کاربردهای تاپل و لیست در پایتون

کاربردهای تاپل و لیست در پایتون

تاپل‌ها و لیست‌ها دو ساختار داده بسیار مهم در پایتون هستند که هر کدام کاربردهای خاص خود را دارند. انتخاب بین آن‌ها به نوع داده‌ای که می‌خواهید ذخیره کنید و عملیاتی که قصد انجام آن‌ها را دارید بستگی دارد.

تاپل‌ها (Tuples)

• داده‌های ثابت:

  • کاربردهای تاپل در داده‌های ثابت

    تاپل‌ها در پایتون ساختار داده‌ای هستند که برای ذخیره مجموعه ای از عناصر استفاده می‌شوند، اما با این تفاوت که تغییرناپذیر هستند. یعنی پس از ایجاد یک تاپل، نمی‌توان عناصر آن را تغییر داد، اضافه یا حذف کرد. همین ویژگی تغییرناپذیری، تاپل‌ها را برای ذخیره داده‌های ثابت بسیار مناسب می‌کند.

    چرا از تاپل برای داده‌های ثابت استفاده کنیم؟

    • امنیت داده: از آنجایی که تاپل‌ها تغییرناپذیر هستند، به طور ناخواسته عناصر آن‌ها تغییر نمی‌کنند و باعث ایجاد خطا در برنامه نمی‌شوند.
    • بهبود خوانایی کد: استفاده از تاپل‌ها برای داده‌های ثابت، نشان می‌دهد که این داده‌ها در طول اجرای برنامه تغییر نخواهند کرد و این امر باعث افزایش خوانایی کد می‌شود.
    • کلیدهای دیکشنری: تاپل‌ها به عنوان کلید در دیکشنری‌ها استفاده می‌شوند، زیرا کلیدهای دیکشنری باید تغییرناپذیر باشند.
    • بازگشت چندین مقدار از یک تابع: توابع می‌توانند چندین مقدار را به صورت یک تاپل برگردانند.
    • بهینه‌سازی عملکرد: در برخی موارد، عملیات روی تاپل‌ها سریع‌تر از لیست‌ها است، زیرا تاپل‌ها ساختار ساده‌تری دارند.

    مثال‌های کاربردی:

    • مختصات یک نقطه:
      Python

      coordinates = (۳, ۷)
      

    • تاریخ تولد:
      Python

      date_of_birth = (۱۹۹۰, ۱۲, ۲۵)
      

    • رنگ‌ها (به صورت RGB):
      Python

      red = (۲۵۵, ۰, ۰)
      green = (۰, ۲۵۵, ۰)
      blue = (۰, ۰, ۲۵۵)
      

    • ثابت‌های فیزیکی:
      Python

      pi = (۳.۱۴۱۵۹,)  # توجه: برای یک عنصری، کاما در انتها ضروری است
      gravity = (۹.۸,)
      

    • کلیدهای دیکشنری:
      Python

      person = {'name': 'Alice', 'age': ۳۰, 'city': 'New York'}
      # در اینجا، کلیدها مانند 'name' رشته هستند، اما می‌توان از تاپل نیز استفاده کرد:
      person = {(۱, 'Alice'): ۳۰}
      

    • بازگشت چندین مقدار از یک تابع:
      Python

      def divide(x, y):
          quotient = x // y
          remainder = x % y
          return quotient, remainder
      

     

• کلیدهای دیکشنری:

  • کاربرد تاپل‌ها در کلیدهای دیکشنری

    تاپل‌ها به دلیل ویژگی تغییرناپذیری خود، نقش بسیار مهمی در کلیدهای دیکشنری ایفا می‌کنند.

    چرا تاپل‌ها برای کلیدهای دیکشنری مناسب هستند؟

    • تغییرناپذیری: کلیدهای دیکشنری باید منحصر به فرد و تغییرناپذیر باشند. تاپل‌ها با این ویژگی کاملاً سازگار هستند.
    • ترکیب چندین مقدار: تاپل‌ها می‌توانند چندین مقدار از انواع مختلف داده‌ای را در خود جای دهند. این ویژگی به شما اجازه می‌دهد تا کلیدهای پیچیده‌تری را ایجاد کنید.

    مثال‌ها

    • دیکشنری برای ذخیره اطلاعات دانشجویان:
      Python

      students = {
          ('علی', 'احمدی', ۲۰): {'نمره ریاضی': ۱۸, 'نمره زبان': ۱۵},
          ('زهرا', 'رضایی', ۲۲): {'نمره فیزیک': ۱۹, 'نمره شیمی': ۱۷}
      }
      

      در این مثال، از تاپل برای نمایش نام، نام خانوادگی و سن هر دانشجو استفاده شده است. این تاپل به عنوان کلید منحصر به فرد برای دسترسی به اطلاعات هر دانشجو عمل می‌کند.

    • دیکشنری برای ذخیره مختصات نقاط در فضا:
      Python

      points = {
          (۱, ۲, ۳): "نقطه A",
          (۴, ۵, ۶): "نقطه B"
      }
      

      در این مثال، از تاپل‌های سه عضوی برای نمایش مختصات نقاط در فضای سه بعدی استفاده شده است.

    مزایای استفاده از تاپل به عنوان کلید

    • سازماندهی بهتر داده‌ها: با استفاده از تاپل‌ها می‌توان داده‌ها را به صورت ساختار یافته‌تری سازماندهی کرد.
    • جلوگیری از خطا: از آنجایی که کلیدهای دیکشنری تغییرناپذیر هستند، احتمال بروز خطا به دلیل تغییر تصادفی کلیدها کاهش می‌یابد.
    • عملکرد بهتر: در برخی موارد، استفاده از تاپل به عنوان کلید می‌تواند منجر به بهبود عملکرد برنامه شود.

    نکات مهم

    • تکرار نشدن کلیدها: همانند هر کلید دیگری در دیکشنری، تاپل‌ها نیز نباید تکرار شوند.
    • هش‌پذیری: تاپل‌ها هش‌پذیر هستند، به این معنی که می‌توان از آن‌ها به عنوان کلید در ساختارهای داده‌ای دیگری مانند مجموعه‌ها نیز استفاده کرد.
    • مقایسه تاپل‌ها: مقایسه تاپل‌ها بر اساس عناصر آن‌ها انجام می‌شود. دو تاپل زمانی برابر هستند که عناصر آن‌ها در ترتیب یکسان و با نوع داده یکسان باشند.

     

• بازگشت چندین مقدار از یک تابع:

  • کاربرد تاپل‌ها در بازگشت چندین مقدار از یک تابع در پایتون

    یکی از کاربردهای بسیار مفید تاپل‌ها، بازگرداندن چندین مقدار از یک تابع در پایتون است. زمانی که یک تابع نیاز دارد بیش از یک نتیجه را به فراخواننده خود برگرداند، می‌توان این نتایج را در قالب یک تاپل قرار داده و به عنوان خروجی تابع برگرداند.

    چرا تاپل؟

    • سادگی: تعریف و استفاده از تاپل بسیار ساده است.
    • خواندن‌پذیری: کد را خواناتر می‌کند، زیرا به وضوح نشان می‌دهد که تابع چندین مقدار را برمی‌گرداند.
    • تغییرناپذیری: از تغییر تصادفی مقادیر برگردانده شده جلوگیری می‌کند.

    مثال:

    فرض کنید می‌خواهیم تابعی بنویسیم که دو عدد را به عنوان ورودی بگیرد و حاصل تقسیم و باقی‌مانده تقسیم آن‌ها را برگرداند:

    Python

    def divide(a, b):
        quotient = a // b
        remainder = a % b
        return quotient, remainder
    
    # فراخوانی تابع و ذخیره نتایج در یک تاپل
    result = divide(۱۰, ۳)
    print(result)  # خروجی: (۳, ۱)
    

    در این مثال، تابع divide دو مقدار quotient و remainder را به صورت یک تاپل برمی‌گرداند. این تاپل به متغیر result نسبت داده می‌شود و سپس می‌توان به هر یک از عناصر آن به صورت جداگانه دسترسی پیدا کرد:

    Python

    quotient = result[۰]
    remainder = result[۱]
    print(quotient)  # خروجی: ۳
    print(remainder)  # خروجی: ۱
    

    مزایای استفاده از تاپل برای بازگرداندن چندین مقدار:

    • خوانایی بهتر کد: به وضوح نشان می‌دهد که تابع چندین مقدار را برمی‌گرداند.
    • کدنویسی منظم‌تر: از تکرار کد برای بازگرداندن هر مقدار به صورت جداگانه جلوگیری می‌کند.
    • انعطاف‌پذیری: می‌توان از این روش برای بازگرداندن هر تعداد دلخواهی از مقادیر استفاده کرد.

    مثال دیگر:

    Python

    def get_user_info():
        name = input("نام خود را وارد کنید: ")
        age = int(input("سن خود را وارد کنید: "))
        city = input("شهر محل سکونت خود را وارد کنید: ")
        return name, age, city
    

    در این مثال، تابع get_user_info سه مقدار را به صورت یک تاپل برمی‌گرداند.

     

     

• حفاظت از داده‌ها:

  • کاربرد تاپل‌ها در حفاظت از داده‌ها در پایتون

    تاپل‌ها در پایتون به دلیل تغییرناپذیری خود، نقش مهمی در حفاظت از داده‌ها ایفا می‌کنند. این بدان معناست که پس از ایجاد یک تاپل، نمی‌توان عناصر آن را تغییر داد، اضافه کرد یا حذف کرد. این ویژگی، تاپل‌ها را به ابزاری امن برای ذخیره داده‌هایی تبدیل می‌کند که نباید به طور تصادفی تغییر کنند.

    چرا تاپل‌ها برای حفاظت از داده‌ها مناسب هستند؟

    • جلوگیری از تغییر تصادفی: تغییرناپذیری تاپل‌ها از تغییر تصادفی داده‌ها جلوگیری می‌کند. این امر به ویژه در برنامه‌های بزرگ و پیچیده که چندین توسعه‌دهنده روی آن‌ها کار می‌کنند، اهمیت دارد.
    • ایجاد داده‌های ثابت: برای داده‌هایی که باید ثابت بمانند، مانند مقادیر ثابت پیکربندی، مختصات، تاریخ تولد و غیره، تاپل‌ها انتخاب مناسبی هستند.
    • کلیدهای دیکشنری: از آنجایی که کلیدهای دیکشنری باید تغییرناپذیر باشند، تاپل‌ها به عنوان کلید در دیکشنری‌ها استفاده می‌شوند.
    • بازگشت چندین مقدار از یک تابع: توابع می‌توانند چندین مقدار را به صورت یک تاپل برگردانند. این باعث می‌شود که مقادیر برگشتی تابع به صورت یک مجموعه واحد و تغییرناپذیر در نظر گرفته شوند.

    مثال‌های کاربردی

    • مختصات یک نقطه:
      Python

      coordinates = (۳, ۷)
      

    • تاریخ تولد:
      Python

      date_of_birth = (۱۹۹۰, ۱۲, ۲۵)
      

    • کلیدهای دیکشنری:
      Python

      person = {'name': 'Alice', 'age': ۳۰, 'city': 'New York'}
      

    • بازگشت چندین مقدار از یک تابع:
      Python

      def divide(x, y):
          quotient = x // y
          remainder = x % y
          return quotient, remainder
      

    مزایای استفاده از تاپل‌ها برای حفاظت از داده‌ها

    • امنیت: از تغییر تصادفی داده‌ها جلوگیری می‌کند.
    • روشن بودن قصد برنامه‌نویس: استفاده از تاپل نشان می‌دهد که داده‌ها نباید تغییر کنند.
    • بهبود خوانایی کد: کد را واضح‌تر و قابل درک‌تر می‌کند.
    • بهبود عملکرد: در برخی موارد، عملیات روی تاپل‌ها سریع‌تر از لیست‌ها است.

لیست‌ها (Lists)

• داده‌های متغیر:

  • کاربردهای لیست‌ها (Lists) در داده‌های متغیر

    لیست‌ها یکی از ساختارهای داده‌ای بسیار پرکاربرد در پایتون هستند که برای ذخیره مجموعه‌ای از عناصر قابل تغییر استفاده می‌شوند. این بدان معناست که شما می‌توانید عناصر را به لیست اضافه کنید، آن‌ها را حذف کنید و یا مقدارشان را تغییر دهید.

    در ادامه به برخی از کاربردهای اصلی لیست‌ها در داده‌های متغیر می‌پردازیم:

    ۱. ذخیره مجموعه داده‌های مرتبط:

    • لیست خرید: می‌توانید یک لیست برای ذخیره اقلامی که قصد خرید آن‌ها را دارید ایجاد کنید.
    • نمرات دانش‌آموزان: می‌توانید نمرات یک دانش‌آموز در دروس مختلف را در یک لیست ذخیره کنید.
    • اطلاعات تماس: می‌توانید نام، شماره تلفن و آدرس افراد را در لیست‌های جداگانه و سپس این لیست‌ها را در یک لیست بزرگ‌تر قرار دهید.

    ۲. پیاده‌سازی ساختارهای داده‌ای:

    • صف‌ها (Queues): لیست‌ها می‌توانند برای پیاده‌سازی صف‌ها استفاده شوند که در آن عناصر به ترتیب ورود اضافه و حذف می‌شوند.
    • پشته‌ها (Stacks): لیست‌ها می‌توانند برای پیاده‌سازی پشته‌ها استفاده شوند که در آن عناصر به ترتیب معکوس اضافه و حذف می‌شوند.
    • ماتریس‌ها: می‌توانیم از لیست‌های تودرتو برای نمایش ماتریس‌ها استفاده کنیم.

    ۳. عملیات پردازش داده:

    • مرتب‌سازی: لیست‌ها می‌توانند برای مرتب‌سازی داده‌ها بر اساس یک معیار خاص استفاده شوند.
    • جستجو: می‌توان عناصر خاصی را در یک لیست جستجو کرد.
    • فیلتر کردن: می‌توان عناصر یک لیست را بر اساس یک شرط خاص فیلتر کرد.
    • جمع‌بندی: می‌توان عملیات جمع، ضرب، میانگین و سایر عملیات آماری را روی عناصر یک لیست انجام داد.

    ۴. کار با رشته‌ها:

    • تبدیل رشته به لیست: می‌توان یک رشته را به یک لیست از کاراکترها تبدیل کرد.
    • تقسیم یک رشته: می‌توان یک رشته را بر اساس یک جداکننده به چندین زیر رشته تقسیم کرد.

    ۵. ساختارهای داده‌ای پیچیده‌تر:

    • درخت‌ها: می‌توان از لیست‌ها برای پیاده‌سازی درخت‌ها استفاده کرد.
    • گراف‌ها: می‌توان از لیست‌های مجاورت یا ماتریس مجاورت برای نمایش گراف‌ها استفاده کرد.

    مثال عملی:

    Python

    # لیست خرید
    shopping_list = ["نان", "شیر", "تخم مرغ", "میوه"]
    
    # اضافه کردن یک عنصر به لیست
    shopping_list.append("سبزیجات")
    
    # حذف یک عنصر از لیست
    shopping_list.remove("نان")
    
    # دسترسی به یک عنصر خاص
    print(shopping_list[۱])  # چاپ: شیر
    
    # مرتب‌سازی لیست
    numbers = [۳, ۱, ۴, ۱, ۵, ۹]
    numbers.sort()
    print(numbers)  # چاپ: [۱, ۱, ۳, ۴, ۵, ۹]
    

     

     

• عملیات اضافه کردن، حذف و تغییر عناصر:

  • کاربردهای لیست‌ها در عملیات اضافه کردن، حذف و تغییر عناصر

    لیست‌ها در پایتون یکی از ساختارهای داده‌ای بسیار انعطاف‌پذیر هستند که برای ذخیره‌سازی مجموعه‌ای از عناصر قابل تغییر استفاده می‌شوند. یکی از مهم‌ترین کاربردهای لیست‌ها، توانایی آن‌ها در انجام عملیات اضافه کردن، حذف و تغییر عناصر است.

    اضافه کردن عناصر به لیست

    • append(): این متد یک عنصر را به انتهای لیست اضافه می‌کند.
      Python

      my_list = [۱, ۲, ۳]
      my_list.append(۴)
      print(my_list)  # خروجی: [۱, ۲, ۳, ۴]
      

    • insert(): این متد یک عنصر را در مکان مشخصی از لیست اضافه می‌کند.
      Python

      my_list = [۱, ۳, ۵]
      my_list.insert(۱, ۲)
      print(my_list)  # خروجی: [۱, ۲, ۳, ۵]
      

    • extend(): این متد عناصر یک لیست دیگر را به انتهای لیست فعلی اضافه می‌کند.
      Python

      list1 = [۱, ۲]
      list2 = [۳, ۴, ۵]
      list1.extend(list2)
      print(list1)  # خروجی: [۱, ۲, ۳, ۴, ۵]
      

    حذف عناصر از لیست

    • remove(): این متد اولین عنصر با مقدار مشخص شده را از لیست حذف می‌کند.
      Python

      my_list = [۱, ۲, ۳, ۲]
      my_list.remove(۲)
      print(my_list)  # خروجی: [۱, ۳, ۲]
      

    • pop(): این متد عنصر با اندیس مشخص شده را حذف می‌کند و آن را برمی‌گرداند. اگر اندیس مشخص نشود، آخرین عنصر را حذف می‌کند.
      Python

      my_list = [۱, ۲, ۳]
      removed_item = my_list.pop(۱)
      print(removed_item)  # خروجی: ۲
      print(my_list)  # خروجی: [۱, ۳]
      

    • clear(): این متد تمام عناصر لیست را حذف می‌کند.
      Python

      my_list = [۱, ۲, ۳]
      my_list.clear()
      print(my_list)  # خروجی: []
      

    تغییر عناصر لیست

    • تغییر مستقیم: برای تغییر مقدار یک عنصر خاص، می‌توان از اندیس آن استفاده کرد.
      Python

      my_list = [۱, ۲, ۳]
      my_list[۱] = ۵
      print(my_list)  # خروجی: [۱, ۵, ۳]
      

    • تغییر چندین عنصر با استفاده از slicing: برای تغییر چندین عنصر به طور همزمان، از slicing استفاده می‌شود.
      Python

      my_list = [۱, ۲, ۳, ۴, ۵]
      my_list[۲:۴] = [۹, ۸]
      print(my_list)  # خروجی: [۱, ۲, ۹, ۸, ۵]
      

    کاربردهای عملی

    • ساختارهای داده‌ای دینامیک: لیست‌ها برای ساختن ساختارهای داده‌ای مانند صف‌ها، پشته‌ها و درخت‌ها استفاده می‌شوند.
    • پردازش داده‌ها: لیست‌ها برای ذخیره و پردازش داده‌های ورودی و خروجی استفاده می‌شوند.
    • الگوریتم‌ها: بسیاری از الگوریتم‌های مرتب‌سازی، جستجو و پردازش داده‌ها از لیست‌ها استفاده می‌کنند.
    • برنامه‌نویسی کاربردی: لیست‌ها به عنوان ابزار اصلی برای بسیاری از کارهای برنامه‌نویسی روزمره استفاده می‌شوند.

     

• ساختارهای داده‌ای پیچیده‌تر:

  • کاربردهای لیست‌ها در ساختارهای داده‌ای پیچیده‌تر در پایتون

    لیست‌ها در پایتون به عنوان یکی از پایه‌های ساختار داده‌ها، نقش بسیار مهمی در ایجاد ساختارهای پیچیده‌تر ایفا می‌کنند. این ساختارها به شما امکان می‌دهند داده‌های خود را به صورت سازمان‌یافته‌تر و کارآمدتری مدیریت کنید.

    در زیر برخی از کاربردهای مهم لیست‌ها در ساختارهای داده‌ای پیچیده‌تر آورده شده است:

    ۱. ماتریس‌ها و آرایه‌ها:

    • نمایش داده‌های چند بعدی: لیست‌های تو در تو می‌توانند برای نمایش ماتریس‌ها و آرایه‌ها استفاده شوند. هر لیست داخلی یک ردیف از ماتریس را نشان می‌دهد.
    • عملیات روی ماتریس‌ها: بسیاری از عملیات ریاضی و پردازش تصویر بر روی ماتریس‌ها انجام می‌شود.
    • مثال:
      Python

      matrix = [[۱, ۲, ۳], [۴, ۵, ۶], [۷, ۸, ۹]]
      

    ۲. صف‌ها (Queues):

    • FIFO (First In First Out): در صف، اولین عنصری که وارد می‌شود، اولین عنصری است که خارج می‌شود.
    • پیاده‌سازی: از روش append برای اضافه کردن عنصر به انتها و از روش pop(0) برای حذف عنصر از ابتدا استفاده می‌شود.
    • کاربرد: در شبیه‌سازی سیستم‌های صف، مدیریت وظایف و پردازش داده‌ها به صورت ترتیبی.

    ۳. پشته‌ها (Stacks):

    • LIFO (Last In First Out): در پشته، آخرین عنصری که وارد می‌شود، اولین عنصری است که خارج می‌شود.
    • پیاده‌سازی: از روش append برای اضافه کردن عنصر به انتها و از روش pop() برای حذف عنصر از انتها استفاده می‌شود.
    • کاربرد: در بازگشت از توابع، مدیریت حافظه و ارزیابی عبارت‌های ریاضی.

    ۴. گراف‌ها:

    • نمایش ارتباطات: گراف‌ها برای نمایش ارتباطات بین اشیاء استفاده می‌شوند.
    • پیاده‌سازی: هر گره در گراف می‌تواند با یک لیست از همسایگان خود نمایش داده شود.
    • کاربرد: در شبکه‌های اجتماعی، مسیریابی، تجزیه و تحلیل داده‌ها.

    ۵. درخت‌ها:

    • ساختار سلسله مراتبی: درخت‌ها برای نمایش سلسله مراتب بین داده‌ها استفاده می‌شوند.
    • پیاده‌سازی: هر گره در درخت می‌تواند یک لیست از فرزندان خود داشته باشد.
    • کاربرد: در ساختارهای داده‌ای مانند درخت‌های جستجو، درخت‌های بیینری و درخت‌های AVL.

    ۶. لیست‌های پیوندی:

    • ساختار پویا: لیست‌های پیوندی به شما اجازه می‌دهند عناصر را به صورت پویا اضافه و حذف کنید.
    • پیاده‌سازی: هر عنصر در لیست پیوندی به عنصر بعدی اشاره می‌کند.
    • کاربرد: در مدیریت حافظه، پیاده‌سازی صف‌ها و پشته‌ها.

    ۷. دیکشنری‌ها:

    • کلید-مقدار: هر عنصر در دیکشنری با یک کلید منحصر به فرد شناسایی می‌شود.
    • پیاده‌سازی: کلیدها معمولاً از نوع تغییرناپذیر مانند رشته یا تاپل هستند و مقادیر می‌توانند از هر نوع داده‌ای باشند.
    • کاربرد: برای ذخیره داده‌های نامرتب و دسترسی سریع به آن‌ها.

    مزایای استفاده از لیست‌ها برای ساختارهای داده‌ای پیچیده‌تر:

    • انعطاف‌پذیری: لیست‌ها به شما اجازه می‌دهند به راحتی عناصر را اضافه، حذف و تغییر دهید.
    • سادگی: پیاده‌سازی بسیاری از ساختارهای داده‌ای با استفاده از لیست‌ها نسبتاً ساده است.
    • کارایی: لیست‌ها در بسیاری از عملیات به خوبی عمل می‌کنند.

    در کل، لیست‌ها یک ابزار قدرتمند در پایتون هستند که به شما امکان می‌دهند ساختارهای داده‌ای پیچیده و متنوعی را ایجاد کنید.

     

مثال:

shopping_list = ["شیر", "تخم مرغ", "نان"]
numbers = [۱, ۲, ۳, ۴, ۵]
matrix = [[۱, ۲, ۳], [۴, ۵, ۶]]

خلاصه

چه زمانی از کدام یک استفاده کنیم؟

• اگر به داده‌های ثابت نیاز دارید و می‌خواهید از تغییر تصادفی آن‌ها جلوگیری کنید: از تاپل استفاده کنید.
• اگر به داده‌های متغیر نیاز دارید و می‌خواهید به آن‌ها عناصر اضافه، حذف یا تغییر دهید: از لیست استفاده کنید.

در نهایت:

• تاپل‌ها برای داده‌های ثابت و کلیدهای دیکشنری استفاده می‌شوند.
• لیست‌ها برای داده‌های متغیر و ساختارهای داده‌ای پیچیده‌تر استفاده می‌شوند.

مثال‌های عملی بیشتر:

• تاپل:
  • بازگرداندن چندین مقدار از یک تابع:
    Python

    def divide(x, y):
        quotient = x // y
        remainder = x % y
        return quotient, remainder
    

• لیست:
  • ایجاد یک لیست از اعداد تصادفی:
    Python

    import random
    random_numbers = [random.randint(۱, ۱۰۰) for _ in range(۱۰)]
    

مفاهیم مرتبط:

• دیکشنری‌ها: برای ذخیره داده‌ها به صورت کلید-مقدار استفاده می‌شوند.
• مجموعه‌ها: برای ذخیره مجموعه‌های منحصر به فرد از عناصر استفاده می‌شوند.