“`html

راهنمای تقلب پایتون: مرور سریع تمام بخش‌های کلیدی

پایتون، زبانی قدرتمند و چند منظوره، به انتخابی محبوب برای توسعه‌دهندگان در سراسر جهان تبدیل شده است. از توسعه وب و علم داده گرفته تا یادگیری ماشین و اتوماسیون، پایتون ابزارهای لازم برای حل طیف گسترده‌ای از مشکلات را فراهم می‌کند. این راهنمای تقلب پایتون به عنوان یک مرجع سریع و جامع برای متخصصان طراحی شده است، و به شما کمک می‌کند تا سینتکس، توابع کلیدی، کتابخانه‌های ضروری، و بهترین شیوه‌های پایتون را به سرعت مرور کرده و در پروژه‌های خود به کار ببرید.

1. مبانی سینتکس پایتون

سینتکس پایتون به دلیل خوانایی بالا مشهور است. درک اصول اولیه برای نوشتن کد موثر و قابل نگهداری ضروری است.

1.1. متغیرها و انواع داده

در پایتون، متغیرها برای ذخیره مقادیر استفاده می‌شوند. پایتون یک زبان “به صورت پویا تایپ شده” است، به این معنی که نیازی به تعریف صریح نوع متغیر نیست. پایتون به طور خودکار نوع متغیر را بر اساس مقدار اختصاص داده شده تعیین می‌کند. انواع داده اصلی شامل:

• اعداد: شامل اعداد صحیح (int)، اعداد اعشاری (float)، و اعداد مختلط (complex).
• رشته‌ها: دنباله‌ای از کاراکترها (str). می‌توان با استفاده از علامت‌های نقل قول تکی (') یا دوتایی (") تعریف کرد.
• لیست‌ها: مجموعه‌ای مرتب و قابل تغییر از عناصر (list).
• تاپل‌ها: مجموعه‌ای مرتب و غیر قابل تغییر از عناصر (tuple).
• دیکشنری‌ها: مجموعه‌ای از جفت‌های کلید-مقدار (dict).
• مجموعه‌ها: مجموعه‌ای نامرتب از عناصر منحصر به فرد (set).
• بولین‌ها: مقادیر True یا False (bool).

# مثال‌هایی از انواع داده
x = 5  # عدد صحیح
y = 3.14  # عدد اعشاری
name = "John Doe"  # رشته
numbers = [1, 2, 3, 4, 5]  # لیست
coordinates = (10, 20)  # تاپل
person = {"name": "Jane", "age": 30}  # دیکشنری
unique_numbers = {1, 2, 3, 4, 5}  # مجموعه
is_active = True  # بولین

1.2. عملگرها

پایتون عملگرهای مختلفی را برای انجام محاسبات و مقایسه‌ها ارائه می‌دهد، از جمله:

• عملگرهای حسابی: + (جمع)، - (تفریق)، * (ضرب)، / (تقسیم)، // (تقسیم صحیح)، % (باقی‌مانده)، ** (توان).
• عملگرهای مقایسه‌ای: == (مساوی)، != (نامساوی)، > (بزرگتر از)، < (کوچکتر از)، >= (بزرگتر یا مساوی)، <= (کوچکتر یا مساوی).
• عملگرهای منطقی: and (و)، or (یا)، not (نقیض).
• عملگرهای تخصیص: = (تخصیص)، += (جمع و تخصیص)، -= (تفریق و تخصیص)، و غیره.
• عملگرهای عضویت: in (عضو است)، not in (عضو نیست).
• عملگرهای هویت: is (همان شیء است)، is not (همان شیء نیست).

# مثال‌هایی از عملگرها
a = 10
b = 5

print(a + b)  # جمع: 15
print(a * b)  # ضرب: 50
print(a > b)  # بزرگتر از: True
print(a == b) # مساوی: False
print(a % b)  # باقیمانده: 0

names = ["Alice", "Bob", "Charlie"]
print("Alice" in names)  # True
print("David" not in names) # True

1.3. ساختارهای کنترلی

ساختارهای کنترلی به شما امکان می‌دهند جریان اجرای کد را کنترل کنید:

• if، elif، else: اجرای شرطی کد بر اساس یک یا چند شرط.
• for: تکرار روی یک دنباله (لیست، تاپل، رشته، و غیره).
• while: تکرار یک بلوک کد تا زمانی که شرطی درست باشد.
• break: خروج از حلقه.
• continue: پرش به تکرار بعدی حلقه.
• pass: انجام هیچ کاری. اغلب به عنوان نگهدارنده مکان استفاده می‌شود.

# مثال‌هایی از ساختارهای کنترلی
age = 20

if age >= 18:
    print("You are an adult.")
else:
    print("You are a minor.")

numbers = [1, 2, 3, 4, 5]
for number in numbers:
    print(number)

i = 0
while i < 5:
    print(i)
    i += 1

for i in range(10):
    if i == 5:
        break  # خروج از حلقه زمانی که i برابر 5 است
    print(i)

2. توابع در پایتون

توابع بلوک‌های قابل استفاده مجدد از کد هستند که وظایف خاصی را انجام می‌دهند. آنها به سازماندهی کد، بهبود خوانایی، و کاهش افزونگی کمک می‌کنند.

2.1. تعریف توابع

توابع با استفاده از کلمه کلیدی def تعریف می‌شوند. آنها می‌توانند پارامترهایی را به عنوان ورودی دریافت کنند و مقداری را برگردانند.

def greet(name):
    """این تابع یک پیام خوشامدگویی چاپ می‌کند."""
    print(f"Hello, {name}!")

# فراخوانی تابع
greet("Alice")

2.2. آرگومان‌ها و پارامترها

هنگام تعریف یک تابع، شما پارامترها را مشخص می‌کنید. هنگام فراخوانی تابع، آرگومان‌ها را به آن ارسال می‌کنید.

• آرگومان‌های موقعیتی: آرگومان‌ها بر اساس ترتیبشان به پارامترها اختصاص داده می‌شوند.
• آرگومان‌های کلمه کلیدی: آرگومان‌ها با استفاده از نام پارامتر به پارامترها اختصاص داده می‌شوند.
• آرگومان‌های پیش‌فرض: پارامترها می‌توانند مقادیر پیش‌فرض داشته باشند.
• *args و **kwargs: برای ارسال تعداد متغیر آرگومان‌های موقعیتی و کلمه کلیدی به ترتیب استفاده می‌شوند.

def describe_person(name, age, city="Unknown"):
    """این تابع اطلاعات یک شخص را چاپ می‌کند."""
    print(f"Name: {name}, Age: {age}, City: {city}")

# فراخوانی تابع با آرگومان‌های موقعیتی
describe_person("Bob", 25)

# فراخوانی تابع با آرگومان‌های کلمه کلیدی
describe_person(name="Charlie", age=30, city="New York")

# استفاده از *args و **kwargs
def print_arguments(*args, **kwargs):
    print("Positional arguments:", args)
    print("Keyword arguments:", kwargs)

print_arguments(1, 2, 3, name="David", age=40)

2.3. توابع Lambda

توابع lambda توابع کوچک و ناشناس هستند که می‌توانند در یک خط تعریف شوند. آنها اغلب برای عملیات ساده استفاده می‌شوند.

# تابع lambda برای مربع کردن یک عدد
square = lambda x: x ** 2

# استفاده از تابع lambda
print(square(5))  # خروجی: 25

3. ساختارهای داده پیشرفته

پایتون ساختارهای داده داخلی قدرتمندی را برای سازماندهی و مدیریت داده‌ها ارائه می‌دهد.

3.1. لیست‌ها

لیست‌ها مجموعه‌های مرتب و قابل تغییر از عناصر هستند. آنها با استفاده از براکت ([]) ایجاد می‌شوند.

• دسترسی به عناصر: با استفاده از اندیس (شروع از 0).
• برش لیست: استخراج یک زیرلیست.
• توابع لیست: append()، insert()، remove()، pop()، sort()، reverse().
• درک لیست: یک راه مختصر برای ایجاد لیست‌های جدید بر اساس لیست‌های موجود.

# ایجاد یک لیست
numbers = [1, 2, 3, 4, 5]

# دسترسی به عناصر
print(numbers[0])  # خروجی: 1
print(numbers[-1]) # خروجی: 5

# برش لیست
print(numbers[1:4]) # خروجی: [2, 3, 4]

# توابع لیست
numbers.append(6)
print(numbers)  # خروجی: [1, 2, 3, 4, 5, 6]

numbers.insert(0, 0)
print(numbers)  # خروجی: [0, 1, 2, 3, 4, 5, 6]

numbers.remove(3)
print(numbers)  # خروجی: [0, 1, 2, 4, 5, 6]

# درک لیست
squares = [x ** 2 for x in numbers]
print(squares)  # خروجی: [0, 1, 4, 16, 25, 36]

3.2. تاپل‌ها

تاپل‌ها مجموعه‌های مرتب و غیر قابل تغییر از عناصر هستند. آنها با استفاده از پرانتز (()) ایجاد می‌شوند.

• عدم تغییر: عناصر یک تاپل پس از ایجاد قابل تغییر نیستند.
• دسترسی به عناصر: با استفاده از اندیس.
• برش تاپل: استخراج یک زیرتاپل.
• مزایا: تاپل‌ها کارآمدتر از لیست‌ها هستند و می‌توانند به عنوان کلید در دیکشنری‌ها استفاده شوند.

# ایجاد یک تاپل
coordinates = (10, 20)

# دسترسی به عناصر
print(coordinates[0])  # خروجی: 10

# برش تاپل
print(coordinates[1:]) # خروجی: (20,)

# تلاش برای تغییر یک تاپل منجر به خطا می‌شود
# coordinates[0] = 5  # TypeError: 'tuple' object does not support item assignment

3.3. دیکشنری‌ها

دیکشنری‌ها مجموعه‌هایی از جفت‌های کلید-مقدار هستند. کلیدها باید منحصر به فرد و غیر قابل تغییر باشند (مانند رشته‌ها یا اعداد)، در حالی که مقادیر می‌توانند هر نوع داده‌ای باشند. دیکشنری‌ها با استفاده از براکت‌های فرفری ({}) ایجاد می‌شوند.

• دسترسی به مقادیر: با استفاده از کلید.
• اضافه کردن/تغییر جفت‌های کلید-مقدار: با استفاده از تخصیص.
• توابع دیکشنری: get()، keys()، values()، items()، pop()، update().
• درک دیکشنری: یک راه مختصر برای ایجاد دیکشنری‌های جدید بر اساس دیکشنری‌های موجود.

# ایجاد یک دیکشنری
person = {"name": "Jane", "age": 30, "city": "London"}

# دسترسی به مقادیر
print(person["name"])  # خروجی: Jane
print(person.get("age"))  # خروجی: 30

# اضافه کردن/تغییر جفت‌های کلید-مقدار
person["occupation"] = "Engineer"
print(person)  # خروجی: {'name': 'Jane', 'age': 30, 'city': 'London', 'occupation': 'Engineer'}

# توابع دیکشنری
print(person.keys())  # خروجی: dict_keys(['name', 'age', 'city', 'occupation'])
print(person.values()) # خروجی: dict_values(['Jane', 30, 'London', 'Engineer'])

# درک دیکشنری
squared_numbers = {x: x**2 for x in range(5)}
print(squared_numbers)  # خروجی: {0: 0, 1: 1, 2: 4, 3: 9, 4: 16}

3.4. مجموعه‌ها

مجموعه‌ها مجموعه‌های نامرتب از عناصر منحصر به فرد هستند. آنها برای عملیات ریاضیاتی مانند اجتماع، اشتراک، تفاضل، و تفاضل متقارن مفید هستند. مجموعه‌ها با استفاده از براکت‌های فرفری ({}) یا تابع set() ایجاد می‌شوند.

• منحصر به فرد بودن: مجموعه‌ها نمی‌توانند عناصر تکراری داشته باشند.
• توابع مجموعه: add()، remove()، discard()، union()، intersection()، difference()، symmetric_difference().

# ایجاد یک مجموعه
numbers = {1, 2, 3, 4, 5}
even_numbers = {2, 4, 6, 8}

# توابع مجموعه
numbers.add(6)
print(numbers)  # خروجی: {1, 2, 3, 4, 5, 6}

numbers.remove(3)
print(numbers)  # خروجی: {1, 2, 4, 5, 6}

print(numbers.union(even_numbers))  # خروجی: {1, 2, 4, 5, 6, 8}
print(numbers.intersection(even_numbers)) # خروجی: {2, 4}
print(numbers.difference(even_numbers))   # خروجی: {1, 5, 6}

4. مدیریت خطا و استثنائات

مدیریت خطا و استثنائات برای نوشتن کد قوی و قابل اعتماد ضروری است. پایتون مکانیزمی برای رسیدگی به استثنائات با استفاده از بلوک‌های try، except، finally ارائه می‌دهد.

try:
    # کدی که ممکن است باعث ایجاد استثناء شود
    result = 10 / 0
except ZeroDivisionError:
    # رسیدگی به استثناء ZeroDivisionError
    print("Error: Division by zero!")
except Exception as e:
    # رسیدگی به سایر استثناها
    print(f"An error occurred: {e}")
finally:
    # کدی که همیشه اجرا می‌شود، صرف نظر از اینکه استثناء رخ دهد یا خیر
    print("Finally block executed.")

• try: بلوکی از کد که در آن استثنائات ممکن است رخ دهند.
• except: بلوکی از کد که استثنائات خاصی را رسیدگی می‌کند. می‌توانید چندین بلوک except برای رسیدگی به انواع مختلف استثنائات داشته باشید.
• finally: بلوکی از کد که همیشه اجرا می‌شود، صرف نظر از اینکه استثناء رخ دهد یا خیر. برای تمیز کردن منابع استفاده می‌شود.
• raise: برای ایجاد صریح یک استثناء استفاده می‌شود.

5. کار با فایل‌ها

پایتون توابعی را برای خواندن و نوشتن فایل‌ها ارائه می‌دهد. تابع open() برای باز کردن یک فایل استفاده می‌شود، و حالت‌های مختلفی برای خواندن ("r")، نوشتن ("w")، و افزودن ("a") وجود دارد.

# باز کردن یک فایل برای خواندن
try:
    with open("my_file.txt", "r") as file:
        # خواندن محتویات فایل
        content = file.read()
        print(content)
except FileNotFoundError:
    print("File not found.")

# باز کردن یک فایل برای نوشتن
with open("my_file.txt", "w") as file:
    # نوشتن در فایل
    file.write("Hello, world!\n")
    file.write("This is a new line.")

# باز کردن یک فایل برای افزودن
with open("my_file.txt", "a") as file:
    # افزودن به فایل
    file.write("\nAdding more content.")

• open(): برای باز کردن یک فایل استفاده می‌شود.
• read(): برای خواندن کل محتویات فایل استفاده می‌شود.
• readline(): برای خواندن یک خط از فایل استفاده می‌شود.
• readlines(): برای خواندن همه خطوط فایل به صورت یک لیست استفاده می‌شود.
• write(): برای نوشتن یک رشته در فایل استفاده می‌شود.
• writelines(): برای نوشتن یک لیست از رشته‌ها در فایل استفاده می‌شود.
• close(): برای بستن فایل استفاده می‌شود (اما استفاده از with این کار را به طور خودکار انجام می‌دهد).

6. کتابخانه‌های ضروری پایتون

پایتون دارای یک اکوسیستم گسترده از کتابخانه‌ها است که قابلیت‌های زبان را گسترش می‌دهند. در اینجا چند کتابخانه ضروری وجود دارد:

• NumPy: برای محاسبات عددی و عملیات آرایه‌ای.
• Pandas: برای تجزیه و تحلیل و دستکاری داده‌ها.
• Matplotlib: برای ایجاد تجسم‌های داده.
• Scikit-learn: برای الگوریتم‌های یادگیری ماشین.
• Requests: برای انجام درخواست‌های HTTP.
• Beautiful Soup: برای خراش دادن وب.
• Flask/Django: برای توسعه وب.

# مثال استفاده از NumPy
import numpy as np

# ایجاد یک آرایه NumPy
arr = np.array([1, 2, 3, 4, 5])

# انجام عملیات ریاضی
print(arr * 2)  # خروجی: [ 2  4  6  8 10]

# مثال استفاده از Pandas
import pandas as pd

# ایجاد یک DataFrame Pandas
data = {'name': ['Alice', 'Bob', 'Charlie'], 'age': [25, 30, 35]}
df = pd.DataFrame(data)

# چاپ DataFrame
print(df)

7. بهترین شیوه‌های کدنویسی پایتون

پیروی از بهترین شیوه‌های کدنویسی می‌تواند خوانایی، قابلیت نگهداری و عملکرد کد شما را بهبود بخشد.

• PEP 8: از دستورالعمل‌های استایل پایتون برای کد تمیز و سازگار پیروی کنید.
• نام‌گذاری توصیفی: از نام‌های معنی‌دار برای متغیرها، توابع و کلاس‌ها استفاده کنید.
• کامنت‌های مستندسازی: کد خود را با کامنت‌ها و داک‌سترینگ‌ها به طور کامل مستند کنید.
• کد ماژولار: کد خود را به توابع و کلاس‌های کوچکتر و قابل استفاده مجدد تجزیه کنید.
• مدیریت استثناء: به درستی از استثنائات برای جلوگیری از خرابی‌ها و رسیدگی به خطاها استفاده کنید.
• تست: کد خود را به طور کامل با تست‌های واحد آزمایش کنید.
• کنترل نسخه: از یک سیستم کنترل نسخه (مانند Git) برای مدیریت تغییرات کد استفاده کنید.
• کد تمیز: همیشه با استایل های لینتر و فرمتر ها کد خود را تمیز نگه دارید.

این راهنمای تقلب پایتون یک نمای کلی از مفاهیم کلیدی و ابزارهای ضروری برای توسعه‌دهندگان پایتون ارائه می‌دهد. با استفاده از این مرجع و تمرین منظم، می‌توانید مهارت‌های پایتون خود را افزایش دهید و پروژه‌های پیچیده را با اطمینان حل کنید.

```