پایتون فارسی

امروز ۶ میلیون نفر pydantic رو دانلود کردن! pydantic تبدیل به یکی از پر استفاده ترین پکیج های پایتونی شده و در حال حاضر معدود پکیج هایی فقط بالاتر از pydantic هستند مثل numpy با ۹ میلیون دانلود روزانه. این در حالیه که fastapi فقط یک میلیون دانلود داشته. این آمار و ارقام نشون میده pydantic کامل وارد اکوسیستم پایتون شده و تو انواع پروژه ها استفاده میشه‌. حتی در پروژه  های drf (django-rest-framework) هم بعضی ها به جای استفاده از از drf serializer از pydntic استفاده میکنن! حالا چرا !؟ چون سرعت خیلی بالاتری نسبت به سریالایزر drf داره مقاله های که این کار رو توضیح دادن زیادن، ولی خب اومدن یه پکیج واسطه استفاده کردن، ولی شما میتونی هم مستقیم آبجکت مدل جنگو رو با پایدانتیک سریالایز کنی. مقاله اول مقاله دوم #pydantic #Serializer #mahyar

کتابخانه pydantic یک‌همه کاره در validate!? اگر قراره یک داده رو بصورت صفر تا صد validate کنید چه از لحاظ نوع داده که عدد باشه یا رشته یا حتی لیست یا دیکشنری باشه که داخلش مجموعه ای از استرینگ ها باشه فیلد های داخل کلاس رو چک کنید مثلا پسورد و تکرار پسورد که هر کدوم ساختار خاصی داشته باشند مثل regix ها و .... حتی پارامتری که به تابع پاس داده میشه رو میتونید با دکوریتوری که در اختیار میذاره قبل از پاسخ دادن چک کنه و اگه valid بود تازه پاس بده به تابع یا حتی نوع خروجی که تابع return می‌کنه رو چک کنه و کلی امکانات دیگه یک مثال ساده ( pip install pydantic )ابتدا با دستور کتابخانه رو نصب میکنید حالا میخایم یک کلاس بسازیم که نام و شماره دانشجویی فرد رو بگیره و نوعش رو چک کنه from pydantic import BaseModel class NameValid(BaseModel): name : str number : int user1 = NameValid (name="ali" , number = 12345 ) print(user1) اگر همه چیز درست باشه دقیقا داده ها رو بهتون برمی گردونه اما اگه تایپ ها اشتباه باشه ValidationError برمی گردونه که میتونید با try و except مدیریتش کنید داده های پاس داده شده میتونند بصورت Json باشند که در وب خیلی زیاد ازشون استفاده میشه #M_Sh @persians_python

این ریپوزیتوری میتونید دریافت کنید ، و فایل ها و کد رو روی سیستم خودتون ببنید و اجرا کنید

خب بیاید با یک پروژه ساده پیش بریم دایرکتوری کاری ما به شکل زیر خواهد بود Plbenchmark-test ├── src │   └── sorting_examples.py └── test     ├── conftest.py     └── test_benchmark.p توضیحات در داخل فایل sorting_example.py سه الگوریتم مرتب سازی قرار دادیم در فایل conftest.py دو نوع داده ورودی کوچک و بزرگ برای تست‌هامون ساختیم در فایل test_benchmark.py تست‌هامون رو نوشتیم با دستور زیر گروه sort_small رو اجرا میکنیم

pytest -m sort_small -v -s 

و خروجی سه تستی که برای اون نوشتیم رو میبینیم که شامل موارد ذکر شده در پست قبلی میباشد با دستور زیر میتونیم هیستوگرام اون رو هم ببینیم

pip install pygal

pytest --benchmark-histogram -m sort-larg

هیستوگرام رو در یک تصویر در مسیر جاریتون خواهد ساخت هر تابع تست شده رو به شکل یک کندل نشون میده 

در پست قبلی گفته بودیم که این کتابخونه پیش فرض بر روی زمان اجرا تمرکز دارد با دستور زیر و احرا کردن یک قسمت خاص از کدهای تست میتونید این مورد رو مشاهده کنید

pytest --benchmark-histogram -m benchmark

خروجی تست عملکرد در خط فرمان و هیستوگرام در یک فایل تصویری بصورت کندل

و با دستور زیر در هربار اجرا میتوانید بنچمارک رو ذخیره کنید

pytest -m sort_large --benchmark-autosave

در مسیر جاری و در دایرکتوری benchmarks. این فایل‌هارو مطابق با ورژن پایتون ذخیره میکند در ابتدای هر فایل یک مقدار چهر عددی قرار میده که بعدا از این برای مقابسه دو بنچمارک باهم استفاده میکنیم

جالبه بدونید که مشخصات سخت افزار و نود ،تاریخ و ورژن ، مشخصات پردازنده بصورت و ... روکامل هم ذخیره میکنه تا در هربار بنچمارک بتونید مقایسه کاملی انجام دهید

و اخرین دستور جهت مقایسه دو مقدار بنچمارک ذخیره شده pytest-benchmark compare 0001 0002 نتایج خروجی رو در خط فرمان میتونید مشاهده کنید و اما یک سوال ایا اگر در تابع تستی نیاز به خوندن داده از کسیر خاصی یا دیتابیس خاصی باشد آیا این تایم صرف شده رو در بررسی سطح عملکر و محک تاثیر میده؟؟؟ طبق اسناد این کتابخونه خیر #monitoring #mahyar

بنچمارکینگ ( benchmark test) چیست؟؟؟ همیشه بحث بر سر کدهامون هست مدام و مدام کد میزنیم چه در قالب فردی، چه در قالب گروهی و موضوع اصلی همیشه پابرجاست کد ما چقدر خوب و سریع هستش یک کد رو از دیدگاه‌های مختلفی میشه بررسی کرد سرعت اجرایی اون در حالت‌های مختلف، محک گذاری برای یافتن تنگناها، ناکارآمدی ها و رگرسیون‌ها تست عملکرد (benchmark) شامل قراردادن کد در معرض عوامل استرس زا و سناریوهای مختلف جهت سنجش پاسخگویی، ثبات و مقیاس پذیری است از طرفی هم معیارسنجی فرآیند اندازه‌گیری زمان اجرای کد یا استفاده از منابع برای ایجاد یک خط پایه عملکرد و پیگیری تغییرات در طول زمان است در خصوص موضوع این پست pytest متحد ما خواهد بود و در کنار آن pytest benchmark همراه ما خواهد بود چرا باید کدهای خود را محک بزنیم؟؟؟ ۱-برای بهینه سازی الگوریتم‌ها و تکه‌های کد، شناسایی تنگناهای عملکرد و اعتبارسنجی پیشرفت‌ها ۲-در مقایسه نسخه‌های متفاوت کمک میکند و اطمینان حاصل میکند که نسخه‌های جدید عملکرد را حفظ یا بهبود داده ۳-به تست سازگاری سخت افزار و پلتفرم کمک میکند و اختلافات را در محیط‌های مختلف برجسته میکند ۴-در خطوط لوله یکپارچه سازی پیوسته،  محک زدن بعنوان یک سیستم هشدار اولیه عمل میکند و از رگرسیون عملکرد جلوگیری میکند(به این معنی که کد جدید بر عملکرد قبلی تاثیر منفی نمیگذارد) ۵-در نهایت کمک میکند تا با مقایسه عملکرد کتابخانه‌ها مختلف، انتخاب‌های فناوری آگاهانه داشته باشیم پیش نیازها دانش پایه‌ای از پایتون و ساختارهای داده‌(list, tuple, string) دانش پایه‌ای از pytest اندکی دانش از الگوریتم‌ها pip install pytest pip install pytest-benchmark این کتابخونه به ما امکان این رو میده که کدهامون رو تو حالت‌های مختلف و تعداد بالا محک بزنیم با استفاده از pytest گروه بندی کنیم خروجی هارو نگه داریم و هنگام توسعه خروجی‌ها رو با هم مقایسه کنه و اینکه هیستوگرام بنچمارک رو هم برامون رسم کنه به طور پیش فرض، pytest-benchmark محک گذاری مبتنی بر زمان را انجام می دهد.  زمان اجرای کد مورد آزمایش را اندازه گیری می کند و آماری در مورد زمان بندی هر اجرا ارائه می دهد. که موارد زیر رو شامل میشه Min Max Mean StdDev Median IQR Outliers OPS (Mops/s) Rounds Iterations توضیحات رو در کامنت‌ها براتون میزارم در پست بعدی یک نمونه عملی رو باهم انجام میدیم #monitoring

بنچمارکینگ ( benchmark test) چیست؟؟؟ همیشه بحث بر سر کدهامون هست مدام و مدام کد میزنیم چه در قالب فردی، چه در قالب گروهی و موضوع اصلی همیشه پابرجاست کد ما چقدر خوب و سریع هستش یک کد رو از دیدگاه‌های مختلفی میشه بررسی کرد سرعت اجرایی اون در حالت‌های مختلف، محک گذاری برای یافتن تنگناها، ناکارآمدی ها و رگرسیون‌ها تست عملکرد (benchmark) شامل قراردادن کد در معرض عوامل استرس زا و سناریوهای مختلف جهت سنجش پاسخگویی، ثبات و مقیاس پذیری است از طرفی هم معیارسنجی فرآیند اندازه‌گیری زمان اجرای کد یا استفاده از منابع برای ایجاد یک خط پایه عملکرد و پیگیری تغییرات در طول زمان است در خصوص موضوع این پست pytest متحد ما خواهد بود و در کنار آن pytest benchmark همراه ما خواهد بود چرا باید کدهای خود را محک بزنیم؟؟؟ ۱-برای بهینه سازی الگوریتم‌ها و تکه‌های کد، شناسایی تنگناهای عملکرد و اعتبارسنجی پیشرفت‌ها ۲-در مقایسه نسخه‌های متفاوت کمک میکند و اطمینان حاصل میکند که نسخه‌های جدید عملکرد را حفظ یا بهبود داده ۳-به تست سازگاری سخت افزار و پلتفرم کمک میکند و اختلافات را در محیط‌های مختلف برجسته میکند ۴-در خطوط لوله یکپارچه سازی پیوسته،  محک زدن بعنوان یک سیستم هشدار اولیه عمل میکند و از رگرسیون عملکرد جلوگیری میکند(به این معنی که کد جدید بر عملکرد قبلی تاثیر منفی نمیگذارد) ۵-در نهایت کمک میکند تا با مقایسه عملکرد کتابخانه‌ها مختلف، انتخاب‌های فناوری آگاهانه داشته باشیم این نماد بر مهمترین عوامل موثر بر زمان اجرا یا استفاده از منابع الگوریتم تمرکز میکند و جزئیات دقیق‌تر را انتزاع میکند بعنوان مثال با توجه به ورودی بزرگتر، آیا انتظار می‌رود زمان اجرا کد بصورت خطی، نمایی یا لگاریتمی مقیاس شود یا زمان اجرا مستقل از اندازه ورودی است؟یعنی صرف نظر از اینکه ورودی چقدر بزرگ است همان زمان را می‌گیرد پیش نیازها دانش پایه‌ای از پایتون و ساختارهای داده‌(list, tuple, string) دانش پایه‌ای از pytest اندکی دانش از الگوریتم‌ها pip install pytest pip install pytest-benchmark این کتابخونه به ما امکان این رو میده که کدهامون رو تو حالت‌های مختلف و تعداد بالا محک بزنیم با استفاده از pytest گروه بندی کنیم خروجی هارو نگه داریم و هنگام توسعه خروجی‌ها رو با هم مقایسه کنه و اینکه هیستوگرام بنچمارک رو هم برامون رسم کنه به طور پیش فرض، pytest-benchmark محک گذاری مبتنی بر زمان را انجام می دهد.  زمان اجرای کد مورد آزمایش را اندازه گیری می کند و آماری در مورد زمان بندی هر اجرا ارائه می دهد. که موارد زیر رو شامل میشه Min Max Mean StdDev Median IQR Outliers OPS (Mops/s) Rounds Iterations توضیحات رو در کامنت‌ها براتون میزارم در پست بعدی یک نمونه عملی رو باهم انجام میدیم #monitoring

تو دنیای برنامه نویسی یکسری قرارداد های نامگذاری وجود داره برای اینکه بتونیم کدهای خوانایی بزنیم و ازونجایی که در دنیای برنامه نویسی چیزهای زیادی مانند متغیرها، توابع، کلاس ها، متد ها و ... وجود داره توسعه دهنده ها تصمیم گرفتن تا از کیس تایپ های مختلفی استفاده کنند برای نامگذاری. اکثر ( اگر نگیم همه ) زبان های برنامه نویسی هر کلمه رو یک چیز کاملا جدا و منحصر فرد در نظر میگیرند. مثال زیر رو برای نامگذاری یک متغیر در نظر بگیرید Number of donuts = 34 سه کلمه ی (number, of, donuts) در یک زبان برنامه نویسی به صورت مستقل باهاشون رفتار میشه به علت اینکه کارکتر اسپیس بین انها قرار گرفته است. برای اینکه برنامتون به درستی کار بکنه باید کارکتر های اسپیس رو حذف بکنید و اونرو به یک استرینگ واحد به شیوه خاصی تبدیل کنید. 4 نوع تایپ کیس داریم که جلوتر بهتون توضیح میدم ولی در همین ابتدا بگم هیچ جواب قاطعی برای اینکه کدوم بهتره وجود نداره. شما باید با توجه به بست پرکتیس های زبان پروژتون انتخاب کنید که قراره از کدوم تایپ کیس استفاده کنید. —————————————————————- 1-  snake_case -  تمام حروف باید کوچک باشند. -  هر کلمه با استفاده از _ به هم وصل میشود. بیشتر در زبان پایتون این قابل مشاهده هست و در زبان هایی مثل جاوا، جاوااسکریپت کمتر دیده میشه. ● کاربرد ها : -  ساختن متغیر ها، نام متد ها -  اسامی جدول و ستون های یک دیتابیس همچنین یک ورژن دیگه از snake case  وجود داره که از حروف بزرگ استفاده میشه و معمولا در زبان های برنامه نویسی مواقعی استفاده میشه که نشان دهنده داده ای است که در طول برنامه تغییر نخواهد کرد. —————————————————————- 2- kebab-case -  تمام حروف باید کوچک باشند. -  هر کلمه با استفاده از – به هم وصل میشود. ● کاربرد ها : -  در یو ار ال ها (URLs) مشاهده میشود. —————————————————————- 3- camelCase -  حرف اول کلمه اول کوچک و حرف اول بقیه کلمات بزرگ است. ● کاربرد ها : -  در زبان های جاوا، جاوااسکریپت واسه ساخت متغیر ها و توابع و اسامی متد ها استفاده میشود —————————————————————- 4- PascalCase -  حرف اول تمام کلمات بزرگ نوشته میشود. ● کاربرد ها : -  در نامگذاری کلاس ها در اکثر زبان ها کاربرد دارد. —————————————————————- منبع حالا بنظر شما ایدی چنل ما از کدوم تایپ کیس استفاده کرده؟ #mahyar

برای آخرین مطلب راجع به نات کوین اینکه فکر کنید با کلیک کردن قراره کسی پولدار بشه یه رویای خوشایند غیرواقعی هست این شکل پروژه ها با استفاده از اهرم تعداد افراد به یه پروژه ای ارزش میدن و حالا ممکنه در آینده با ایده های پشتش بتونن این ارز رو قیمت گذاری کنند بهش به عنوان یک بازی نگاه کنید مثل کلی بازی دیگه که با بازی کردن و بازار nft میشه یه درآمد زایی انجام داد مهم ترین نکته ای که باید در نظر گرفته بشه این شکل پروژه ها و احتمالا پروژه های در آینده دارن به بزرگتر شدن شبکه تلگرام یعنی ton کمک می‌کنند ، آینده درخشانی که در انتظار تلگرام و شبکه ton بعنوان شبکه انتقال دارایی خواهد بود فرصتی که برای یک برنامه نویس بوجود اومده با درآمد زا شدن کانال های تلگرامی قطعا ساخت ربات های کاربردی می‌تونه ایده های پول سازی باشه و وقتش شده که ساخت ربات تلگرام با پایتون رو کاملا جدی بگیرید و به دنبال ایده های ناب باشید حتی در صورت قیمت گذاری نات کوین درآمدی که خواهد داشت به اندازه درآمد یک هفته یک پیک موتوری هم نخواهد بود پس تمرکز رو روی یادگیری بذارید و دنبال رویاهای محال نرید

سلام به همگی تصویر استوری مجتمع فنی رو گذاشتم دو مطلب قبل ولی دوباره اعلام میکنم طبق اعلام مجتمع فنی کلاس ها از شنبه 18 فروردین رسماً شروع میشه

❕❕بهترین کد ادیتور ها برای زبان های برنامه‌نویسی مختلف🔽 ⏩ 💻 Python : PyCharm JavaScript : Visual Studio Code Java : IntelliJ IDEA ⌨️ C++ : Visual Studio ⌨️C# : Visual Studio Swift : Xcode Go : Visual Studio Code Ruby : RubyMine ⌨️ PHP : PhpStorm TypeScript : Visual Studio Code Kotlin : IntelliJ IDEA Rust : Visual Studio Code MATLAB : MATLAB Editor SQL : SQL Server Management Studio ⌨️ HTML/CSS : Visual Studio Code R : RStudio Scala : IntelliJ IDEA Perl : Padre Shell Scripting : Visual Studio Code Lua : Visual Studio Code Objective-C : Xcode Dart : Visual Studio Code Groovy : IntelliJ Visual Basic : Visual Studio IDE Assembly : Visual Studio Code Lisp : Emacs Haskell : GHCi F# : Visual Studio Code PowerShell : PowerShell Clojure : Emacs ⏪ #SADRA_K 🐍 @persians_python

LibreTube 0.22.2 یوتیوب بدون فیلترشکن و تبلیغات بروزرسانی جدید هم اکنون در دسترس است https://libre-tube.github.io/ لیبره‌تیوب یک نرم‌افزار آزاد و اوپن سورس برای استفاده‌ از یوتیوب است که تبلیغات را به طور اتوماتیک حذف می‌کند و ویدیو‌ها را پراکسی می‌کند،‌ به همین دلیل شما دیگر احتیاجی به تماشای تبلیغات و استفاده‌ از VPN ندارید. با لیبره‌تیوب شما هیچ اتصالی به یوتیوب ندارید پس می‌توانید با خیال راحت نسبت به دنبال شدن و نقض حریم‌خصوصیتان توسط گوگل به تماشای ویدیو‌ها بپردازید. به دلیل استفاده‌ی «لیبره‌تیوب» از کدینگ ویدئویی DASH در سمت سرور، ترافیک مصرفی شما می‌تواند تا ۵۰٪ کاهش یابد. دانلود از مخزن گیت‌هاب https://github.com/libre-tube/LibreTube/releases/tag/v0.22.2 دانلود از f droid https://f-droid.org/en/packages/com.github.libretube https://apt.izzysoft.de/fdroid/index/apk/com.github.libretube @persians_python

💸درآمدزایی از کانال تلگرام فعال شد.🔈 ✅50 درصد از هزینه تبلیغات از طریق ارز دیجیتال 💎 TON به کیف پول شما واریز می‌شه. ❗️کانالتون باید بالای 1000 تا سابسکرایبر داشته باشه. 📊 برای دیدن آمار درآمدزایی تلگرامتون رو آپدیت کنید، وارد تنظیمات کانال تلگرامتون بشید، statistics رو بزنید و Monitization رو انتخاب کنید. ⚠️ظاهرا فقط کانال‌های لول پنجاه به بالا می‌تونن دریافت تبلیغ رو غیرفعال بکنن. 🌐از طریق سایت http://ads.telegram.org هر کسی می‌تونه تو کانال شما تبلیغ بکنه. 📎 اطلاعات بیشتر: https://telegram.org/blog/monetization-for-channels #SADRA_K 🐍 @persians_python

گوگل هوش مصنوعی ابداع کرده است که می تواند بیماری را با سرفه تشخیص دهد محققان یک شبکه عصبی را بر روی صداهای سرفه برای بیماری های مختلف آموزش دادند و اکنون قادر به تشخیص فوری COVID-19، سل و سایر بیماری ها هستند. این پروژه در حال حاضر در مرحله آزمایش است و برنامه‌های بیشتری برای کسب مجوز از مقامات ایالات متحده و ورود به بازار انبوه دارد.‌‌ https://cybernews.com/news/google-ai-system-cough-disease-diagnosis/ @persians_python

💻 پروژه های جنگو برای رزومه⏬ 🔴🔻فروشگاه اینترنتی 🔴💻مدیریت محتوا و بلاگ 🔴🌐شبکه اجتماعی 🔴🖥️ کاریابی 🔴📱آموزش آنلاین 🔴💸خرید بلیط و گردشگری 🔴👽پرسش و پاسخ 🔢مثل هوش مصنوعی🔢 #SADRA_K 🐍 @persians_python

اینم تمرین دیشب طراحی صفحه نات کوین صفحه پیتزا از محسن و محمد سنگ سفیدی با تمام جزییات و عالی بقیه هم سعی کنید انجام بدید تجربه خوبی میشه براتون کدش رو هم بچه ها فرستادن ولی فعلا نمی‌ذارم که بقیه شاید بخان انجام بدن بعد سیزده کدش رو هم میذارم که بررسی کنید

پروژه های مشابه نات کوین که شروع به کار کردن و بعضاً امکانات بهتری هم دارند اما فعلا نمیشه با قطعیت راجع به آینده ش صحبت کرد پروژه swap بر پایه سولانا پروژه timecoin بدون نیاز به کلیک هر روزه

پاول دورف نابغه قرن جدید !؟! تلگرام بر خلاف اکثر شبکه های اجتماعی و پیام رسان های معروف به دور از سیاسی گری متولد شد و تا به امروز به دو شعار باطنی خود که دوری از جانب گری در مسایل سیاسی و حفظ حریم خصوصی کاربران بوده عمل کرده است. به شکلی که تلگرام هم در کشورهای کمونیستی و شبه کمونیستی مثل چین روسیه و ایران فیلتر شده و هم جدیدا در دولت های غربی که در ظاهر فقط شعار آزادی و احترام به حریم شخصی کاربران می دهند. اما تیم تلگرام از روز نخست برنامه طولانی مدتی برای کار داشت که در چند ماه اخیر چندین نمونه شو نهایی کرده ، تقسیم هزینه تبلیغات با کانال های تلگرامی که گامی بسیار مثبت در زمینه تولید محتوای واقعی و با کیفیت خواهد بود . استارت نات کوین که یک ارز دیجیتال بر روی شبکه Ton است شبکه Ton بلاک چین خود تلگرام است که شما میتوانید هر ارز دیجیتالی رو با این شبکه انتقال بدهید شبیه به شبکه بیت کوین و اتریوم ، ترون و.... ساده لوحی بود که فکر کنید نات کوین فقط یک بازی ساده است و برنامه ای پشتش نیست در حال حاضر نات کوین 26 میلیون کاربر فعال دارد که قوی ترین شروع تاریخ یک ارز دیجیتال است ، قطعا تلگرام و تیم نات کوین قرار نیست ازین فرصت تاریخی به سادگی عبور کنند. در همین حین که استخراج نات کوین سه روز پایانی خود را طی می‌کند چندین پروژه دیگر شبیه به نات کوین روی بستر Ton تلگرام شروع به کار کرده اند و قطعا نمی شود بدون تحقیق نظری راجع به آنها داد . سخن پایانی اینکه در این تاریخ حاضر به نظر میرسد که تلگرام و شبکه Ton یکی از بزرگترین شبکه های انتقال دارایی دنیا در آینده خواهد بود. متن نوشته شده پیش‌نویس هست و ادیت نشده بابت مشکلات نگارشی پوزش میخواهم  در آینده سعی میکنم یک مقاله جامع و کامل تری راجع به این موضوع منتشر کنم