“`html

چیت شیت بخش‌های پرکاربرد پایتون: مرجع جیبی شما

پایتون، به عنوان یکی از محبوب‌ترین زبان‌های برنامه‌نویسی در جهان، به دلیل سادگی، خوانایی و کتابخانه‌های قدرتمندش شناخته می‌شود. این زبان چندمنظوره، در زمینه‌های مختلفی از جمله توسعه وب، علم داده، هوش مصنوعی، اسکریپت‌نویسی و اتوماسیون کاربرد دارد. تسلط بر پایتون نیازمند شناخت عمیق از مفاهیم و سینتکس آن است. این چیت‌شیت به عنوان یک مرجع جیبی برای برنامه‌نویسان پایتون، به ویژه توسعه‌دهندگان حرفه‌ای و کسانی که به طور تخصصی با پایتون کار می‌کنند، طراحی شده است تا به سرعت به دستورات و ساختارهای پرکاربرد دسترسی پیدا کنند و در زمان خود صرفه‌جویی کنند.

این چیت‌شیت به طور خلاصه و کاربردی، مهم‌ترین بخش‌های پایتون را پوشش می‌دهد و به شما کمک می‌کند تا:

• سینتکس پایه و ساختارهای داده را به سرعت مرور کنید.
• توابع و کلاس‌ها را به درستی تعریف و استفاده کنید.
• با ماژول‌ها و کتابخانه‌های پرکاربرد آشنا شوید.
• اشتباهات رایج را شناسایی و از آن‌ها اجتناب کنید.
• بهره‌وری خود را در کدنویسی پایتون افزایش دهید.

1. سینتکس پایه و متغیرها

درک سینتکس پایه، کلید نوشتن کد پایتون صحیح و قابل فهم است. پایتون از تورفتگی (indentation) برای تعیین بلوک‌های کد استفاده می‌کند. استفاده صحیح از تورفتگی برای خوانایی و اجرای درست کد بسیار حیاتی است.

1.1. متغیرها و انواع داده

در پایتون، نیازی به تعریف نوع متغیر نیست. پایتون به صورت پویا (dynamically) نوع متغیر را تعیین می‌کند. انواع داده اصلی شامل:

• اعداد: شامل اعداد صحیح (int)، اعداد اعشاری (float) و اعداد مختلط (complex).
• رشته‌ها: دنباله‌ای از کاراکترها (str).
• لیست‌ها: مجموعه‌ای مرتب و قابل تغییر از عناصر (list).
• تاپل‌ها: مجموعه‌ای مرتب و غیرقابل تغییر از عناصر (tuple).
• دیکشنری‌ها: مجموعه‌ای از جفت‌های کلید-مقدار (dict).
• مجموعه‌ها: مجموعه‌ای نامرتب از عناصر منحصربه‌فرد (set).
• بولی‌ها: مقادیر درست (True) یا نادرست (False) (bool).

 x = 5  # عدد صحیح
 y = 3.14  # عدد اعشاری
 name = "John Doe"  # رشته
 numbers = [1, 2, 3, 4, 5]  # لیست
 point = (10, 20)  # تاپل
 person = {"name": "Alice", "age": 30}  # دیکشنری
 unique_numbers = {1, 2, 3, 4, 5}  # مجموعه
 is_valid = True  # بولی
 

1.2. عملگرها

پایتون از عملگرهای مختلفی برای انجام محاسبات، مقایسه‌ها و عملیات منطقی استفاده می‌کند:

• عملگرهای ریاضی: +, -, *, /, // (تقسیم صحیح), % (باقیمانده), ** (توان).
• عملگرهای مقایسه‌ای: == (برابر), != (نابرابر), >, <, >=, <=.
• عملگرهای منطقی: and, or, not.
• عملگرهای انتساب: =, +=, -=, *=, /=, //=, %=, **=.
• عملگرهای عضویت: in, not in.
• عملگرهای هویت: is, is not.

 a = 10
 b = 5
 

 print(a + b)  # 15
 print(a - b)  # 5
 print(a * b)  # 50
 print(a / b)  # 2.0
 print(a // b)  # 2
 print(a % b)  # 0
 print(a ** b)  # 100000
 

 print(a == b)  # False
 print(a != b)  # True
 print(a > b)  # True
 print(a < b)  # False
 print(a >= b)  # True
 print(a <= b)  # False
 

 print(True and False)  # False
 print(True or False)  # True
 print(not True)  # False
 

 numbers = [1, 2, 3]
 print(2 in numbers)  # True
 print(4 not in numbers)  # True
 

 x = [1, 2, 3]
 y = x
 z = [1, 2, 3]
 

 print(x is y)  # True (x و y به یک شیء اشاره می‌کنند)
 print(x is z)  # False (x و z دو شیء متفاوت هستند)
 

1.3. ساختارهای کنترلی

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

• if, elif, else: برای اجرای شرطی کد.
• for: برای تکرار یک بلوک کد برای هر عنصر در یک دنباله.
• while: برای تکرار یک بلوک کد تا زمانی که یک شرط خاص برقرار باشد.
• break: برای خروج از یک حلقه.
• continue: برای پرش به تکرار بعدی حلقه.
• pass: برای انجام هیچ کاری (به عنوان یک placeholder استفاده می‌شود).

 age = 25
 if age >= 18:
  print("شما بزرگسال هستید")
 elif age >= 13:
  print("شما نوجوان هستید")
 else:
  print("شما کودک هستید")
 

 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 when i is 5
  print(i)
 

 for i in range(10):
  if i % 2 == 0:
  continue  # پرش به تکرار بعدی اگر i زوج باشد
  print(i)
 

 def my_function():
  pass  # فعلا کاری انجام نمی‌دهیم
 

2. توابع

توابع بلوک‌های کد قابل استفاده مجدد هستند که یک کار خاص را انجام می‌دهند. استفاده از توابع به سازماندهی کد و افزایش خوانایی کمک می‌کند.

2.1. تعریف توابع

برای تعریف یک تابع از کلمه کلیدی def استفاده می‌کنیم:

 def greet(name):
  """
  این تابع یک پیام خوش‌آمدگویی چاپ می‌کند.
  """
  print(f"سلام، {name}!")
 

2.2. آرگومان‌ها

توابع می‌توانند آرگومان‌هایی را دریافت کنند:

• آرگومان‌های موقعیتی: آرگومان‌هایی که بر اساس ترتیب به تابع ارسال می‌شوند.
• آرگومان‌های کلیدواژه‌ای: آرگومان‌هایی که با نام پارامتر به تابع ارسال می‌شوند.
• آرگومان‌های پیش‌فرض: آرگومان‌هایی که مقدار پیش‌فرض دارند و می‌توانند هنگام فراخوانی تابع حذف شوند.
• *args: برای ارسال تعداد نامشخصی از آرگومان‌های موقعیتی.
• **kwargs: برای ارسال تعداد نامشخصی از آرگومان‌های کلیدواژه‌ای.

 def add(x, y):  # آرگومان‌های موقعیتی
  return x + y
 

 def describe_person(name, age=30):  # آرگومان با مقدار پیش‌فرض
  print(f"نام: {name}, سن: {age}")
 

 def print_arguments(*args):  # *args
  for arg in args:
  print(arg)
 

 def print_keyword_arguments(**kwargs):  # **kwargs
  for key, value in kwargs.items():
  print(f"{key}: {value}")
 

 print(add(5, 3))  # 8
 describe_person("Alice")  # نام: Alice, سن: 30
 describe_person("Bob", age=40)  # نام: Bob, سن: 40
 print_arguments(1, 2, 3, "a", "b")  # 1 2 3 a b
 print_keyword_arguments(name="Charlie", city="New York")  # name: Charlie, city: New York
 

2.3. return

کلمه کلیدی return برای بازگرداندن یک مقدار از تابع استفاده می‌شود:

 def square(x):
  return x * x
 

 result = square(5)
 print(result)  # 25
 

2.4. توابع لامبدا (Lambda)

توابع لامبدا توابع بی‌نام و کوتاهی هستند که می‌توانند در یک خط تعریف شوند:

 square = lambda x: x * x
 print(square(5))  # 25
 

 add = lambda x, y: x + y
 print(add(3, 4)) # 7
 

3. کلاس‌ها و اشیاء

پایتون یک زبان برنامه‌نویسی شیءگرا است. کلاس‌ها بلوک‌های ساختمانی برای ایجاد اشیاء هستند. اشیاء نمونه‌هایی از کلاس‌ها هستند.

3.1. تعریف کلاس‌ها

برای تعریف یک کلاس از کلمه کلیدی class استفاده می‌کنیم:

 class Dog:
  def __init__(self, name, breed):
  self.name = name
  self.breed = breed
 

  def bark(self):
  print("Woof!")
 

3.2. سازنده (Constructor)

متد __init__ سازنده کلاس است و هنگام ایجاد یک شیء از کلاس فراخوانی می‌شود. از self برای ارجاع به شیء جاری استفاده می‌شود.

3.3. متدها

متدها توابعی هستند که در داخل کلاس تعریف می‌شوند و می‌توانند بر روی اشیاء کلاس فراخوانی شوند.

3.4. وراثت (Inheritance)

وراثت به یک کلاس اجازه می‌دهد تا از کلاس دیگری ویژگی‌ها و متدها را به ارث ببرد:

 class Animal:
  def __init__(self, name):
  self.name = name
 

  def speak(self):
  print("Generic animal sound")
 

 class Dog(Animal):
  def __init__(self, name, breed):
  super().__init__(name)  # فراخوانی سازنده کلاس والد
  self.breed = breed
 

  def speak(self):
  print("Woof!")
 

 my_dog = Dog("Buddy", "Golden Retriever")
 print(my_dog.name)  # Buddy
 print(my_dog.breed)  # Golden Retriever
 my_dog.speak()  # Woof!
 

4. ماژول‌ها و پکیج‌ها

ماژول‌ها فایل‌های پایتونی هستند که شامل تعاریف توابع، کلاس‌ها و متغیرها هستند. پکیج‌ها مجموعه‌ای از ماژول‌ها هستند که در یک دایرکتوری سازماندهی شده‌اند.

4.1. وارد کردن ماژول‌ها

برای استفاده از یک ماژول، ابتدا باید آن را با استفاده از کلمه کلیدی import وارد کنیم:

 import math
 

 print(math.sqrt(16))  # 4.0
 

 import datetime
 

 now = datetime.datetime.now()
 print(now)
 

4.2. import ... from

می‌توانیم توابع یا کلاس‌های خاصی را از یک ماژول وارد کنیم:

 from math import sqrt, pi
 

 print(sqrt(25))  # 5.0
 print(pi)  # 3.141592653589793
 

4.3. نام مستعار (Alias)

می‌توانیم هنگام وارد کردن یک ماژول یا تابع، یک نام مستعار برای آن تعیین کنیم:

 import math as m
 

 print(m.sqrt(9))  # 3.0
 

 from datetime import datetime as dt
 

 now = dt.now()
 print(now)
 

4.4. نصب پکیج‌ها با pip

pip ابزاری برای نصب و مدیریت پکیج‌های پایتون است. برای نصب یک پکیج از دستور زیر استفاده می‌کنیم:

 pip install package_name
 

برای مثال، برای نصب کتابخانه requests از دستور زیر استفاده می‌کنیم:

 pip install requests
 

5. کار با فایل‌ها

پایتون امکان خواندن و نوشتن در فایل‌ها را فراهم می‌کند.

5.1. باز کردن فایل‌ها

برای باز کردن یک فایل از تابع open() استفاده می‌کنیم:

 # خواندن از فایل
 file = open("my_file.txt", "r")
 content = file.read()
 print(content)
 file.close()
 

 # نوشتن در فایل
 file = open("my_file.txt", "w")
 file.write("Hello, world!")
 file.close()
 

 # اضافه کردن به فایل
 file = open("my_file.txt", "a")
 file.write("\nThis is a new line.")
 file.close()
 

حالت‌های مختلف باز کردن فایل:

• "r": خواندن (read)
• "w": نوشتن (write) - فایل موجود را بازنویسی می‌کند.
• "a": اضافه کردن (append) - به انتهای فایل اضافه می‌کند.
• "x": ایجاد (create) - یک فایل جدید ایجاد می‌کند. اگر فایل از قبل وجود داشته باشد، خطا رخ می‌دهد.
• "b": باینری (binary) - برای فایل‌های باینری استفاده می‌شود.
• "t": متن (text) - برای فایل‌های متنی استفاده می‌شود (حالت پیش‌فرض).
• "+": به روز رسانی (update) - برای خواندن و نوشتن.

5.2. خواندن از فایل

برای خواندن محتوای یک فایل می‌توانیم از متدهای زیر استفاده کنیم:

• read(): خواندن کل محتوای فایل به صورت یک رشته.
• readline(): خواندن یک خط از فایل.
• readlines(): خواندن همه خطوط فایل به صورت یک لیست.

 file = open("my_file.txt", "r")
 

 content = file.read()
 print(content)
 

 file.seek(0) # برگرداندن اشاره گر فایل به ابتدا
 

 line = file.readline()
 print(line)
 

 lines = file.readlines()
 print(lines)
 

 file.close()
 

5.3. نوشتن در فایل

برای نوشتن در یک فایل از متد write() استفاده می‌کنیم:

 file = open("my_file.txt", "w")
 file.write("This is a line of text.")
 file.close()
 

5.4. استفاده از with

استفاده از دستور with روشی امن‌تر و راحت‌تر برای کار با فایل‌ها است. هنگامی که بلوک with به پایان می‌رسد، فایل به طور خودکار بسته می‌شود:

 with open("my_file.txt", "r") as file:
  content = file.read()
  print(content)
 

 with open("my_file.txt", "w") as file:
  file.write("New content.")
 

6. مدیریت خطاها

مدیریت خطاها (Exception Handling) یک بخش ضروری از برنامه‌نویسی است. پایتون از بلوک‌های try...except برای مدیریت خطاها استفاده می‌کند.

6.1. try...except

کد مشکوک به خطا در بلوک try قرار می‌گیرد. اگر خطایی رخ دهد، اجرای بلوک try متوقف می‌شود و بلوک except اجرا می‌شود.

 try:
  result = 10 / 0
 except ZeroDivisionError:
  print("تقسیم بر صفر امکان‌پذیر نیست.")
 except Exception as e:
  print(f"یک خطای نامشخص رخ داد: {e}")
 

6.2. finally

بلوک finally همیشه اجرا می‌شود، چه خطایی رخ دهد چه ندهد. معمولاً برای انجام کارهای تمیزکاری (cleanup) مانند بستن فایل‌ها استفاده می‌شود.

 try:
  file = open("my_file.txt", "r")
  content = file.read()
  print(content)
 except FileNotFoundError:
  print("فایل یافت نشد.")
 finally:
  if 'file' in locals() and file:
  file.close()
  print("فایل بسته شد.")
 

6.3. raise

برای ایجاد یک استثناء به صورت دستی از کلمه کلیدی raise استفاده می‌کنیم:

 def check_age(age):
  if age < 0:
  raise ValueError("سن نمی‌تواند منفی باشد.")
  print("سن معتبر است.")
 

 try:
  check_age(-5)
 except ValueError as e:
  print(f"خطا: {e}")
 

7. کتابخانه‌های پرکاربرد

پایتون دارای کتابخانه‌های بسیار زیادی است که برای انجام کارهای مختلف استفاده می‌شوند.

7.1. NumPy

NumPy یک کتابخانه قدرتمند برای محاسبات عددی است. این کتابخانه امکان ایجاد و کار با آرایه‌های چندبعدی را فراهم می‌کند.

 import numpy as np
 

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

 # عملیات ریاضی بر روی آرایه
 b = a * 2
 print(b)
 

 # ایجاد یک آرایه دو بعدی
 matrix = np.array([[1, 2, 3], [4, 5, 6]])
 print(matrix)
 

 # ابعاد آرایه
 print(matrix.shape)
 

7.2. Pandas

Pandas یک کتابخانه برای تجزیه و تحلیل داده است. این کتابخانه امکان ایجاد و کار با داده‌ها در قالب DataFrame را فراهم می‌کند.

 import pandas as pd
 

 # ایجاد یک DataFrame از یک دیکشنری
 data = {'name': ['Alice', 'Bob', 'Charlie'],
  'age': [25, 30, 27],
  'city': ['New York', 'London', 'Paris']}
 df = pd.DataFrame(data)
 print(df)
 

 # خواندن یک فایل CSV
 # df = pd.read_csv("data.csv")
 

 # نمایش اطلاعات DataFrame
 print(df.head())
 print(df.describe())
 

7.3. Matplotlib

Matplotlib یک کتابخانه برای رسم نمودارها و تجسم داده‌ها است.

 import matplotlib.pyplot as plt
 

 # رسم یک نمودار خطی
 x = [1, 2, 3, 4, 5]
 y = [2, 4, 6, 8, 10]
 plt.plot(x, y)
 plt.xlabel("X-axis")
 plt.ylabel("Y-axis")
 plt.title("نمودار خطی")
 plt.show()
 

 # رسم یک نمودار پراکندگی (scatter plot)
 plt.scatter(x, y)
 plt.xlabel("X-axis")
 plt.ylabel("Y-axis")
 plt.title("نمودار پراکندگی")
 plt.show()
 

7.4. Requests

Requests یک کتابخانه برای ارسال درخواست‌های HTTP است. این کتابخانه امکان برقراری ارتباط با APIها و وب‌سایت‌ها را فراهم می‌کند.

 import requests
 

 # ارسال یک درخواست GET
 response = requests.get("https://www.example.com")
 print(response.status_code)  # 200
 print(response.content)  # محتوای صفحه وب
 

 # ارسال یک درخواست POST
 data = {'key': 'value'}
 response = requests.post("https://www.example.com", data=data)
 print(response.status_code)
 

7.5. Scikit-learn

Scikit-learn یک کتابخانه برای یادگیری ماشین است. این کتابخانه الگوریتم‌های مختلفی برای طبقه‌بندی، رگرسیون، خوشه‌بندی و کاهش ابعاد را ارائه می‌دهد.

 from sklearn.linear_model import LinearRegression
 from sklearn.model_selection import train_test_split
 import numpy as np
 

 # داده‌های نمونه
 X = np.array([[1], [2], [3], [4], [5]])
 y = np.array([2, 4, 5, 4, 5])
 

 # تقسیم داده‌ها به داده‌های آموزشی و آزمایشی
 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
 

 # ایجاد یک مدل رگرسیون خطی
 model = LinearRegression()
 

 # آموزش مدل
 model.fit(X_train, y_train)
 

 # پیش‌بینی
 y_pred = model.predict(X_test)
 print(y_pred)
 

 # ارزیابی مدل
 score = model.score(X_test, y_test)
 print(score)
 

این چیت‌شیت تنها یک مرور سریع از بخش‌های پرکاربرد پایتون است. برای یادگیری عمیق‌تر، به مستندات رسمی پایتون و سایر منابع آموزشی مراجعه کنید.

```