آموزش برنامه نویسی python

شروع پایتون

در دنیای امروز، برنامه‌نویسی یکی از مهارت‌های کلیدی برای ورود به بازار کار فناوری است. پایتون یکی از محبوب‌ترین زبان‌های برنامه‌نویسی در جهان است که به دلیل سادگی، خوانایی و کاربرد گسترده، افراد زیادی را به سمت خود جذب کرده است. چه بخواهید وارد حوزه هوش مصنوعی، تحلیل داده، توسعه وب یا امنیت سایبری شوید، پایتون یک انتخاب ایده‌آل برای شروع است.

یکی از مهم‌ترین مزایای پایتون سادگی سینتکس آن است. در مقایسه با زبان‌هایی مانند C++ یا جاوا، کدنویسی در پایتون بسیار روان‌تر و قابل فهم‌تر است. این ویژگی باعث می‌شود مبتدیان بدون نگرانی از پیچیدگی‌های نحوی، مستقیماً روی منطق برنامه‌نویسی تمرکز کنند.

علاوه بر این، پایتون کتابخانه‌های متعددی دارد که انجام کارهای پیچیده را ساده می‌کنند. برای مثال، در هوش مصنوعی و یادگیری ماشین، کتابخانه‌هایی مانند TensorFlow و Scikit-learn مورد استفاده قرار می‌گیرند. در توسعه وب، فریم‌ورک‌های Django و Flask به برنامه‌نویسان کمک می‌کنند تا وب‌سایت‌های حرفه‌ای ایجاد کنند.

از طرفی، پایتون بازار کار بسیار خوبی دارد. شرکت‌های بزرگی مانند گوگل، مایکروسافت و فیسبوک از این زبان برای توسعه محصولات خود استفاده می‌کنند. بنابراین، یادگیری پایتون می‌تواند فرصت‌های شغلی جذابی را برای شما ایجاد کند.

با توجه به همه این موارد، اگر به دنبال یادگیری یک زبان برنامه‌نویسی قدرتمند، ساده و پردرآمد هستید، پایتون بهترین انتخاب برای شماست!

آموزش مقدماتی پایتون: آشنایی با سینتکس، متغیرها، شرط‌ها، حلقه‌ها و توابع

پایتون یکی از محبوب‌ترین زبان‌های برنامه‌نویسی جهان است که به دلیل سادگی سینتکس، خوانایی بالا و کاربرد گسترده در حوزه‌های مختلف مانند یادگیری ماشین، تحلیل داده، توسعه وب و امنیت سایبری مورد استفاده قرار می‌گیرد. در این بخش، مباحث پایه‌ای پایتون را بررسی می‌کنیم تا بتوانید به راحتی اولین برنامه‌های خود را بنویسید.

۱. سینتکس پایه پایتون

سینتکس پایتون بسیار خوانا و شبیه به زبان انگلیسی است. یکی از ویژگی‌های مهم آن این است که از بلاک‌بندی با تورفتگی (Indentation) به جای علامت‌هایی مانند {} در زبان‌هایی مانند C++ و Java استفاده می‌کند.

مثال یک برنامه ساده در پایتون:

print("سلام، به دنیای پایتون خوش آمدید!")

💡 توضیح:

• دستور print() برای نمایش خروجی در کنسول استفاده می‌شود.
• رشته‌ها (متن‌ها) داخل علامت نقل‌قول "" یا '' قرار می‌گیرند.

۲. متغیرها و انواع داده در پایتون

در پایتون، متغیرها نیازی به تعریف نوع داده‌ای ندارند و مقدار متغیر نوع آن را مشخص می‌کند. این ویژگی باعث می‌شود که برنامه‌نویسی در پایتون سریع‌تر و راحت‌تر باشد.

تعریف متغیر در پایتون:

name = "علی"
age = 25
height = 1.75
is_student = True

print(name, age, height, is_student)

💡 توضیح:

• name یک رشته (string) است.
• age یک عدد صحیح (integer) است.
• height یک عدد اعشاری (float) است.
• is_student یک مقدار بولی (boolean) است که فقط دو مقدار True یا False می‌گیرد.

بررسی نوع داده با دستور type()

print(type(name))  # خروجی: <class 'str'>
print(type(age))   # خروجی: <class 'int'>
print(type(height))  # خروجی: <class 'float'>
print(type(is_student))  # خروجی: <class 'bool'>

۳. شرط‌ها (if-else) در پایتون

برای ایجاد تصمیم‌گیری در برنامه‌ها از شرط‌ها استفاده می‌شود. دستور if بررسی می‌کند که آیا یک عبارت منطقی صحیح (True) است یا خیر.

مثال: بررسی سن کاربر برای نمایش پیغام مناسب

age = int(input("سن خود را وارد کنید: "))

if age >= 18:
    print("شما بزرگسال هستید.")
else:
    print("شما نوجوان هستید.")

💡 توضیح:

• از input() برای دریافت مقدار از کاربر استفاده می‌شود.
• مقدار ورودی ابتدا رشته (string) است، بنابراین با int() آن را به عدد صحیح تبدیل کرده‌ایم.
• اگر سن کاربر ۱۸ یا بیشتر باشد، پیام ‘شما بزرگسال هستید.’ نمایش داده می‌شود، در غیر این صورت پیام ‘شما نوجوان هستید.’ نمایش داده می‌شود.

استفاده از elif برای بررسی چندین شرط:

score = int(input("امتیاز خود را وارد کنید: "))

if score >= 90:
    print("عالی!")
elif score >= 70:
    print("خوب!")
elif score >= 50:
    print("متوسط!")
else:
    print("نیاز به تلاش بیشتر!")

۴. حلقه‌ها (Loops) در پایتون

حلقه‌ها به ما امکان می‌دهند تا یک مجموعه از کدها را چندین بار اجرا کنیم. در پایتون دو نوع حلقه اصلی وجود دارد:

1. حلقه for: برای تکرار در محدوده یا لیست استفاده می‌شود.
2. حلقه while: تا زمانی که شرطی برقرار باشد، اجرا می‌شود.

حلقه for برای چاپ اعداد از ۱ تا ۵:

for i in range(1, 6):
    print(i)

💡 توضیح:

• range(1, 6) یک محدوده از ۱ تا ۵ ایجاد می‌کند.

حلقه while برای اجرای یک دستور تا زمانی که شرطی برقرار است:

count = 1
while count <= 5:
    print(count)
    count += 1

💡 توضیح:

• تا زمانی که مقدار count کمتر یا مساوی ۵ باشد، حلقه اجرا خواهد شد.
• مقدار count در هر تکرار ۱ واحد افزایش می‌یابد.

۵. توابع (Functions) در پایتون

توابع به ما امکان می‌دهند کدهای خود را سازماندهی و قابل استفاده مجدد کنیم. در پایتون، توابع با def تعریف می‌شوند.

تعریف یک تابع برای جمع دو عدد:

def add_numbers(a, b):
    return a + b

result = add_numbers(5, 3)
print("حاصل جمع:", result)

💡 توضیح:

• def add_numbers(a, b): یک تابع با دو ورودی a و b ایجاد می‌کند.
• return a + b مقدار حاصل از جمع را برمی‌گرداند.
• تابع را با add_numbers(5, 3) صدا زده‌ایم و نتیجه را چاپ کرده‌ایم.

تابع بدون ورودی و خروجی:

def greet():
    print("سلام! به آموزش پایتون خوش آمدید!")

greet()

💡 توضیح:

• این تابع نیازی به ورودی ندارد و فقط یک پیام را چاپ می‌کند.

جمع‌بندی

در این بخش، مباحث پایه‌ای پایتون را بررسی کردیم:
✔ سینتکس پایتون و ساختار ساده آن.
✔ متغیرها و انواع داده‌ها مانند اعداد، رشته‌ها و مقدارهای بولی.
✔ شرط‌ها (if-else) برای تصمیم‌گیری در برنامه.
✔ حلقه‌ها (for و while) برای تکرار دستورات.
✔ توابع (def) برای سازماندهی کدها و استفاده مجدد از آن‌ها.

💡 ادامه مسیر: حالا که با اصول اولیه آشنا شدید، می‌توانید وارد مباحث پیشرفته‌تری مانند شی‌گرایی، کار با فایل‌ها و کتابخانه‌های معروف پایتون شوید. 🚀

آموزش متوسط پایتون: کلاس‌ها، شی‌گرایی، ماژول‌ها و کار با فایل‌ها

در این بخش، به مباحث پیشرفته‌تر پایتون مانند برنامه‌نویسی شی‌گرا (OOP)، کلاس‌ها، ماژول‌ها و کار با فایل‌ها می‌پردازیم. این مفاهیم به شما کمک می‌کنند تا برنامه‌های ساختاریافته و مقیاس‌پذیر بنویسید.

۱. کلاس‌ها و شی‌گرایی در پایتون (Object-Oriented Programming – OOP)

شی‌گرایی یک سبک برنامه‌نویسی است که در آن برنامه‌ها از اشیاء (Objects) تشکیل می‌شوند. این روش باعث می‌شود که کدها قابل استفاده مجدد (Reusable)، منظم‌تر و قابل توسعه‌تر باشند.

تعریف یک کلاس و ایجاد یک شی (Object) در پایتون

class Person:
    def __init__(self, name, age):
        self.name = name
        self.age = age

    def greet(self):
        print(f"سلام، من {self.name} هستم و {self.age} سال دارم.")

# ایجاد یک شی از کلاس
person1 = Person("علی", 25)
person1.greet()

💡 توضیح:

• کلاس Person یک سازنده (__init__) دارد که ویژگی‌های name و age را مقداردهی می‌کند.
• متد greet() یک پیام شامل نام و سن شخص چاپ می‌کند.
• سپس یک شی (person1) از کلاس Person ساخته شده و متد greet() صدا زده شده است.

۲. مفاهیم اصلی شی‌گرایی در پایتون

الف) وراثت (Inheritance)

وراثت به شما اجازه می‌دهد که یک کلاس جدید از یک کلاس دیگر ایجاد کنید و ویژگی‌ها و متدهای آن را به ارث ببرید.

مثال: کلاس Student که از Person ارث‌بری می‌کند

class Student(Person):
    def __init__(self, name, age, student_id):
        super().__init__(name, age)
        self.student_id = student_id

    def show_info(self):
        print(f"نام: {self.name}, سن: {self.age}, شماره دانشجویی: {self.student_id}")

student1 = Student("رضا", 20, "12345")
student1.show_info()

💡 توضیح:

• Student ویژگی‌های کلاس Person را به ارث برده است.
• از super().__init__(name, age) برای مقداردهی ویژگی‌های والد استفاده شده است.

ب) چندریختی (Polymorphism)

چندریختی به شما این امکان را می‌دهد که یک متد را در کلاس‌های مختلف به شکل متفاوت پیاده‌سازی کنید.

مثال: متد describe() در دو کلاس متفاوت

class Dog:
    def describe(self):
        print("من یک سگ هستم.")

class Cat:
    def describe(self):
        print("من یک گربه هستم.")

animals = [Dog(), Cat()]
for animal in animals:
    animal.describe()

💡 توضیح:

• هر دو کلاس Dog و Cat متد describe() را دارند، اما هر کدام پیام متفاوتی نمایش می‌دهند.

۳. ماژول‌ها در پایتون (Modules)

ماژول‌ها به شما اجازه می‌دهند که کدهای خود را در فایل‌های جداگانه سازماندهی کرده و مجدداً استفاده کنید.

ایجاد یک ماژول سفارشی

۱. ابتدا یک فایل به نام mymodule.py ایجاد کنید و درون آن یک تابع بنویسید:

def say_hello(name):
    return f"سلام، {name}!"

۲. سپس در برنامه اصلی خود آن را ایمپورت (Import) کنید:

import mymodule

print(mymodule.say_hello("محمد"))

💡 توضیح:

• import mymodule ماژول را وارد برنامه می‌کند.
• سپس تابع say_hello() را از آن فراخوانی کرده‌ایم.

ایمپورت بخشی از یک ماژول

from mymodule import say_hello

print(say_hello("زهرا"))

💡 توضیح:

• فقط تابع say_hello() را ایمپورت کردیم و نیازی به mymodule. نداریم.

استفاده از ماژول‌های داخلی پایتون

پایتون دارای ماژول‌های داخلی (Built-in Modules) است که می‌توان از آن‌ها استفاده کرد.

مثال: استفاده از math برای انجام محاسبات ریاضی

import math

print(math.sqrt(25))  # خروجی: 5.0
print(math.pi)        # مقدار عدد پی
print(math.factorial(5))  # محاسبه فاکتوریل 5

۴. کار با فایل‌ها در پایتون

پایتون امکان خواندن (Read)، نوشتن (Write) و مدیریت فایل‌ها را فراهم می‌کند.

ایجاد و نوشتن در یک فایل (Write Mode)

file = open("test.txt", "w")
file.write("این یک فایل تستی است.\nپایتون عالی است!")
file.close()

💡 توضیح:

• open("test.txt", "w") یک فایل جدید ایجاد کرده یا اگر وجود داشته باشد، محتوای آن را پاک می‌کند.
• با write() متن را داخل فایل نوشتیم.
• در نهایت close() فایل را می‌بندد.

خواندن از یک فایل (Read Mode)

file = open("test.txt", "r")
content = file.read()
print(content)
file.close()

💡 توضیح:

• open("test.txt", "r") فایل را در حالت خواندن باز می‌کند.
• read() کل محتوای فایل را خوانده و چاپ می‌کند.

اضافه کردن محتوا به فایل (Append Mode)

file = open("test.txt", "a")
file.write("\nاین یک خط جدید است.")
file.close()

💡 توضیح:

• open("test.txt", "a") فایل را در حالت افزودن محتوا (Append) باز می‌کند.

خواندن فایل خط به خط با for

file = open("test.txt", "r")
for line in file:
    print(line.strip())  # حذف فاصله‌های اضافی
file.close()

جمع‌بندی

در این بخش، با مفاهیم متوسط پایتون آشنا شدیم:
✔ کلاس‌ها و شی‌گرایی: ایجاد کلاس‌ها، متدها، وراثت و چندریختی.
✔ ماژول‌ها: استفاده از ماژول‌های داخلی و ساخت ماژول سفارشی.
✔ کار با فایل‌ها: خواندن، نوشتن و مدیریت فایل‌ها در پایتون.

💡 ادامه مسیر: حالا می‌توانید وارد مباحث پیشرفته‌تری مانند مدیریت استثناها، کار با دیتابیس و شبکه، و توسعه وب با فریم‌ورک‌هایی مانند Django و Flask شوید. 🚀

آموزش پیشرفته پایتون: کار با دیتابیس، برنامه‌نویسی وب، تحلیل داده و یادگیری ماشین

در این بخش، وارد مباحث پیشرفته پایتون می‌شویم و چهار موضوع مهم را بررسی می‌کنیم:

1. اتصال به دیتابیس و اجرای کوئری‌های SQL
2. برنامه‌نویسی وب با فریم‌ورک Flask
3. تحلیل داده با Pandas و Matplotlib
4. یادگیری ماشین با Scikit-Learn

۱. کار با دیتابیس در پایتون (SQLite3 و MySQL)

پایتون به صورت پیش‌فرض از دیتابیس SQLite پشتیبانی می‌کند و می‌توان با کتابخانه sqlite3 به آن متصل شد.

ایجاد و اتصال به دیتابیس SQLite در پایتون

import sqlite3

# ایجاد اتصال به دیتابیس
conn = sqlite3.connect("mydatabase.db")
cursor = conn.cursor()

# ایجاد جدول کاربران
cursor.execute("""
CREATE TABLE IF NOT EXISTS users (
    id INTEGER PRIMARY KEY AUTOINCREMENT,
    name TEXT,
    age INTEGER
)
""")

# اضافه کردن داده به جدول
cursor.execute("INSERT INTO users (name, age) VALUES (?, ?)", ("علی", 25))
conn.commit()

# خواندن داده‌ها از جدول
cursor.execute("SELECT * FROM users")
users = cursor.fetchall()
for user in users:
    print(user)

conn.close()

💡 توضیح:

• اتصال به دیتابیس با sqlite3.connect() انجام می‌شود.
• ایجاد جدول با CREATE TABLE IF NOT EXISTS صورت می‌گیرد.
• با INSERT INTO داده اضافه شده و SELECT * FROM داده‌ها را می‌خواند.

۲. برنامه‌نویسی وب با Flask

فریم‌ورک Flask یکی از سبک‌ترین و محبوب‌ترین ابزارهای پایتون برای توسعه وب است.

نصب Flask:

pip install flask

ایجاد یک وب‌سایت ساده با Flask

from flask import Flask

app = Flask(__name__)

@app.route("/")
def home():
    return "سلام، به وب‌سایت من خوش آمدید!"

if __name__ == "__main__":
    app.run(debug=True)

💡 توضیح:

• Flask(__name__) یک برنامه Flask ایجاد می‌کند.
• با @app.route("/") یک مسیر (Route) برای صفحه اصلی تنظیم می‌شود.
• app.run(debug=True) سرور را اجرا می‌کند.

اجرای برنامه Flask

پس از اجرای فایل، در مرورگر آدرس زیر را باز کنید:

http://127.0.0.1:5000/

۳. تحلیل داده با Pandas و Matplotlib

نصب کتابخانه‌ها

pip install pandas matplotlib

خواندن و تحلیل داده‌ها با Pandas

import pandas as pd

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

# نمایش ۵ سطر اول
print(data.head())

# نمایش اطلاعات آماری
print(data.describe())

# فیلتر کردن داده‌ها (مثلاً نمایش ردیف‌هایی که مقدار "سن" بیشتر از ۳۰ است)
filtered_data = data[data["age"] > 30]
print(filtered_data)

💡 توضیح:

• read_csv() فایل داده‌ها را بارگذاری می‌کند.
• head() پنج ردیف اول را نمایش می‌دهد.
• describe() آمار کلی ستون‌های عددی را نشان می‌دهد.
• فیلتر کردن داده‌ها با [data["age"] > 30] انجام شده است.

رسم نمودار با Matplotlib

import matplotlib.pyplot as plt

# داده‌های نمونه
years = [2015, 2016, 2017, 2018, 2019, 2020]
sales = [200, 250, 400, 600, 750, 900]

# رسم نمودار خطی
plt.plot(years, sales, marker="o", linestyle="-", color="b")

plt.xlabel("سال")
plt.ylabel("فروش")
plt.title("روند فروش در ۵ سال گذشته")
plt.show()

💡 توضیح:

• plot() نمودار را رسم می‌کند.
• xlabel() و ylabel() برچسب‌های محورها را مشخص می‌کنند.
• show() نمودار را نمایش می‌دهد.

۴. یادگیری ماشین با Scikit-Learn

نصب Scikit-Learn:

pip install scikit-learn

مدل یادگیری ماشین برای پیش‌بینی قیمت خانه

from sklearn.linear_model import LinearRegression
import numpy as np

# داده‌های نمونه (متراژ خانه و قیمت)
X = np.array([50, 60, 80, 100, 120]).reshape(-1, 1)  # متراژ
y = np.array([300, 350, 450, 600, 750])  # قیمت

# ایجاد مدل و آموزش آن
model = LinearRegression()
model.fit(X, y)

# پیش‌بینی قیمت خانه‌ای با متراژ 90 متر
predicted_price = model.predict([[90]])
print("قیمت پیش‌بینی‌شده برای خانه 90 متری:", predicted_price[0])

💡 توضیح:

• LinearRegression() یک مدل یادگیری ماشین ایجاد می‌کند.
• fit(X, y) مدل را بر اساس داده‌های ورودی آموزش می‌دهد.
• predict([[90]]) قیمت خانه با متراژ ۹۰ متر را پیش‌بینی می‌کند.

جمع‌بندی

در این بخش با مباحث پیشرفته پایتون آشنا شدیم:
✔ اتصال به دیتابیس و اجرای کوئری‌های SQL با SQLite
✔ برنامه‌نویسی وب با فریم‌ورک Flask
✔ تحلیل داده با Pandas و رسم نمودار با Matplotlib
✔ یادگیری ماشین با Scikit-Learn و مدل رگرسیون خطی

💡 گام بعدی: حالا می‌توانید روی هوش مصنوعی، توسعه وب‌سایت‌های پیشرفته و مدیریت کلان داده‌ها تمرکز کنید. 🚀