فهرست مطالب

متغیرها در پایتون: یک توضیح جامع

متغیر در برنامه‌نویسی به مکانی در حافظه گفته می‌شود که برای ذخیره داده‌ها استفاده می‌شود. این مکان یک نام دارد که به آن نام متغیر می‌گویند. در پایتون، شما نیازی به اعلام نوع داده‌ی یک متغیر قبل از استفاده از آن ندارید، زیرا پایتون یک زبان برنامه‌نویسی با تایپ دینامیک است.

نحوه ایجاد یک متغیر در پایتون

برای ایجاد یک متغیر در پایتون، کافیست یک نام برای آن انتخاب کرده و به آن مقداری اختصاص دهید. از علامت مساوی (=) برای انتساب مقدار به یک متغیر استفاده می‌شود.

Python
 name = "علی"
age = ۲۵
height = ۱.۷۵ 

در مثال بالا:

name یک متغیر از نوع رشته (string) است که مقدار “علی” را در خود نگه می‌دارد.
age یک متغیر از نوع عدد صحیح (integer) است که مقدار ۲۵ را در خود نگه می‌دارد.
height یک متغیر از نوع عدد اعشاری (float) است که مقدار ۱.۷۵ را در خود نگه می‌دارد.

قوانین و کنوانسیون‌های نام‌گذاری متغیرها در زبان برنامه‌نویسی پایتون

در زبان برنامه‌نویسی پایتون، انتخاب نام‌های مناسب برای متغیرها از اهمیت ویژه‌ای برخوردار است. نام‌گذاری صحیح متغیرها نه تنها خوانایی کد را بهبود می‌بخشد بلکه به درک بهتر منطق برنامه کمک شایانی می‌کند. در ادامه، قوانین و کنوانسیون‌های رایج برای نام‌گذاری متغیرها در پایتون تشریح خواهد شد.

قوانین اساسی نام‌گذاری متغیرها:

حروف، اعداد و زیرخط: نام متغیرها می‌تواند ترکیبی از حروف کوچک و بزرگ الفبا، اعداد و کاراکتر زیرخط (_) باشد.
شروع با حرف یا زیرخط: نام متغیر باید با یک حرف (کوچک یا بزرگ) یا کاراکتر زیرخط آغاز شود. استفاده از اعداد در ابتدای نام مجاز نیست.
حساسیت به حروف بزرگ و کوچک: پایتون بین حروف بزرگ و کوچک تفاوت قائل می‌شود. لذا، myVariable و myvariable دو متغیر مجزا محسوب می‌شوند.
پرهیز از کلمات کلیدی: استفاده از کلمات کلیدی زبان پایتون (مانند if, else, for, while) به عنوان نام متغیر ممنوع است.
عدم استفاده از کاراکترهای خاص: از بکار بردن کاراکترهای خاص مانند !, @, #, $, %, ^, &, *, (, ), +, -, {, }, :, ;, “, ‘, <, >, ?, /, |, \ در نام‌گذاری متغیرها خودداری نمایید.

کنوانسیون‌های نام‌گذاری توصیه شده:

snake_case: در این کنوانسیون، کلمات تشکیل‌دهنده‌ی نام متغیر با استفاده از کاراکتر زیرخط از هم جدا می‌شوند. این روش، رایج‌ترین و توصیه‌شده‌ترین کنوانسیون در پایتون است. مثال: first_name, last_name, user_age
CamelCase: در این کنوانسیون، حرف اول هر کلمه به جز کلمه اول با حروف بزرگ نوشته می‌شود. مثال: firstName, lastName
PascalCase: در این کنوانسیون، حرف اول تمام کلمات با حروف بزرگ نوشته می‌شود. مثال: FirstName, LastName

انتخاب کنوانسیون مناسب: انتخاب کنوانسیون نام‌گذاری به سلیقه‌ی شخصی و استانداردهای تیم توسعه بستگی دارد. با این حال، استفاده از یک کنوانسیون واحد در تمام پروژه‌ها به بهبود خوانایی و یکپارچگی کد کمک شایانی می‌کند.

نکات تکمیلی برای نام‌گذاری متغیرها:

معنادار بودن: نام متغیر باید بیانگر مفهوم و محتوای آن باشد.
کوتاه و مختصر: نام متغیر باید کوتاه و گویا باشد.
یک‌کلمه‌ای بودن: در صورت امکان، از یک کلمه برای نام‌گذاری متغیر استفاده شود.
جمع‌بندی: برای متغیرهایی که چندین مقدار را در خود ذخیره می‌کنند، از کلمات جمع استفاده شود (مانند list, array).

جمع‌بندی: رعایت قوانین و کنوانسیون‌های نام‌گذاری متغیرها در پایتون، به شما کمک می‌کند تا کدهای قابل فهم‌تر و با کیفیت‌تری تولید نمایید. انتخاب نام‌های مناسب برای متغیرها، فرآیند توسعه، اشکال‌زدایی و نگهداری از نرم‌افزار را تسهیل می‌نماید.

PEP 8: راهنمای سبک نگارش کد در پایتون

PEP 8 یک راهنمای رسمی و استاندارد برای نگارش کد در زبان برنامه‌نویسی پایتون است. هدف اصلی PEP 8 افزایش خوانایی و یکپارچگی کدهای پایتون است تا توسعه‌دهندگان بتوانند به راحتی کدهای یکدیگر را درک کنند و از آن بهره‌برداری کنند.

چرا PEP 8 مهم است؟

خوانایی کد: کدهایی که مطابق با PEP 8 نوشته شده‌اند، به راحتی قابل خواندن و درک هستند.
یکپارچگی پروژه: استفاده از یک سبک نگارشی واحد در کل پروژه، همکاری تیم توسعه را تسهیل می‌کند.
کاهش خطا: رعایت قواعد PEP 8 به کاهش خطاهای ناشی از اشتباهات تایپی و سوء تفاهم‌ها کمک می‌کند.
استانداردسازی: PEP 8 به عنوان یک استاندارد جهانی شناخته شده است و رعایت آن، کد شما را حرفه‌ای‌تر می‌کند.

اصول کلیدی PEP 8

تورفتگی: از ۴ فاصله برای هر سطح تورفتگی استفاده کنید.
طول خطوط: حداکثر طول خط ۷۹ کاراکتر است.
فضاهای خالی: از فضاهای خالی برای جدا کردن عملگرها، کاماها و پرانتزها استفاده کنید.
خطوط خالی: از خطوط خالی برای جدا کردن بخش‌های مختلف کد استفاده کنید.
نام‌گذاری: از نام‌های معنادار و توصیفی برای متغیرها، توابع و کلاس‌ها استفاده کنید.
کامنت‌ها: از کامنت‌ها برای توضیح بخش‌های پیچیده کد استفاده کنید.
ایمپورت: ماژول‌ها را در ابتدای فایل و به صورت جداگانه وارد کنید.

مثال

Python
 # این یک مثال از کد پایتون است که مطابق با PEP 8 نوشته شده است.

def calculate_area(length, width):
    """این تابع مساحت یک مستطیل را محاسبه می‌کند."""
    area = length * width
    return area

# مثال استفاده از تابع
result = calculate_area(۱۰, ۵)
print(result)
 

ابزارهای بررسی تطابق با PEP 8

برای اطمینان از اینکه کد شما با PEP 8 مطابقت دارد، می‌توانید از ابزارهای زیر استفاده کنید:

Pylint: یک ابزار قدرتمند برای تحلیل استاتیک کد پایتون است که می‌تواند خطاها و پیشنهاداتی برای بهبود کیفیت کد ارائه دهد.
Flake8: یک ابزار ساده‌تر برای بررسی تطابق کد با PEP 8 است.
Black: یک فرمت‌کننده کد است که به صورت خودکار کد شما را بر اساس PEP 8 فرمت می‌کند.

چرا باید PEP 8 را رعایت کنیم؟

رعایت PEP 8 به شما کمک می‌کند تا:

کدهای تمیزتر و قابل نگهداری‌تری بنویسید.
به عنوان یک برنامه‌نویس حرفه‌ای شناخته شوید.
در پروژه‌های بزرگتر با سایر توسعه‌دهندگان به راحتی همکاری کنید.
از خطاهای رایج در برنامه‌نویسی جلوگیری کنید.

برای اطلاعات بیشتر در مورد PEP 8، می‌توانید به وبسایت رسمی آن مراجعه کنید: https://www.python.org/dev/peps/pep-0008/

قالب‌بندی کد در پایتون: اهمیت و روش‌ها

قالب‌بندی کد در پایتون، همانند سایر زبان‌های برنامه‌نویسی، نقش بسیار مهمی در خوانایی، درک و نگهداری کد ایفا می‌کند. یک کد با قالب‌بندی مناسب، نه تنها برای خود برنامه‌نویس بلکه برای سایر توسعه‌دهندگانی که با کد کار می‌کنند، بسیار مفید خواهد بود.

چرا قالب‌بندی کد مهم است؟

خوانایی بهتر: کد با قالب‌بندی مناسب، مانند یک متن منظم و مرتب، به راحتی قابل خواندن و درک است.
کاهش خطا: قالب‌بندی صحیح، به ویژه در پروژه‌های بزرگ، به کاهش خطاهای ناشی از اشتباهات تایپی و سوء تفاهم‌ها کمک می‌کند.
تسهیل همکاری: در پروژه‌های گروهی، داشتن یک سبک قالب‌بندی واحد، همکاری بین توسعه‌دهندگان را تسهیل می‌کند.
افزایش بهره‌وری: با کاهش زمان صرف شده برای درک کد، توسعه‌دهندگان می‌توانند با سرعت بیشتری به کار خود ادامه دهند.

روش‌های قالب‌بندی کد در پایتون

تورفتگی (Indentation):
- مهم‌ترین اصل در قالب‌بندی کد پایتون است.
- برای نشان دادن بلوک‌های کد استفاده می‌شود.
- معمولاً از ۴ فاصله برای هر سطح تورفتگی استفاده می‌شود.
طول خطوط:
- حداکثر طول خط ۷۹ کاراکتر توصیه می‌شود.
- برای خطوط طولانی‌تر از عملگرها یا کاماها برای شکستن خط استفاده کنید.
فضاهای خالی:
- از فضاهای خالی برای جدا کردن عملگرها، کاماها و پرانتزها استفاده کنید.
- از فضاهای خالی قبل از کاما و کولون اجتناب کنید.
خطوط خالی:
- از خطوط خالی برای جدا کردن توابع، کلاس‌ها و بخش‌های مختلف کد استفاده کنید.
نام‌گذاری:
- از نام‌های معنادار و توصیفی برای متغیرها، توابع و کلاس‌ها استفاده کنید.
- از snake_case برای نام‌گذاری متغیرها و توابع استفاده کنید.
کامنت‌ها:
- از کامنت‌ها برای توضیح بخش‌های پیچیده کد استفاده کنید.
- کامنت‌ها را به صورت واضح و مختصر بنویسید.

ابزارهای قالب‌بندی خودکار

برای اطمینان از رعایت استانداردهای قالب‌بندی، می‌توانید از ابزارهای زیر استفاده کنید:

Black: یک فرمت‌کننده کد قدرتمند است که به صورت خودکار کد شما را بر اساس PEP 8 فرمت می‌کند.
autopep8: یک ابزار دیگر برای قالب‌بندی خودکار کد است که به شما امکان می‌دهد تنظیمات مختلفی را پیکربندی کنید.
yapf: یک فرمت‌کننده کد قابل تنظیم است که توسط Google توسعه داده شده است.

PEP 8

PEP 8 یک راهنمای رسمی و استاندارد برای نگارش کد در پایتون است. این راهنما اصول و قواعد قالب‌بندی کد را به طور دقیق توضیح می‌دهد. رعایت PEP 8 به شما کمک می‌کند تا کدهای با کیفیت‌تر و حرفه‌ای‌تری بنویسید.

مثال:

Python
 def calculate_area(length, width):
    """این تابع مساحت یک مستطیل را محاسبه می‌کند."""
    area = length * width
    return area

# مثال استفاده از تابع
result = calculate_area(۱۰, ۵)
print(result)
 

جمع‌بندی

قالب‌بندی صحیح کد، یکی از مهم‌ترین اصول برنامه‌نویسی است. با رعایت قواعد قالب‌بندی و استفاده از ابزارهای مناسب، می‌توانید کدهای خواناتر، قابل نگهداری‌تر و حرفه‌ای‌تری بنویسید.

انواع داده‌ای در پایتون

در پایتون، داده‌ها به صورت‌های مختلفی ذخیره و دستکاری می‌شوند. هر نوع داده، ویژگی‌ها و کاربردهای خاص خود را دارد. در این بخش، به معرفی انواع داده‌های اصلی در پایتون می‌پردازیم:

انواع داده‌های ساده

اعداد صحیح (Integers): اعدادی بدون جزء کسری هستند. برای نمایش آنها از نوع داده int استفاده می‌شود.
Python
```
age = ۳۰
```
اعداد اعشاری (Floating-point numbers): اعدادی با جزء کسری هستند. برای نمایش آنها از نوع داده float استفاده می‌شود.
Python
```
pi = ۳.۱۴
```
رشته‌ها (Strings): دنباله‌ای از کاراکترها هستند. برای نمایش آنها از علامت نقل قول تک یا دوگانه استفاده می‌شود.
Python
```
name = "علی"
```
بولین (Booleans): تنها دو مقدار می‌گیرند: True یا False. برای نمایش مقادیر منطقی استفاده می‌شوند.
Python
```
is_python_fun = True
```

انواع داده‌های مرکب

لیست‌ها (Lists): مجموعه‌ای مرتب از عناصر است که قابل تغییر هستند. عناصر یک لیست می‌توانند از انواع داده‌های مختلف باشند.
Python
```
fruits = ["سیب", "موز", "انار"]
```
تاپل‌ها (Tuples): مشابه لیست‌ها هستند اما غیرقابل تغییر هستند.
Python
```
coordinates = (۳, ۴)
```
مجموعه‌ها (Sets): مجموعه‌ای از عناصر منحصر به فرد و غیر مرتب است.
Python
```
my_set = {۱, ۲, ۳}
```
دیکشنری‌ها (Dictionaries): مجموعه‌ای از جفت‌های کلید-مقدار است. کلیدها باید منحصر به فرد باشند.
Python
```
person = {"name": "علی", "age": ۳۰}
```

تبدیل انواع داده‌ای

در پایتون می‌توان انواع داده‌ای را به یکدیگر تبدیل کرد. برای مثال:

Python
 # تبدیل رشته به عدد صحیح
number = int("۴۲")

# تبدیل عدد به رشته
string_number = str(۴۲)
 

تعیین نوع داده

برای تعیین نوع داده یک متغیر از تابع type() استفاده می‌شود:

Python
 x = ۴۲
print(type(x))  # خروجی: <class 'int'> 

نکات مهم

تایپ دینامیک: در پایتون، نوع داده یک متغیر در زمان اجرا تعیین می‌شود و نیازی به تعریف اولیه آن نیست.
عملگرها: هر نوع داده‌ای عملگرهای مخصوص به خود را دارد. برای مثال، عملگر + برای اعداد عمل جمع و برای رشته‌ها عمل الحاق را انجام می‌دهد.

مثال جامع:

Python
 # تعریف متغیرهای مختلف
name = "علی"
age = ۳۰
height = ۱.۷۵
is_student = True
fruits = ["سیب", "موز"]
person = {"name": "علی", "age": ۳۰}

# چاپ انواع داده‌ها
print(type(name))  # <class 'str'>
print(type(age))  # <class 'int'>
print(type(height))  # <class 'float'>
print(type(is_student))  # <class 'bool'>
print(type(fruits))  # <class 'list'>
print(type(person))  # <class 'dict'> 

جمع‌بندی آشنایی با انواع داده‌ای در پایتون، برای نوشتن برنامه‌های کارآمد و قابل فهم بسیار مهم است. هر نوع داده، کاربرد خاص خود را دارد و انتخاب نوع داده مناسب، به بهبود عملکرد و خوانایی کد کمک می‌کند.

ساختارهای داده در پایتون

ساختارهای داده، روش‌هایی برای سازماندهی و ذخیره داده‌ها در حافظه کامپیوتر هستند. پایتون طیف گسترده‌ای از ساختارهای داده داخلی را ارائه می‌دهد که به شما امکان می‌دهند داده‌های خود را به صورت موثر مدیریت کنید. در این بخش به بررسی برخی از مهم‌ترین ساختارهای داده در پایتون می‌پردازیم:

لیست‌ها (Lists)

مجموعه مرتبی از عناصر است که قابل تغییر هستند.
عناصر یک لیست می‌توانند از انواع داده‌های مختلف باشند.
با استفاده از براکت‌های مربع تعریف می‌شوند.

Python
 fruits = ["سیب", "موز", "انار"]
 

تاپل‌ها (Tuples)

مشابه لیست‌ها هستند اما غیرقابل تغییر هستند.
با استفاده از پرانتز تعریف می‌شوند.
زمانی استفاده می‌شوند که می‌خواهید اطمینان حاصل کنید داده‌ها تغییر نکنند.

Python
 coordinates = (۳, ۴)
 

مجموعه‌ها (Sets)

مجموعه‌ای از عناصر منحصر به فرد و غیر مرتب است.
با استفاده از آکولاد تعریف می‌شوند.
برای حذف عناصر تکراری و انجام عملیات‌های ریاضی روی مجموعه‌ها استفاده می‌شود.

Python
 my_set = {۱, ۲, ۳}
 

دیکشنری‌ها (Dictionaries)

مجموعه‌ای از جفت‌های کلید-مقدار است.
کلیدها باید منحصر به فرد باشند.
برای ذخیره داده‌های مرتبط به صورت جفت استفاده می‌شود.
با استفاده از آکولاد تعریف می‌شوند.

Python
 person = {"name": "علی", "age": ۳۰}
 

مقایسه ساختارهای داده

ویژگی	لیست	تاپل	مجموعه	دیکشنری
مرتب بودن	بله	بله	خیر	خیر (کلیدها)
قابل تغییر بودن	بله	خیر	بله	بله
عناصر تکراری	مجاز	مجاز	مجاز نیست	کلیدها مجاز نیستند
دسترسی به عناصر	با استفاده از اندیس	با استفاده از اندیس	با استفاده از مقدار	با استفاده از کلید

انتخاب ساختار داده مناسب

انتخاب ساختار داده مناسب بستگی به نوع داده‌ها، عملیات مورد نظر و نیازهای برنامه دارد. به عنوان مثال:

لیست‌ها: برای ذخیره مجموعه مرتبی از عناصر که ممکن است تغییر کنند.
تاپل‌ها: برای ذخیره داده‌های ثابت که نباید تغییر کنند.
مجموعه‌ها: برای حذف عناصر تکراری و انجام عملیات‌های ریاضی روی مجموعه‌ها.
دیکشنری‌ها: برای ذخیره داده‌های مرتبط به صورت جفت کلید-مقدار.

عملیات روی ساختارهای داده

هر ساختار داده، عملیات مخصوص به خود را دارد. به عنوان مثال:

لیست‌ها: اضافه کردن، حذف، جستجو، مرتب‌سازی
تاپل‌ها: دسترسی به عناصر
مجموعه‌ها: اضافه کردن، حذف، اجتماع، اشتراک
دیکشنری‌ها: دسترسی به مقدار با استفاده از کلید، اضافه کردن، حذف

نکات مهم

تایپ دینامیک: در پایتون، نوع داده یک متغیر در زمان اجرا تعیین می‌شود و نیازی به تعریف اولیه آن نیست.
عملگرها: هر نوع داده‌ای عملگرهای مخصوص به خود را دارد. برای مثال، عملگر + برای اعداد عمل جمع و برای رشته‌ها عمل الحاق را انجام می‌دهد.

مثال جامع:

Python
 # لیستی از میوه‌ها
fruits = ["سیب", "موز", "انار"]

# تاپلی از مختصات
coordinates = (۳, ۴)

# مجموعه‌ای از اعداد
numbers = {۱, ۲, ۳, ۲}

# دیکشنری اطلاعات یک شخص
person = {"name": "علی", "age": ۳۰}

# دسترسی به عناصر
print(fruits[۰])  # سیب
print(coordinates[۱])  # ۴
print(person["name"])  # علی 

تغییر مقدار یک متغیر

مقدار یک متغیر را می‌توان در هر زمان تغییر داد:

Python
 x = ۱۰
print(x)  # خروجی: ۱۰

x = ۲۰
print(x)  # خروجی: ۲۰ 

عملیات روی انواع داده‌ها

در پایتون، انواع داده‌های مختلفی وجود دارد که هر کدام عملیات خاص خود را دارند. در اینجا برخی از عملیات رایج روی انواع داده‌های اولیه در پایتون آورده شده است:

عملیات روی اعداد (Integers):

عملگر	توضیحات	مثال	خروجی
+	جمع	x = 10, y = 3, sum = x + y	sum = 13
–	تفریق	x = 10, y = 3, difference = x – y	difference = 7
*	ضرب	x = 10, y = 3, product = x * y	product = 30
/	تقسیم	x = 10, y = 3, division = x / y	division = 3.3333333333333335
//	تقسیم صحیح	x = 10, y = 3, floor_division = x // y	floor_division = 3
%	باقی‌مانده	x = 10, y = 3, modulo = x % y	modulo = 1
**	توان	x = 10, y = 3, power = x ** y	power = 1000

عملیات روی اعداد اعشاری (Floats):

همان عملیات‌های اعداد صحیح روی اعداد اعشاری نیز قابل انجام است.

عملیات روی رشته‌ها (Strings):

عملگر	توضیحات	مثال	خروجی
+	الحاق	name = “علی”, message = “سلام”, full_message = message + ” ” + name	full_message = “سلام علی”
*	تکرار	message = “سلام”, repeated_message = message * 3	repeated_message = “سلامسلامسلام”
in	عضویت	name = “علی”, is_present = “م” in name	is_present = False
[start:end]	برش	name = “علی”, first_letter = name[0], sub_string = name[1:3]	first_letter = “ع”, sub_string = “لـ”

عملیات روی بولین‌ها (Booleans):

عملگر	توضیحات	مثال	خروجی
not	NOT	x = True, not_x = not x	not_x = False
and	AND	x = True, y = False, both_true = x and y	both_true = False
or	OR	x = True, y = False, one_true = x or y	one_true = True

نکات مهم:

برای انجام برخی از عملیات، انواع داده‌ها باید سازگار باشند. برای مثال، نمی‌توان جمع بین یک عدد و یک رشته انجام داد.
خروجی برخی از عملیات ممکن است نوع داده‌ی جدیدی باشد. برای مثال، حاصل تقسیم دو عدد صحیح ممکن است یک عدد اعشاری باشد.

تبدیل انواع داده‌ای در پایتون

در پایتون، می‌توان انواع داده‌ای را به یکدیگر تبدیل کرد. این فرایند به نام cast یا type conversion شناخته می‌شود. در اینجا برخی از انواع تبدیلات رایج آورده شده است:

تبدیل از	تبدیل به	مثال	خروجی
عدد صحیح	عدد اعشاری	`number = 42<br> float_number = float(number)`	`تبدیل عدد صحیح به عدد اعشاری: ۴۲.۰`
عدد اعشاری	عدد صحیح	`decimal_number = 3.14<br> integer = int(decimal_number)`	`تبدیل عدد اعشاری به عدد صحیح: ۳`
رشته	عدد صحیح	`string_number = "42"<br> converted_number = int(string_number)`	`تبدیل رشته به عدد صحیح: ۴۲`
رشته	عدد اعشاری	`string_decimal = "3.14"<br> converted_decimal = float(string_decimal)`	`تبدیل رشته به عدد اعشاری: ۳.۱۴`
بولین	عدد صحیح	`is_true = True<br> integer_from_bool = int(is_true)`	`تبدیل بولین به عدد صحیح: ۱`

نکات مهم:

هنگام تبدیل رشته به عدد، اگر رشته قابل تبدیل به عدد نباشد، باعث خطا می‌شود.
تبدیل عدد اعشاری به عدد صحیح، باعث حذف رقم‌های اعشار می‌شود (تقریب به پایین).

۵/۵ ( ۲ امتیاز )

هادی محمدیان ۱۴۰۳/۰۵/۱۴آخرین به روز رسانی: 1403/05/14

۰ 20 خواندن این مطلب 11 دقیقه زمان میبرد

نمایش بیشتر

متغیرها در پایتون

Python Variables