سلام، دنیا! پایتون غول مهربان #

حدس بزن! #

حاضرید چالشی را امتحان کنید؟ این برنامه یک بازی حدس زدن اجرا می‌کند که در آن کامپیوتر عددی بین ۱ تا ۱۰۰ را به طور تصادفی انتخاب می‌کند و شما باید آن را حدس بزنید! آیا می‌توانید در چند تلاش آن را پیدا کنید؟ این برنامه از دستورهای شرطی برای بررسی اینکه حدس شما خیلی زیاد، خیلی کم یا درست است، و از یک حلقه برای ادامه‌ی درخواست حدس تا زمانی که موفق شوید، استفاده می‌کند.

دکمه‌ی «run» را کلیک کنید و ببینید آیا می‌توانید عدد مخفی را حدس بزنید! هرچه تعداد تلاش‌هایتان کمتر باشد، بهتر است.

            
import random
# The computer generates a random secret number between 1 and 100
secret_number = random.randint(1, 100)

guess = 0  # Initialize guess variable
tries = 0  # Initialize number of tries

# Loop to keep guessing until the user finds the secret number
while guess != secret_number:
  # Get the user's guess
  message = "یک عدد بین ۱ تا ۱۰۰ حدس بزنید!"
  if tries:
    message = "دوباره حدس بزنید:"
  guess = int(input(message))
  tries += 1  # Increment number of tries

  # Check if the guess is too high, too low, or correct using if statements
  if guess > secret_number:
    print("حدس شما خیلی بالاست!")
  elif guess < secret_number:
    print("حدس شما خیلی پایین است!")
  else:
    print(f"تبریک!\n شما با {tries} بار تلاش توانستید عدد را پیدا کنید.")
            
          

از بازی لذت بردید؟ نکته‌ی جالب اینجاست که می‌توانیم این کد را کمی تغییر دهیم و کاری کنیم که کامپیوتر عدد شما را حدس بزند! به این فکر کنید که چطور می‌توانیم منطق برنامه را برای رسیدن به این هدف تغییر دهیم.

موج میرا #

دیداری‌سازی نقشی حیاتی در محاسبات علمی و تحلیل داده‌ها ایفا می‌کند. این قابلیت به ما این امکان را می‌دهد تا الگوها، روندها و روابط درون داده‌ها را مشاهده کنیم که درک آن‌ها تنها از طریق اعداد دشوار است. با نمایش بصری اطلاعات، می‌توانیم درک شهودی بیشتری به دست آوریم.

پایتون، علاوه بر محاسبات عددی، در ایجاد نمودارها و دیداری‌سازی‌های جذاب نیز عالی عمل می‌کند. این بخش قابلیت‌های دیداری‌سازی پایتون را با یک موج سینوسی میرا به طور تعاملی به نمایش می‌گذارد. در اینجا، نحوه‌ی تولید یک موج سینوسی و کنترل نرخ میرایی آن با استفاده از یک اسلایدر را مشاهده می‌کنیم.

کد را اجرا کنید و نمودار اولیه را مشاهده نمایید. یک موج سینوسی با میرایی تدریجی خواهید دید. با اسلایدر «ضریب میرایی» کار کنید. مشاهده می‌کنید که تنظیم میزان اسلایدر به طور مستقیم بر نرخ میرایی موج در نمودار تأثیر می‌گذارد. ضریب میرایی پایین‌تر باعث می‌شود موج سریع‌تر محو شود، در حالی که مقدار بالاتر منجر به محو شدن آهسته‌تر می‌شود.

import numpy as np
import matplotlib.pyplot as plt
import ipywidgets as widgets
from IPython.display import display, clear_output

# Define parameters
x_values = np.linspace(0.0, 25.0, 400)
amplitude = np.sin(x_values)

# Function to update the plot
def update_plot(decay_factor):
    y_values = amplitude * (decay_factor ** x_values)
    clear_output(wait=True)
    
    fig, ax = plt.subplots(figsize=(5, 4))
    ax.plot(x_values, y_values, color='purple', linewidth=2)
    ax.set_xlabel("X-axis", fontsize=12)
    ax.set_ylabel("Y-axis", fontsize=12)
    ax.set_title("Fading Sine Wave", fontsize=14)
    ax.grid(True, which='both', linestyle='--', linewidth=0.5)
    ax.set_ylim(-1.1, 1.1)
    
    plt.show()

# Create and display the slider widget
decay_slider = widgets.FloatSlider(value=0.85, min=0.8, max=1.0, step=0.01, description='Decay')
widgets.interact(update_plot, decay_factor=decay_slider);  

          

این مثال نشان می‌دهد که چگونه از پایتون می‌توان برای دیداری‌سازی‌های تعاملی استفاده کرد که به شما این امکان را می‌دهند تا مفاهیم را به صورت بصری بررسی و درک کنید. با دستکاری پارامترهایی مانند ضریب میرایی، درک عمیق‌تری از تأثیر آن بر شکل موج میرا به دست می‌آورید.

جمع‌بندی #

گردش ما در دنیای جادویی برنامه‌نویسی پایتون، بسیار هیجان‌انگیز بود. با اصول اولیه‌ای مانند نمایش پیام ("سلام، دنیا!") آشنا شدیم، فال حافظ گرفتیم و حتی یک بازی سرگرم‌کننده (حدس بزن!) انجام دادیم.

اما قدرت واقعی پایتون در توانایی آن برای انجام کارهای پیچیده مانند ‌تجسم زیبای داده‌ها نهفته است. این موضوع در بخش موج میرا به نمایش گذاشته شد، در آنجا ما با یک اسلایدر مقادیر متغیری از یک تابع ریاضی را تغییر دادیم و به صورت لحظه‌ای تغییرات را در نمودار آن مشاهده کردیم.

اما این تنها ابتدای ماجراست. قابلیت‌های پایتون بسیار گسترده و پیشرفته هستند: از توسعه وب گرفته تا علم داده‌ها و یادگیری ماشین و حتی فراتر از آن. پایتون با کتابخانه‌های گسترده و دستورهای ساده، هم برای افرادی که تازه شروع به برنامه‌نویسی کرده‌اند و هم برای برنامه‌نویسان باتجربه، زبان فوق‌العاده‌ای است.

با عمیق‌تر شدن در پایتون، دنیایی وسیع از امکانات را خواهید دید. می‌توانید برنامه‌های کاربردی بسازید، داده‌های عظیم را تحلیل و دیداری‌سازی کنید و مهم‌تر از همه، از آن لذت ببرید! بنابراین، به کند و کاو، یادگیری و کشف پتانسیل‌های پایتون ادامه دهید!

سپاس#

این تجربه‌ یادگیری تعاملی پایتون با استفاده از فناوری‌های متن‌باز زیر امکان‌پذیر شده است:

• کتابخانه‌های پایتون:
  • NumPy: این کتابخانه ابزار قدرتمندی برای محاسبات عددی و کار با آرایه‌ها ارائه می‌دهد. با NumPy بیشتر آشنا شوید.
  • Matplotlib: می‌توان طیف وسیعی از دیداری‌سازی‌های ایستا، متحرک و تعاملی جذاب ایجاد کرد. ویژگی‌های Matplotlib را مشاهده کنید.
• محیط تعاملی:
  • Thebe.io: با اجرای Jupyter Notebook در صفحات وب، تجربیات کدنویسی تعاملی پایتون تحت وب را ممکن می‌سازد. از اموزش‌هایThebe.io بازدید کنید.
  • Binder: پلتفرم نوآورانه Binder امکان راه‌اندازی آسان محیط‌های تعاملی Jupyter Notebook را از مخازن گیت‌هاب فراهم می‌کند. قابلیت‌‌هایBinder را بیشتر بررسی کنید.
  • Jupyter Notebook: پروژه Jupyter Notebook یک رابط تحت وب تعاملی که برای اجرای کد پایتون ضروری است را ارائه می‌دهد. با پروژه Jupyter بیشتر آشنا شوید.

ارتباط با من #

دیدگاه‌ها و نظرات شما برای من بسیار ارزشمند است. لطفاً از طریق فرم تماس یا شبکه‌های اجتماعی که لینک‌های آن‌‌ها ارائه شده با من در ارتباط باشید.

انتشار #

سیاوش بختیارنیا – ۱۴ اردیبهشت ۱۴۰۳

مطالب سرگرم‌کننده و آموزشی بیشتری را در زمینه برنامه‌نویسی در وب‌سایت My Code Universe مشاهده کنید.