓تفاضل دو مجموعه:
A={1,3,5,7}
B={3,4,6,8}
print(A-B)
خروجی: {1,3,4,5,6,7,8}
🤓تفاضل متقارن:
مجموعه ای جدید شامل اعضای دو مجموعه به غیر از عناصر مشترک دو مجموعه.
X={1,2,3,4,5}
Y={4,5,6,7,8}
print(X^Y)
خروجی: {1,2,3,6,7,8}
@Novel_Python
➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖➖
💥Novel Channels:
⚡️Optimization:@NovelOptimization
⚡️Python:@Novel_Python
⚡️DataScience:@Novel_Data
❤1👍1