Pythonism

🔸Python MongoDB Insert Document🔸 در MongoDB ، اسناد (Documents) به عنوان واحدهای اصلی داده‌ها در مجموعه‌ها (Collections) استفاده میشن. برای درج یک اسناد جدید به داخل یک مجموعه در پایتون، می‌تونید از متد insert_one() یا insert_many() کتابخونه pymongo استفاده کنید. در زیر یک مثال نمونه برای افزودن یک سند جدید به مجموعه "mycollection" در دیتابیس "mydatabase" نشان داده شده است:

import pymongo

# برقراری ارتباط با سرور MongoDB
client = pymongo.MongoClient("mongodb://localhost:27017/")

# انتخاب یا ایجاد یک دیتابیس با نام "mydatabase"
db = client["mydatabase"]

# انتخاب مجموعه "mycollection"
collection = db["mycollection"]

# ایجاد یک داکیومنت جدید برای افزودن
new_document = {
    "name": "Alice",
    "age": 30,
    "city": "New York"
}

# درج یک سند جدید به مجموعه
insert_result = collection.insert_one(new_document)

# چاپ کردن شناسه مربوط به سند جدید
print("Inserted document id:", insert_result.inserted_id)

در این مثال، ابتدا یک اتصال به دیتابیس "mydatabase" برقرار می‌کنم و سپس مجموعه "mycollection" را انتخاب می‌کنم. سپس یک داکیومنت جدید با اطلاعات فردی به نام "Alice" ایجاد می‌کنم و با استفاده از insert_one() اونو به مجموعه اضافه می‌کنم. سپس شناسه مربوط به سند جدید که به صورت شده درج شده، چاپ میشه. برای افزودن چندین سند به مجموعه، می‌تونید از insert_many() استفاده کنید و یک لیست از داکیومنت‌ها رو به عنوان ورودی به آن ارسال کنید. #FXL #MonogDB #Document

🔹Python MongoDB Create Collection🔹 برای ایجاد یک مجموعه (Collection) در پایگاه داده MongoDB با استفاده از پایتون، ابتدا باید به یک دیتابیس متصل بشید و سپس یک مجموعه جدید ایجاد کنید. در زیر یک مثال نمایش داده شده که نشون میده چگونه یک مجموعه به نام "mycollection" در دیتابیس "mydatabase" ساخته میشه:

import pymongo

# برقراری ارتباط با سرور MongoDB
client = pymongo.MongoClient("mongodb://localhost:27017/")

# انتخاب یا ایجاد یک دیتابیس با نام "mydatabase"
db = client["mydatabase"]

# ایجاد یک مجموعه با نام "mycollection"
collection = db["mycollection"]

# لیست کل مجموعه‌های موجود در دیتابیس
print(db.list_collection_names())

# اگر مجموعه "mycollection" موجود نبود، در این مرحله ایجاد می‌شود

در این مثال، ابتدا به دیتابیس "mydatabase" متصل میشم ، سپس یک مجموعه با نام "mycollection" در اون دیتابیس ایجاد می‌کنم. با فراخوانی list_collection_names()، می‌توانید لیست تمام مجموعه‌های موجود در دیتابیس رو در سرور MongoDB چاپ کنید. قبل از اجرای کد فوق، مطمئن بشید که کتابخونه pymongo نصب شده باشه و سرور MongoDB در حال اجرا هست یا نه. #FXL #MonogDB #Collection

🔗 بهینه کردن کوئری‌های دیتابیس 📌 یکی از ویژگی‌های خیلی خاص querysetها در جنگو اینست که تنبل هستند یعنی تا زمانی که مجبور نباشند اجرا نخواهند شد. پس فقط نوشتن یک queryset باعث نمیشود که جنگو به دیتابیس وصل شده و عملیات را انجام دهد. فقط در زمانی که واقعا از queryset‌ها استفاده میکنیم، اجرا خواهند شد. این به شما اجازه میدهد تا جایی که بخواهید querysetهای پیچیده و موثر بسازید. کد زیر یک نمونه بسیار بد از خواندن اطلاعات است. در کد زیر برای گرفتن اطلاعات مربوط به Alice و Bob دو بار به دیتابیس وصل میشویم:

bobs = Employee.objects.filter(first_name=”Bob”) alices = Employee.objects.filter(first_name=”Alice”)

اما به جای کد بالا میتوانیم به شکل زیر کار کنیم:

employees = Employee.objects.filter(first_name__in=[“Bob”, “Alice”]) bobs = employees.filter(first_name=”Bob”) alices = employees.filter(first_name=”Alice”)

در مثال دوم، ما یکبار به دیتابیس وصل شده و اطلاعات Bob و Alice را همزمان میگیریم. سپس به صورت جداگانه از employees اطلاعات را فیلتر میکنیم. در این حالت فقط یکبار به دیتابیس وصل میشویم. این مثال شاید ساده بنظر برسد اما در فشار کاری سنگین و در زمانی که هزاران کاربر همزمان کار میکنند، تفاوت فاحشی ایجاد میکند. #Sh اگه مطلب بالا براتون جذاب بود میتونید ادامشو از لینک زیر بخونید: 👇🏿 https://www.mongard.ir/articles/136/optimizing-django-apps/

پراکندگی موقعیت شغلی بک اند پایتون هر چی تیره تر یعنی بیشتره منبع: https://workhunty.com/job-blog/where-is-the-best-place-to-be-a-programmer/Django/ #python @Syntax_fa

* نحوه ی وارد نمودن یک دیتاست با فرمت CSV در ژوپیتر نوت بوک: ۱) نصب کتابخانه pandas: اگر هنوز pandas را نصب نکرده‌اید، می‌توانید با استفاده از pip آن را نصب کنید:

pip install pandas

۲) خواندن فایل CSV: با استفاده از تابع read_csv در pandas، می‌توانید دیتاست CSV خود را وارد کنید. مسیر فایل CSV خود را به عنوان آرگومان وارد کنید. اگر فایل CSV در همان دایرکتوری نوت بوک شما قرار دارد، می‌توانید فقط نام فایل را وارد کنید:

import pandas as pd df = pd.read_csv('path_to_your_csv_file.csv')

۳) نمایش داده‌ها: برای دیدن چند ردیف اول دیتاست، می‌توانید از دستور head استفاده کنید:

print(df.head())

این کد دیتاست CSV را درون یک DataFrame در pandas بارگذاری می‌کند، که سپس می‌توانید برای تحلیل یا دستکاری داده‌ها در Jupyter Notebook خود از آن استفاده کنید. مطمئن شوید که مسیر فایل را مطابق با مکان فایل CSV خود تنظیم کنید. #Sofiamoj

نصب pandas: اگر هنوز کتابخانه pandas را نصب نکرده‌اید، می‌توانید با استفاده از pip آن را نصب کنید: Python !pip install pandas AI-generated code. Review and use carefully. More info on FAQ. نصب openpyxl: برای خواندن فایل‌های .xlsx، نیاز است تا openpyxl را به عنوان موتور برای خواندن فایل‌های اکسل با pandas نصب کنید. آن را با دستور زیر نصب کنید: Python !pip install openpyxl AI-generated code. Review and use carefully. More info on FAQ. وارد کردن فایل اکسل: حالا، می‌توانید از متد read_excel در pandas برای بارگذاری داده‌هایتان استفاده کنید. 'path_to_your_excel_file.xlsx' را با مسیر دقیق فایل اکسل خود جایگزین کنید: Python import pandas as pd # بارگذاری داده‌ها درون یک DataFrame در pandas excel_data = pd.read_excel('path_to_your_excel_file.xlsx', engine='openpyxl') # نمایش چند ردیف اول از DataFrame print(excel_data.head()) AI-generated code. Review and use carefully. More info on FAQ. این کد فایل اکسل را درون یک DataFrame در pandas بارگذاری می‌کند، که سپس می‌توانید برای تحلیل یا دستکاری داده‌ها در Jupyter Notebook خود از آن استفاده کنید. مطمئن شوید که مسیر فایل را مطابق با مکان فایل اکسل خود تنظیم کنید

یک مثال ساده از استفاده از ارایه در پایتون برای ذخیره چند عنصر مرتبط می‌باشد:

# تعریف یک ارایه شامل اعداد فرد از 1 تا 10
numbers = [1, 3, 5, 7, 9]

# چاپ کردن اعداد از ارایه
for number in numbers:
    print(number)

در این مثال، من یک ارایه با نام numbers تعریف کردم که شامل اعداد فرد از ۱ تا ۱۰ هستش. سپس با استفاده از حلقه for، هر عدد موجود در ارایه رو چاپ کردم. با استفاده از این ساختار داده‌ای انعطاف‌پذیر، می‌تونید مقادیر مختلف رو در یک متغیر انبار کرده و به اونها به راحتی دسترسی پیدا کنید. #FXL

کاربرد و دلیل استفاده از آرایه ها در پایتون : استفاده از ارایه‌ها در پایتون بسیار مفید هستش! ارایه‌ها در پایتون به عنوان یک ساختار داده از نوع دنباله‌ای استفاده میشن که اجازه میدن تا یک مجموعه از مقادیر رو در یک متغیر ذخیره کنیم. این مجموعه مقادیر می‌تونه اعداد، رشته‌ها، شی‌ها یا هر نوع داده دیگه ای باشه. دلایل استفاده از ارایه‌ها عبارتند از: 1. ذخیره سازی داده‌ها: می‌تونید یک مجموعه از داده‌ها رو در یک متغیر نگه دارید. 2. دسترسی به عناصر: به سادگی می‌تونید به هر عنصر درون ارایه با استفاده از اندیس آن دسترسی پیدا کنید. 3. تغییر دادن عناصر: می‌تونید مقادیر موجود در ارایه را تغییر دهید. 4. حلقه‌ها و تکرار: برای تکرار کردن عناصر یک ارایه، می‌توان از حلقه‌ها استفاده کرد. 5. عملیات ماتریسی: می‌تونید ماتریس‌ها و محاسبات ماتریسی رو با استفاده از کتابخانه NumPy که ساختار داده نظیر ارایه‌ها رو پیشرفته سازی کرده، انجام بدین. پس استفاده از ارایه‌ها یکی از مهمترین و مفیدترین ویژگی‌های زبان برنامه‌نویسی پایتون هست! 🚀 #FXL

امروز پایتونیزم خوشحاله که 2500+ شده و 2.5k رو رد کردیم :) هم از بچه ها تشکر میکنم هم از شما عزیزان که مارو یاری کردید و ما تو مدت خیلی کوتاه و بدون حمایت های مالی و.... تونستیم به این عدد برسیم. و تک به تک پستا که ویو میخوره، شیر میشه و ریکشن میخوره ما عشق میکنیم :) از بچه های پایتونیزم هم تشکر میکنم که کنارم بودن و کمکم کردن لینکدیناشونو میزارم این پایین فالوشون کنید اونام عشق کنن :) SXL : https://www.linkedin.com/in/amirakbarisxl-py FXL : https://www.linkedin.com/in/fatteme-mottaki-792572300 SH : https://www.linkedin.com/in/shimafal Sofiamoj: https://www.linkedin.com/in/sofia-mojahed-03ba81114 پ. ن: بچه ها فعالیت توی #لینکتین رو هم خیلی جدی بگیرید هم برای موقیعت شغلی هم برای کانکشن و ارتباطات خیلی خوبه برای شخص خودم فوق‌العاده مفید بوده و موقعیت‌های زیادی رو گرفتم :) دوستون داریم 🍾💋❤️ #SXL #پایتونیزم @pythonism_xl

یه بازی دوز زدم رو پایتون دونفره هست دوتا یوزر تحت عنوان X و Y زدم که میتونی باهم بزنید. سکشن/بورد دوز 9 تا جایگاه داره از سمت راست شروع میشه یک کاربر و و یک کار بر X هست. چیز خاصی هم استفاده نشده صرفا چندتا شرط و تابع استفاده شده :)) https://github.com/AmirakbariSXL/TacTicToe #SXL #Tactictoe @pythonism_xl

-حالا FXL جان شما توضیح بده فیلد چی هست اصلا؟! + در MongoDB، فیلد (Field) به معنای یک قسمت یا ویژگی از یک اسناد (Document) در یک کالکشن (Collection) هست. هر اسناد در MongoDB شامل یک یا چند فیلد هستش که اطلاعات مربوط به اون اسناد رو نگهداری می‌کنه. هر فیلد دارای یک نام منحصر به فرد هست و به همراه یک مقدار ذخیره میشه. فیلدها می‌تونن داده‌های مختلفی نظیر رشته (String) عدد (Number) آرایه (Array) مجموعه مقادیر کلیدی (Key-Value Pair) مجموعه مقادیر مرتب (Ordered Set) و غیره رو نگهداری کنند. به عنوان مثال : فرض کنید یک اسناد کاربر رو در یک کالکشن users داریم. هر اسناد این کالکشن میتونه شامل فیلدهایی نظیر name (نام) ، age (سن)،email (ایمیل) و غیره باشه. در این مثال name، age و email، هر کدوم از اونها یک فیلد هستند. در MongoDB، فیلدها به شما اجازه میدن تا اطلاعات مرتبط، مرتب و قابل جستجو رو ذخیره و بازیابی کنید. استفاده از فیلدها، امکان پرس و جو فراوانی رو برای کار با داده‌های شما در MongoDB فراهم می‌کنه. 👩🏻‍💻📂💡 #FXL #Field #MongoDB #Document

در زبان برنامه‌نویسی پایتون، کلمه‌ی «Query» عموما به عنوان یک درخواست برای جستجو، استعلام محتوا یا دسترسی به داده‌ها استفاده میشه. این درخواست‌ها معمولا بر روی پایگاه‌داده‌ها (مانند SQL query بر روی پایگاه داده SQL) یا اشیاء دیگری مثل لیست‌ها یا دیکشنری‌ها (برای جستجو در داده‌های ذخیره شده) انجام میشن.🦦🔍 #FXL

🔶🔹Python MongoDB Query🔹🔶 پایتون به راحتی میتونه با پایگاه داده MongoDB ارتباط برقرار کنه و داده‌ها رو جستجو و به دست بیاره. برای این کار، باید از کتابخونه pymongo که برای کار با MongoDB در Python استفاده میشه استفاده کنید. برای انجام یک Query ساده در MongoDB با استفاده از pymongo در Python، می‌تونید به این صورت عمل کنید:

import pymongo

# اتصال به MongoDB
client = pymongo.MongoClient("mongodb://localhost:27017/")  # اگر MongoDB بر روی همان سیستم localhost شما در پورت 27017 در حال اجرا است

# انتخاب یک دیتابیس
db = client["mydatabase"]

# انتخاب یک کالکشن (معادل جدول در MongoDB)
collection = db["mycollection"]

# تعریف Query. به عنوان مثال: یافتن همه اسنادی که فیلد "name" آنها برابر با "Alice" است
query = {"name": "Alice"}

# اجرای Query و گرفتن نتیجه
result = collection.find(query)

# نمایش نتیجه
for doc in result:
    print(doc)

در اینجا، یک اتصال به MongoDB برقرار شده و سپس یک Query برای جستجوی اسنادی با فیلد "name" مقدار "Alice" تعریف شده و اجرا میشه. البته قبل از اجرای این کد، اطمینان حاصل کنید که MongoDB در حال اجراست و اطلاعات مربوطه در دیتابیس و کالکشن مورد نظر شما وجود داره. #FXL

🔶🔹Python MongoDB Query🔹🔶 پایتون به راحتی میتونه با پایگاه داده MongoDB ارتباط برقرار کنه و داده‌ها رو جستجو و به دست بیاره. برای این کار، باید از کتابخونه pymongo که برای کار با MongoDB در Python استفاده میشه استفاده کنید. برای انجام یک Query ساده در MongoDB با استفاده از pymongo در Python، می‌تونید به این صورت عمل کنید: import pymongo # اتصال به MongoDB client = pymongo.MongoClient("mongodb://localhost:27017/") # اگر MongoDB بر روی همان سیستم localhost شما در پورت 27017 در حال اجرا است # انتخاب یک دیتابیس db = client["mydatabase"] # انتخاب یک کالکشن (معادل جدول در MongoDB) collection = db["mycollection"] # تعریف Query. به عنوان مثال: یافتن همه اسنادی که فیلد "name" آنها برابر با "Alice" است query = {"name": "Alice"} # اجرای Query و گرفتن نتیجه result = collection.find(query) # نمایش نتیجه for doc in result: print(doc) در اینجا، یک اتصال به MongoDB برقرار شده و سپس یک Query برای جستجوی اسنادی با فیلد "name" مقدار "Alice" تعریف شده و اجرا میشه. البته قبل از اجرای این کد، اطمینان حاصل کنید که MongoDB در حال اجراست و اطلاعات مربوطه در دیتابیس و کالکشن مورد نظر شما وجود داره. #FXL

یه موردی که خیلی دارم اینور اونور میبینم تو حوزه برنامه نویسی اینه که ورودی های جدید به این حوزه همیشه علاقه دارن آموزش های پراکنده و از اساتید و منابع مختلف یادبگیرن چون دیدگاهشون اینه که اینجوری هم بیشتر یادمیگیرن هم اطلاعات زیادی به دست میارن. توی بحث آموزش تو هررشته ای که میخواد باشه یادگیری یک منبع بصورت دقیق و خوب درحدی که مسلط باشید رو اون آموزش خیلی مفید تر از مشاهده و مطالعه چندین منبع هست. هیچ شخصی با ویدئو و فیلم و کتاب و این چیزا برنامه نویس نمیشه تا وقتی شما خطا نکردید پروژه ران نکردید باگ رفع نکردید تمرین نکردید تکرار مستمر نداشتید نمی‌تونید دست به کد بشید. چندین نکته رو دوس دارم همیشه بچه های جدید رعایت کنن یکی اینه که مطالعه بیشتر کنن حتما کتاب و اینا بخونن تئوریشونم درکنار عملی بیارن بالا دوم اینه که کد بقیه رو مطالعه کنن گیت هاب رو مثل اینستاگرام بدونن و توش بچرخن فقط محیط های محیط های دیگه مثل کگل و این چیزام مطالعه کنن دلیل اینکه تاکید دارم روی مطالعه اینه که واقعا خیلی تاثیر داره روی علم شما. تو بحث آموزش هم سراغ هرکس و ناکسی نرید هر آموزشی رو نبینید آموزش خوب خودش مشخصه. #SXL @pythonism_xl

یه موردی که خیلی دارم اینور اونور میبینم تو حوزه برنامه نویسی اینه که ورودی های جدید به این حوزه همیشه علاقه دارن آموزش های پراکنده و از اساتید و منابع مختلف یادبگیرن چون دیدگاهشون اینه که اینجوری هم بیشتر یادمیگیرن هم اطلاعات زیادی به دست میارن. توی بحث آموزش تو هررشته ای که میخواد باشه یادگیری یک منبع بصورت دقیق و خوب درحدی که مسلط باشید رو اون آموزش خیلی مفید تر از مشاهده و مطالعه چندین منبع هست. هیچ شخصی با ویدئو و فیلم و کتاب و این چیزا برنامه نویس نمیشه تا وقتی شما خطا نکردید

یه پروژه جنگویی و drf از گیت هاب یکی از دوستان دیدم خوب بود اونایی که دارن تو حوزه بکند کار میکنن یا میخوان شروع کنن مطالعه کنن https://github.com/alireza-fa/blog-fa #SXL @pythonism_xl