ar
Feedback

لا تقع ضحية للمخادعين! تيليمتريو يكتشف ويُميّز هذه القنوات 👉 إذا كنت تريد رؤية العلامة، اشترك

python_developer

python_developer

الذهاب إلى القناة على Telegram

کانال اموزش پایتون @Real_developer تبلیغات پذیرفته میشود.

إظهار المزيد
1 518
المشتركون
-224 ساعات
-57 أيام
-630 أيام
أرشيف المشاركات
با تشکر از دوستان یک نفر باقی مانده از کلاس ما با تخفیف ویژه ثبت نام می شود. اولویت با کسانی که زودتر پیغام میدهند.

بررسي ماهيت متغيرها و اصول نام گذاري آن

modules

با تشکر از دوستان فقط یک نفر از ظرفیت کلاس پیشرفته باقی مانده است.🌹

decorotors

روش دوم: دریافت نزدیک‌ترین مورد مطابقت روش کار این متد چنین است که پارامتر نخست به عنوان کلمه‌ای است که می‌خواهیم مطابق آن را بیابیم و پارامتر دوم فهرست کلماتی است که مطابقت داشته‌اند. پارامتر سوم تعداد موارد مطابقتی را شامل می‌شود که می‌خواهید در خروجی خود داشته باشید. پارامتر آخر نیز یک معیار است که به صورت عددی نسبی، مانند متد قبلی عمل می‌کند. بدین ترتیب می‌توانیم مثلاً یک معیار به صورت 99% تعیین کنیم که صرفاً کلماتی که این معیار را دارند بازگشت یابند. بر حسب نیاز خود یک معیار برای این پارامتر تعیین کنید.نزدیک‌ترین کلمه در میان آن سه کلمه، عبارت «rainy» است. اگر به این مرحله رسیده‌اید، باید بدانید که اینک بخش دشوار کار را به انجام رسانده‌اید. در ادامه کافی است این بخش را در کد خود قرار دهیم تا بتوانیم خروجی‌های مربوطه را داشته باشیم.

بررسي superدر وراثت

دوره پنجم پایتون پیشرفته با تخفیف ویژه برای ثبت نام پیغام دهید.@Real_developer
دوره پنجم پایتون پیشرفته با تخفیف ویژه برای ثبت نام پیغام دهید.@Real_developer

بررسي متد هاي mul-add-len

filter map reduce

روش اول: Sequence Matcher برای درک این متد، ابتدا باید کتابخانه را ایمپورت کنیم و متد مورد نظر را از آن واکشی کنیم. تابع ()SequenceMatcher کلاً سه پارامتر می‌گیرد. پارامتر اول به بررسی صحت کلمه می‌پردازد، یعنی آیا کاراکتر فاصله یا خطوط خالی دارد یا نه، که در مورد ما چنین چیزی وجود ندارد. پارامترهای دوم و سوم، دو کلمه‌ای هستند که می‌خواهید مشابهت‌های آن‌ها را بیابید. این متد نتیجه را به صورت یک عدد کسری ارائه می‌کند.

بررسي وراثت چند گانه و مفهوم mro

نزدیک‌ترین مطابقت اکنون در مواردی که کاربر هنگام وارد کردن کلمه مورد نظر خود اشتباه املایی دارد، می خواهیم نزدیک‌ترین کلمه مطابق را به او پیشنهاد دهیم و بپرسیم آیا معنای این کلمه را می‌خواهد یا نه. این کار در پایتون با استفاده از کتابخانه difflib ممکن است. دو متد برای انجام این کار وجود دارد. ما هر دو را معرفی می‌کنیم و سپس آن را که کارایی بیشتری دارد انتخاب می‌کنیم. روش اول: Sequence Matcher روش دوم: دریافت نزدیک‌ترین مورد مطابقت

بررسی کلمات ناموجود ما می‌توانیم با بهره‌گیری از یک ساختار if-else به بررسی وضعیت وجود یا عدم وجود کلمات در میان داده‌های خود بپردازیم. اگر کلمه‌ای در میان داده‌ها موجود نباشد، این امر را به کاربر اطلاع می‌دهیم. در این مورد این کار با نمایش پیام «The word doesn’t exist, please double check it» صورت می‌گیرد.

recusion

بررسی کلمات ناموجود ما می‌توانیم با بهره‌گیری از یک ساختار if-else به بررسی وضعیت وجود یا عدم وجود کلمات در میان داده‌های خود بپردازیم. اگر کلمه‌ای در میان داده‌ها موجود نباشد، این امر را به کاربر اطلاع می‌دهیم. در این مورد این کار با نمایش پیام «The word doesn’t exist, please double check it» صورت می‌گیرد.

پايتون را ساده بيا موزيد

anoymous functions

یک نفر از ظرفیت کلاس باقی مانده اولویت با کسی که زودتر پیغام میدهد

JSON چیست؟ JSON اختصاری برای عبارت «نمادگذاری شیء جاوا اسکریپت» (JavaScript Object Notation) به طور عمده شامل دو بخش کلید و مقدار است که یک مقدار را به یک کلید انتساب می‌دهد. اینک نوبت به بررسی کد رسیده است. ابتدا کتابخانه JSON را ایمپورت می‌کنیم و سپس از متد load این کتابخانه برای بارگذاری داده‌هایی که در قالب JSON هستند استفاده خواهیم کرد. نکته مهم آن است که ما داده‌ها را در قالب JSON بارگذاری می‌کنیم؛ اما این داده‌ها در متغیر data در قالب «دیکشنری» پایتون ذخیره می‌شوند. اگر در مورد نوع داده دیکشنری در پایتون اطلاع ندارید، باید بگوییم که این نوع داده یک قالب برای ذخیره‌سازی داده‌ها است که شباهت زیادی به قالب JSON دارد و از همان حالت «کلید-مقدار» (key-value) پیروی می‌کند. به محض این که داده‌ها در پایتون بارگذاری شدند، یک تابع می‌نویسیم که کلمه را بگیرد و به دنبال تعریف آن در داده‌ها بگردد.