🧬 محاسبه GC Content با پایتون 🐍

یکی از تحلیل‌های پایه‌ای در بیوانفورماتیک و ژنتیک مولکولی، محاسبه‌ی درصد G و C توی یک توالی DNA هست.
به این می‌گن GC Content و کاربردهای زیادی داره:

🔹 بررسی پایداری توالی DNA
🔹 طراحی پرایمر در PCR
🔹 تحلیل ژنوم‌ها و مقایسه گونه‌ها

با چند خط کد پایتون می‌تونی خیلی سریع GC Content هر توالی رو حساب کنی!

# 🔹 محاسبه GC Content در یک توالی DNA 🔹

def gc_content(dna):
    g = dna.count("G")
    c = dna.count("C")
    gc = ((g + c) / len(dna)) * 100
    return round(gc, 2)

dna_seq = "ATGCGTATCGGATC"
print(f"GC Content: {gc_content(dna_seq)}%")
# خروجی: GC Content: 53.33%

#bioinformatic #python
💻@voidcompile

🌀 ماشینِ خیالی؛ شکستن قوانین کدنویسی!

🔹 تصور کن یه دستگاه فرضی وجود داشته باشه که بتونه قوانین علوم کامپیوتر رو زیر پا بذاره.
🔹 مثلا ماشینی که مرتب‌سازی (Sorting) رو به جای O(n log n)، توی زمان O(1) انجام بده! 😳
🔹 یا الگوریتمی که محدودیت‌های حافظه و سرعت رو کاملاً نادیده بگیره و جواب رو مثل جادو روی صفحه بریزه.

🛠 این ایده‌ها بیشتر شبیه طراحی‌های ذهنی لئوناردو داوینچی هستن؛ ترکیبی از تخیل، ریاضیات و کدنویسی.
🌌 شاید هیچ‌وقت چنین ماشینی واقعی نشه، اما همین بازی با مرزهای محاسبات باعث میشه دیدمون نسبت به ساختار الگوریتم‌ها عمیق‌تر بشه.

#mpossibleMachine
#Algorithm
💻@voidcompile

🔑 ساخت پسورد فوق‌امن با پایتون 🐍
این کد یه رمز کاملاً رندوم و غیرقابل حدس می‌سازه که حتماً شامل:
✔️ یه حرف بزرگ
✔️ یه حرف کوچیک
✔️ یه عدد
✔️ یه سمبل خاص

📌 از این می‌تونی برای حساب‌های مهم یا حتی پروژه‌های امنیتی استفاده کنی.
👉 پیشنهاد: طول رو بذار 24 یا 32 تا فوق‌العاده امن بشه.

import secrets, string

def strong_password(length=16):
    if length < 4:
        raise ValueError("Password length must be at least 4")

    # گروه‌های کاراکترها
    upper = secrets.choice(string.ascii_uppercase)
    lower = secrets.choice(string.ascii_lowercase)
    digit = secrets.choice(string.digits)
    symbol = secrets.choice("!@#$%^&*_-")

    # بقیه‌ی کاراکترها رندوم
    alphabet = string.ascii_letters + string.digits + "!@#$%^&*_-"
    rest = [secrets.choice(alphabet) for _ in range(length - 4)]

    # ترکیب و شافل
    pwd_list = list(upper + lower + digit + symbol + ''.join(rest))
    secrets.SystemRandom().shuffle(pwd_list)
    return ''.join(pwd_list)

print(strong_password(16))

💻@voidcompile

🤖🧬 آینده‌ای که هوش مصنوعی و ژنتیک با هم یکی می‌شن

هوش مصنوعی داره دنیای ما رو تغییر می‌ده.
حالا تصور کن وقتی این قدرت به بیوانفورماتیک و ژنوم انسان وصل بشه چه اتفاقی میفته:

🔹 تشخیص بیماری‌ها قبل از بروز علائم
🔹 داروهای اختصاصی برای هر فرد (Personalized Medicine)
🔹 بازنویسی ژنوم برای درمان بیماری‌های ژنتیکی

📌 آینده علم جاییه که کد پایتون = کد حیات میشه.
تو آماده‌ای برای این انقلاب؟
#python #genetic
@voidcompile

🚀 ۳ فانکشن پایتون که باید بلد باشی!

1️⃣ reverse_item → معکوس رشته یا لیست
2️⃣ flatten → باز کردن لیست‌های تو در تو
3️⃣ is_palindrome → چک کردن کلمه‌های پالیندروم

🔹 این فانکشن‌ها ساده‌ان ولی توی کدنویسی روزمره خیلی به کارت میان.
📌 سیو کن، چون مطمئناً لازمت میشه!

# 1. معکوس کردن هر چیزی
def reverse_item(x): 
    return x[::-1]

# 2. فلت کردن لیست تو در تو
def flatten(lst):
    return [i for sub in lst for i in sub]

# 3. چک کردن پالیندروم
def is_palindrome(word):
    return word == word[::-1]

print(reverse_item("VoidCompile"))
print(flatten([[1,2],[3,4]]))
print(is_palindrome("radar"))

#python
💻@voidcompile

⚡️ ترفند f-string در پایتون: دیباگ و فرمت حرفه‌ای در یک خط!
با f"{var=}" می‌تونی متغیر رو همراه اسمش چاپ کنی و با فرمت‌دهی مثل :.2f و :,.2f خروجی تمیز بگیری.
برای دیباگ سریع، نمایش قیمت/ارقام مالی و گزارش‌گیری عالیه.

price, tax = 1299.9, 0.09
total = price * (1 + tax)
print(f"{price=:.2f}, {tax=:.0%}, {total=,.2f}")


# خروجی نمونه: price=1299.90, tax=9%, 1,416.89

#python
💻@voidcompile

⏳ tqdm: ساده‌ترین Progress Bar برای پایتون
با tqdm می‌تونی هر حلقه‌ای رو به نوار پیشرفت تبدیل کنی—بدون دردسر!
کاربردها: پردازش دیتا، آموزش مدل‌های ML، دانلود فایل، وب‌اسکرپینگ و…

مزیت‌ها:

اضافه‌شدن فقط با پیچیدن روی iterable

واحد و توضیح دلخواه (unit, desc)

پشتیبانی از آپدیت دستی برای طول ناشناخته


کد رو سیو کن و تو پروژه‌هات استفاده کن ✌️

# نصب (فقط یک‌بار): pip install tqdm
from tqdm import tqdm
import time

# 1) حلقه‌ی ساده
for _ in tqdm(range(100), desc="Processing"):
    time.sleep(0.01)

# 2) شمارش روی لیست با توضیح و واحد
files = ["a.csv", "b.csv", "c.csv"]
for f in tqdm(files, desc="Reading", unit="file"):
    time.sleep(0.2)

# 3) به‌روزرسانی دستی (برای طول ناشناخته)
pbar = tqdm(total=0, desc="Streaming", unit="kb")
for chunk_kb in [5, 12, 8, 20]:
    time.sleep(0.1)
    pbar.total += chunk_kb
    pbar.update(chunk_kb)
pbar.close()

@voidcompile

🚀 ترفند پایتون: Transpose در یک خط!

به جای نوشتن حلقه‌های طولانی، می‌تونی با استفاده از zip(*list) به راحتی ترنسپوز ماتریس رو بگیری.
این ترفند مخصوصاً توی دیتا ساینس، الگوریتم‌ها و کار با آرایه‌ها فوق‌العاده‌ست.

📌 یادت باشه: zip(*matrix) یعنی باز کردن لیست و ترکیب ستون‌ها → تبدیل ردیف‌ها به ستون‌ها.

# لیست دوبعدی
matrix = [
    [1, 2, 3],
    [4, 5, 6],
    [7, 8, 9]
]

# ترنسپوز در یک خط
transposed = list(zip(*matrix))
print(transposed)
# خروجی: [(1, 4, 7), (2, 5, 8), (3, 6, 9)]

#python
💻@voidcompile

🧬 DNA یا کد پایتون؟
هر دو چیزی مشترک دارن:

هر دو رشته‌ای از کاراکترها هستن.

هر دو می‌تونن اطلاعات رو ذخیره و منتقل کنن.

هر دو می‌تونن ساختارها و سیستم‌های زنده (بیولوژیکی یا دیجیتال) بسازن.


📌 حالا سوال مهم:
به نظرت آینده‌ای می‌رسه که مرز بین کدنویسی و ژن‌نویسی از بین بره؟

# DNA → کد حیات
DNA = "ATGCGTACGTAG"

# Python → کد منطقی
code = "print('Hello World')"

print("هر دو رشته‌ای از کاراکترها هستن...")

@voidcompile

از همون سلام ساده،
یه نسل از ذهن‌ها شکل گرفت،
نسلی که با کد حرف می‌زنن، با الگوریتم فکر می‌کنن،
و با داده رؤیا می‌سازن.

دنیا همیشه با یه "Hello" شروع میشه
مهم اینه تو اون سلام رو بنویسی.

#python
print("Hello, World!")

#JavaScript 
console.log("Hello, World!");

#C
#include <stdio.h>

int main(void) {
    printf("Hello, World!\n");
    return 0;
}

#Java
public class Main {
    public static void main(String[] args) {
        System.out.println("Hello, World!");
    }
}

برنامه نویسی را از همین حالا شروع کن
توی کانال کلی پست های تمرینی هست !
#java #python #c #Csharp

💻@voidcompile

نسل جدید هوش مصنوعی برای کدنویسی

امروز شرکت Anthropic از مدل جدیدش رونمایی کرد: Claude Sonnet 4.5
🔹 این مدل می‌تونه به‌صورت خودکار تا ۳۰ ساعت کد تولید کنه.
🔹 پروژه‌هایی در حد ۱۱,۰۰۰ خط کد رو مدیریت و کامل می‌کنه.
🔹 تمرکز ویژه روی عامل‌های خودران (Autonomous Agents) داره.

این یعنی چی برای ما برنامه‌نویسا؟

کارهای تکراری رو به AI می‌سپریم.

تمرکز ما روی خلاقیت و معماری میره بالا.

سرعت توسعه پروژه‌ها چند برابر میشه.


📌 اما یه سؤال بزرگ:
آیا این یعنی برنامه‌نویسا به زودی جایگزین می‌شن؟ یا این ابزار فقط دستیار ماست؟

#claude
💻@voidcompile

😎 یه انیمیشن خفن فقط با چند خط پایتون!

با همین چند خط، یه افکت Loading واقعی توی ترمینال بساز.
میتونی ازش توی پروژه‌هات، بازی‌های ترمینالی یا اسکریپت‌های CLI استفاده کنی.

📌 نکته: \r باعث میشه خروجی در همون خط به‌روزرسانی بشه.

import time, sys

animation = "|/-\\"
for i in range(30):
    sys.stdout.write("\rLoading " + animation[i % len(animation)])
    sys.stdout.flush()
    time.sleep(0.1)

print("\nDone!")

#python
💻@voidcompile

👨‍💻 خیلیا فکر می‌کنن «برنامه‌نویس بهتر شدن» یعنی یاد گرفتن زبان‌های بیشتر.
اما واقعیت؟
بیشتر شبیه یه طرز تفکره تا یه مهارت فنی.

🔹 اینا چند تا نکته‌ان که واقعاً فرقی بزرگ می‌سازن:

1️⃣ کد کمتر، فکر بیشتر.
به‌جای نوشتن ۱۰۰ خط کد، راه‌حل ۵ خطی پیدا کن.

2️⃣ بفهم چی داری می‌نویسی.
قبل از گوگل کردن، یه دقیقه فکر کن چرا ارور گرفتی.

3️⃣ مرتب بنویس.
کدی که امروز تمیز می‌نویسی، فردا نجاتت میده.

4️⃣ بفهم چرا نه فقط چطور.
زبان‌ها عوض می‌شن، ولی منطق می‌مونه.

5️⃣ به یادگیری عادت کن.
برنامه‌نویس واقعی کسیه که هیچوقت از یاد گرفتن خسته نمیشه.

📌 یادت باشه: یه برنامه‌نویس خوب کد نمی‌نویسه،
🔹 مسئله حل می‌کنه.

💻@voidcompile

Scientific Visualization با پایتون و Matplotlib

یه منبع ناب برای ساخت تصاویر علمی دقیق و جذاب.
نویسنده: Nicolas P. Rougier
چرا باید بخونی؟
• مفاهیم پایه و پیشرفته‌ی مصورسازی علمی رو به خوبی توضیح داده
• از رنگ، تایپوگرافی، طراحی شکل تا انیمیشن رو در خودش داره
• مثال‌های عملی و قابل اجرا + نکات فنی

اگر پروژه‌ای دارید که داده‌های علمی داره مثل ژنتیک، هواشناسی، زیست‌شناسی محاسباتی، فیزیک این کتاب می‌تونه راهنمایی کنه تا خروجی هات انگار از مجله علمی باشن 🔬📊

💻@voidcompile

Scientific Visualization: Python + Matplotlib

#pdf@voidcompile
#book@voidcompile

💻@voidcompile

وقتی توی کد غرق می‌شی،
زمان معناشو از دست میده.
صداها محو می‌شن، افکار آروم می‌گیرن.

فقط تو می‌مونی و یه منطق خالص که داره شکل می‌گیره.
کدنویسی، برای خیلیا شغل یا مهارته
ولی برای بعضیا، یه جور مدیتیشنه.

هر باگ، یه مانع ذهنیه.
هر حل شدنش، یه لحظه‌ی سکوت درونی.

while True:
    try:
        focus()
        build()
        learn()
    except distraction:
        breathe()
        continue

💻@voidcompile

هر قانون فیزیک،
هر تپش قلب،
هر الگوی ستاره‌ها
همه از منطقی پیروی می‌کنند.

جهان روی یک «سینتکس» اجرا می‌شود که هنوز کامل نمی‌فهمیمش.
شاید فیزیک، سورس‌کُدِ هستی باشد.

و شاید وقتی کُد می‌نویسیم،
داریم به همان زبانی حرف می‌زنیم
که واقعیت را ساخته است.

def universe():
    constants = ["gravity", "light", "time", "entropy"]
    while True:
        evolve(constants)

اگر کانال را دوست دارید ری اکشن بزنید دوستان حمایت شما دلیل ادامه دادن ما هست . به زودی خبر های خوبی تو راهه...

💻@voidcompile

کاربران فقط نتیجه رو می‌بینن.
ولی اون چیزی که واقعاً یه برنامه رو «پایدار» می‌کنه،
کدهایی‌ه که هیچ‌کس نمی‌بینه.

🧠 معماری، نظم، naming درست، تست و ساختار —
چیزایی که شاید تو خروجی نشون داده نشن،
اما ریشه‌ی کیفیت نرم‌افزار همون‌جاست.

✨ برنامه‌نویس حرفه‌ای، روی چیزایی تمرکز می‌کنه
که دیگران حتی متوجهش نمی‌شن.

# You only see this...
def start():
    print("Running smoothly!")

# But beneath it...
def structure():
    logic = "optimized"
    naming = "consistent"
    testing = "in place"
    return (logic, naming, testing)

💻@voidcompile

🚀 Top 10 فایلِ سنگین سیستم با پایتون!
با این اسکریپت، از هر مسیر دلخواه، سنگین‌ترین فایل‌ها رو پیدا کن و فضا آزاد کن.

بدون نصب کتابخونه

خروجی مرتب و خوانا (MB/GB)

مناسب ویندوز/مک/لینوکس


📌 کد رو سیو کن، آخر هفته‌ها اجراش کن و سیستم رو سبک نگه دار!

کد را در پست بعدی قرار دادم😁

@voidcompile

کد پایتونی :

# find_top_heavy_files.py
# 🔍 Top 10 largest files (recursive) with human-readable sizes
import os, heapq, argparse, math

def human_size(n: int) -> str:
    if n <= 0: return "0 B"
    units = ["B","KB","MB","GB","TB","PB"]
    idx = min(int(math.log(n, 1024)), len(units)-1)
    return f"{n / (1024**idx):.2f} {units[idx]}"

def iter_files(root: str):
    for base, _, files in os.walk(root):
        for name in files:
            path = os.path.join(base, name)
            try:
                size = os.path.getsize(path)
                yield (size, path)
            except OSError:
                continue  # دسترسی نداشتیم یا فایل قفل بود

def top_n_files(root: str, n: int = 10):
    return heapq.nlargest(n, iter_files(root), key=lambda x: x[0])

if __name__ == "__main__":
    p = argparse.ArgumentParser(denoscription="Show top N largest files recursively.")
    p.add_argument("path", nargs="?", default=".", help="Root directory (default: current)")
    p.add_argument("-n", type=int, default=10, help="How many files to show")
    args = p.parse_args()

    results = top_n_files(args.path, args.n)
    width = max((len(p) for _, pth in results for p in [pth]), default=20)

    print(f"📁 Root: {os.path.abspath(args.path)}")
    print(f"{'Size':>12}  Path")
    print("-"*12 + "  " + "-"*max(width, 40))
    for sz, pth in results:
        print(f"{human_size(sz):>12}  {pth}")

اجرا:

python find_top_heavy_files.py        # از پوشه فعلی
python find_top_heavy_files.py D:\    # مسیر دلخواه ویندوز
python find_top_heavy_files.py / -n 20  # لینوکس/مک، ۲۰ فایل

@voidcompile

الگوریتم‌ها چطور کار می‌کنند؟

def sort_thoughts(thoughts):
    return sorted(thoughts, key=lambda t: t.clarity)

الگوریتم فقط مجموعه‌ای از دستورات نیست
در واقع چارچوبی از تفکر منطقی برای حل مسئله است.

هر الگوریتم سه ویژگی بنیادین دارد:
1️⃣ ورودی مشخص – داده‌های خام یا شرایط اولیه
2️⃣ مراحل محدود و قطعی – دنباله‌ای از گام‌های دقیق
3️⃣ خروجی قابل پیش‌بینی – پاسخی که از مسیر منطق حاصل می‌شود

اما فراتر از تعریف ریاضی، الگوریتم‌ها بازتابی از ذهن انسان‌اند.
ما در زندگی روزمره هم بر اساس الگوریتم‌ها تصمیم می‌گیریم:
اولویت‌بندی، مقایسه، حذف، بهینه‌سازی.

📊 در دنیای محاسبات، الگوریتم‌ها قلب هر سیستم هوشمند هستند
از مرتب‌سازی داده تا تشخیص چهره و پیش‌بینی ژن‌های بیماری‌زا.

🔹 وقتی الگوریتم را می‌فهمی، در واقع طرز کار ذهن و طبیعت را می‌فهمی.
زیرا حتی جهان، از قوانینش تا DNA، الگوریتمی عمل می‌کند.

@voidcompile