وارد کردن داده در پایتون چگونه می باشد؟

وارد کردن داده در پایتون چگونه می باشد؟


وارد کردن داده در پایتون

وارد کردن داده در پایتون اولین قدم برای انجام هر نوع تحلیل یا پردازش داده است. پایتون ابزارها و کتابخانه‌ های متنوعی را برای این کار در اختیار شما قرار می‌دهد.

روش‌ های اصلی وارد کردن داده:

  1. ورود دستی داده:

    • لیست‌ها: ساده‌ ترین روش برای تعریف یک مجموعه کوچک از داده‌ ها است.
      numbers = [1, 2, 3, 4, 5]                                           
                                                                                        
      names = ["علی", "حسین", "فاطمه"]                                 
      
    • تاپل‌ ها: مشابه لیست‌ ها هستند اما قابل تغییر نیستند.
      coordinates = (10, 20)                                             
      
    • دیکشنری‌ ها: برای ذخیره داده‌ های جفت شده (کلید-مقدار) استفاده می‌ شود.
      person = {"name": "علی", age": 30"}                         
      

پس از وارد کردن داده‌ ها، معمولاً نیاز به تمیز کردن و آماده‌ سازی آن‌ها برای تحلیل است؛ پس توصیه می شود اطمینان حاصل کنید که داده‌ ها را به درستی وارد کرده اید.(مثلاً اعداد، رشته‌ ها، تاریخ).

دستور واردن کردن داده (import) در پایتون

دستور import در پایتون به شما اجازه می‌دهد تا کد های موجود در یک فایل پایتون (ماژول) را به فایل فعلی خود اضافه کرده و از آن استفاده کنید. این دستور به شما امکان می‌ دهد تا از قابلیت‌ های از پیش تعریف شده و توابعی که دیگران نوشته‌ اند، بهره‌ مند شوید و کدهای خود را سازماندهی شده‌ تر و قابل استفاده مجدد تر کنید.

نحوه استفاده از دستور import

Python                                                                                      
                                                                                                  
                                                               import module_name
                                                                                                 
  • module_name: نام ماژولی است که می‌ خواهید وارد کنید.

چرا از import استفاده می‌ کنیم؟

  • استفاده مجدد از کد: به جای نوشتن مجدد کدها، می‌ توانید از کد های موجود در ماژول‌ های دیگر استفاده کنید.
  • سازماندهی کد: با تقسیم کد ها به ماژول‌ ها، کد های شما خواناتر و قابل نگهداری‌ تر می‌ شوند.
  • استفاده از کتابخانه‌ ها: پایتون دارای کتابخانه‌ های بسیار غنی‌ ای است که برای انجام کار های مختلف مانند پردازش داده‌ ها، محاسبات عددی، یادگیری ماشین و … استفاده می‌ شوند.

برای خرید لایسنس با کمترین قیمت، سایت مارا انتخاب نمایید.

ماژول در داده های پایتون چیست؟

ماژول در پایتون به سادگی یک فایل با پسوند  .py  است که شامل تعریف توابع، کلاس‌ ها، متغیر ها و دیگر عناصر برنامه‌ نویسی پایتون می‌ شود. این فایل‌ ها به عنوان بلوک‌ های سازنده برنامه‌ های بزرگ‌تر عمل می‌ کنند و به شما اجازه می‌ دهند کد خود را به قسمت‌ های کوچک‌تر، قابل مدیریت و قابل استفاده مجدد تقسیم کنید.

چرا از ماژول‌ها استفاده می‌ کنیم؟

  • سازماندهی کد: با قرار دادن کد های مرتبط در ماژول‌ های جداگانه، کد شما خوانا تر و قابل نگهداری‌ تر می‌ شود.
  • استفاده مجدد از کد: می‌ توانید یک ماژول را در پروژه‌ های مختلف استفاده کنید و از نوشتن مجدد کدهای تکراری جلوگیری کنید.
  • تقسیم کار: در پروژه‌ های بزرگ، چندین برنامه‌ نویس می‌توانند روی ماژول‌ های مختلف کار کنند.
  • کتابخانه‌ها: بسیاری از کتابخانه‌ های پایتون به صورت ماژول ارائه می‌شوند که امکانات گسترده‌ای را در اختیار شما قرار می‌ دهند.

مثال ساده:

فرض کنید می‌ خواهید توابعی برای انجام عملیات ریاضی ساده مانند جمع و ضرب تعریف کنید. می‌ توانید این توابع را در یک فایل به نام math_functions.py قرار دهید:

 Python                                                                                             
 math_functions.py#

:def add(x, y)
    return x + y    

:def multiply(x, y)
    return x * y   

سپس در یک فایل دیگر، می‌ توانید این ماژول را وارد کرده و از توابع آن استفاده کنید:

Python                                                                                               
main.py#

import math_functions

result = math_functions.add(5, 3)
خروجی: 8 #  print(result)

نحوه وارد کردن ماژول‌ ها:

  • import: برای وارد کردن کل ماژول استفاده می‌ شود.
    Python                                                                                    
    
    import math_functions
    

    from … import …: برای وارد کردن اجزای خاص یک ماژول استفاده می‌ شود.

    Python                                                                                    
    
    from math_functions import add
    

    as: برای دادن یک نام مستعار به ماژول یا یک جزء از آن استفاده می‌ شود.

    Python                                                                                    
    
    import math_functions as mf
    result = mf.add(5, 3)
    

 

ماژول‌ ها یکی از مفاهیم اساسی در برنامه‌ نویسی پایتون هستند و به شما کمک می‌ کنند تا کد های تمیز، قابل نگهداری و قابل استفاده مجدد بنویسید. با درک نحوه ایجاد و استفاده از ماژول‌ ها، می‌ توانید به راحتی از کتابخانه‌ های موجود استفاده کرده و پروژه‌ های بزرگ‌ تری را توسعه دهید.

ماژول در داده های پایتون چیست؟
ماژول در داده های پایتون چیست؟

انواع روش‌ های ورود داده (import) در پایتون

  • import مستقیم:
Python                                                                                                                                                  
 import math 
  • import با نام مستعار:
Python                                                                                                                                                 
import math as m
result = m.sqrt(16)      
  • import خاص:
Python                                                                                                                                                 
from math import sqrt 
result = sqrt(16)
  • import همه چیز: (توصیه نمی‌ شود)
Python                                                                                                                                                  
  * from math import

 در ادامه به معرفی این روش ها می پردازیم با ما همراه باشید.

مثال از دستور ورود داده در پایتون

دستور import در پایتون یکی از مهم‌ ترین ابزار ها برای استفاده مجدد از کد ها و بهره‌ برداری از قابلیت‌ های از پیش تعریف شده است. در این بخش، چند مثال کاربردی از استفاده از این دستور را بررسی می‌ کنیم:

1. وارد کردن ماژول ریاضیاتی (math)

 Python                                                                                                                                                                            
import math

 محاسبه جذر عدد 16 #
result = math . sqrt(16)
   خروجی: 4.0 # print(result)


 محاسبه سینوس زاویه 30 درجه (بر حسب رادیان)#
angle = math.radians(30)
sine = math.sin(angle)
خروجی: تقریباً 0.5 # print(sine)#

2. وارد کردن ماژول تصادفی (random)

Python                                                                                                                                                                             
import random

 تولید یک عدد تصادفی بین 1 تا 10#
random_number = random.randint(1, 10)
print(random_number)

انتخاب یک عنصر تصادفی از یک لیست# 
 ['سیب', 'موز', نار', 'پرتقال'] = fruits 
random_fruit = random.choice(fruits)
print(random_fruit)

3. وارد کردن ماژول NumPy برای محاسبات عددی

Python                                                                                                                                                                           
import numpy as np

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

 محاسبه میانگین عناصر آرایه#
mean_value = np.mean(array)
print(mean_value)

4. وارد کردن ماژول Pandas برای تحلیل داده

Python                                                                                                                                                                           
import pandas as pd

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

# نمایش 5 سطر اول داده
print(data.head())

# محاسبه میانگین یک ستون
average_sales = data["sales"].mean()
print("میانگین فروش:", average_sales)

5. وارد کردن ماژول Matplotlib برای رسم نمودار

Python                                                                                                                                                                           
import matplotlib.pyplot as plt

 ایجاد داده‌های نمونه#

x = [1, 2, 3, 4, 5]
y = [2, 4, 5, 4, 5]

# رسم نمودار خطی
plt.plot(x, y)
("محور X")plt.xlabel
("محور Y")plt.ylabel
("نمودار ساده")plt.title
plt.show() 
مثال از دستور ورود داده در پایتون
مثال از دستور ورود داده در پایتون

وارد کردن چندین داده ماژول در پایتون با دستور import

1. وارد کردن جداگانه هر ماژول:

Python                                                                                                                                                            
import math
import random
import pandas as pd

در این روش، هر ماژول به صورت جداگانه با استفاده از دستور import وارد می‌ شود. سپس برای استفاده از توابع و کلاس‌ های هر ماژول، باید از نام ماژول به عنوان پیشوند استفاده کنید.

2. وارد کردن با نام مستعار:

اگر نام ماژول طولانی یا تکراری باشد، می‌ توانید برای آن یک نام مستعار تعریف کنید. برای اختصاص نام مستعار به یک ماژول، از کلمه کلیدی as استفاده می‌ کنیم:

:

Python                                                                                                                                                           
import numpy as np
import pandas as pd

در این مثال، numpy با نام مستعار np و pandas با نام مستعار pd وارد شده‌اند.

3. وارد کردن خاص از یک ماژول:

اگر فقط به برخی از توابع یا کلاس‌ های یک ماژول نیاز دارید، می‌ توانید آن‌ها را به صورت جداگانه وارد کنید:

Python                                                                                                                                                           
from math import sqrt , pi
from random import randint

در این مثال، فقط توابع sqrt و pi از ماژول math و تابع randint از ماژول random وارد شده‌اند.

4. وارد کردن همه از یک ماژول:

توجه: این روش معمولاً توصیه نمی‌ شود، زیرا ممکن است باعث تداخل نام‌ ها شود.

Python                                                                                                                                                           
 * from math import

با استفاده از *، همه نام‌ های تعریف شده در ماژول math وارد می‌ شوند.

انواع لایسنس تبلو tableau و لایسنس پاور بی آی با ارزان ترین قیمت توسط آن لایسنس ارائه می شود.

اختصاص نام مستعار به داده های پایتون

در پایتون، هنگامی که چندین ماژول را وارد می‌ کنیم یا نام یک ماژول طولانی است، برای سهولت در استفاده از آن، می‌ توانیم به آن یک نام مستعار اختصاص دهیم. این کار باعث می‌ شود که کد ما خواناتر و کوتاه‌تر شود.

چرا به importها نام مستعار می‌ دهیم؟

  • کاهش تایپ: برای ماژول‌ هایی که نام طولانی دارند، استفاده از نام مستعار باعث کاهش تعداد کاراکتر هایی می‌ شود که باید تایپ کنیم.
  • جلوگیری از تداخل نام‌ ها: اگر دو ماژول مختلف توابع یا کلاس‌ هایی با نام یکسان داشته باشند، استفاده از نام مستعار به ما کمک می‌ کند تا آن‌ ها را از هم تشخیص دهیم.
  • افزایش خوانایی کد: استفاده از نام‌ های مستعار کوتاه و مرتبط می‌ تواند کد را خواناتر کند.

نحوه اختصاص نام مستعار:

برای اختصاص نام مستعار به یک ماژول، از کلمه کلیدی as استفاده می‌ کنیم:

Python                                                                                                                                                                             
import math as m

در مثال بالا، ماژول math به نام مستعار m اختصاص داده شده است. حالا برای استفاده از توابع این ماژول، به جای math.sqrt می‌ توانیم از m.sqrt استفاده کنیم.

مثال‌ های بیشتر:

Python                                                                                                                                                                              
import numpy as np
import pandas as pd

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

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

در این مثال، ماژول‌ های numpy و pandas به ترتیب با نام‌ های مستعار np و pd وارد شده‌اند.

نکات مهم:

  • انتخاب نام مستعار: نام مستعار باید کوتاه، توصیفی و منحصر به فرد باشد تا به راحتی قابل تشخیص باشد.
  • تداخل نام‌ ها: از انتخاب نام مستعاری که با نام متغیر یا تابع دیگری تداخل داشته باشد، خودداری کنید.
  • خوانایی کد: هدف از استفاده از نام مستعار، افزایش خوانایی کد است. نام مستعاری را انتخاب کنید که معنای آن برای شما و سایر برنامه‌ نویسان واضح باشد.

برای خرید لایسنس Enterprise security (ES) به فروشگاه آن لایسنس مراجعه کنید.

داده های ورودی مطلق(absolute) در پایتون

Import مطلق در پایتون به وارد کردن ماژول‌ ها یا پکیج‌ ها با استفاده از مسیر کامل آن‌ ها از ریشه پروژه اشاره دارد. این روش برای ساختارهای پروژه بزرگ و پیچیده بسیار مفید است، زیرا به وضوح مشخص می‌ کند که ماژول از کجا وارد شده است.

ساختار پروژه

برای درک بهتر import های مطلق، بیایید یک ساختار پروژه ساده را در نظر بگیریم:

Python                                                                                                                                                                           
    /my_project init_ _.py_ _ ──| module1.py ──| /package ──└ init_ _.py_ _ ──| module2.py ──└ 

مثال import مطلق

  • وارد کردن ماژول از همان سطح:
Python                                                                                                                                                                             
 module1.py#
import my_project.package.module2
  • وارد کردن ماژول از سطح بالاتر:
Python                                                                                                                                                                             
 package/module2.py#
import my_project.module1

مزایای استفاده از import مطلق

  • وضوح و خوانایی: مسیر کامل ماژول به وضوح مشخص می‌کند که از کجا وارد شده است.
  • کاهش مشکلات مربوط به مسیر های نسبی: از مشکلات مربوط به مسیر های نسبی که در پروژه‌های بزرگ ممکن است ایجاد شود، جلوگیری می‌کند.
  • سازگاری بهتر: در محیط‌ های مختلف مانند محیط‌ های مجازی یا سیستم‌ های ساخت، import های مطلق معمولاً بهتر کار می‌ کنند.

مثال با نام مستعار

Python                                                                                                                                                                              

import my_project.package.module2 as module2
Import های مطلق یک روش قابل اعتماد و شفاف برای وارد کردن ماژول‌ ها در پایتون هستند. آن‌ ها به ویژه در پروژه‌ های بزرگ و پیچیده مفید هستند. با استفاده از import های مطلق، می‌توانید کد خود را بهتر سازماندهی کرده و مشکلات مربوط به مسیر های نسبی را کاهش دهید.
داده های ورودی مطلق(absolute) در پایتون
داده های ورودی مطلق(absolute) در پایتون

داده های ورودی نسبی(relative) در پایتون

Import نسبی در پایتون به وارد کردن ماژول‌ ها یا پکیج‌ ها با استفاده از مسیر نسبی نسبت به ماژول فعلی اشاره دارد. این روش برای ساختار های پروژه کوچک و ساده مناسب‌ تر است، اما در پروژه‌ های بزرگ ممکن است منجر به مشکلات شود.

ساختار پروژه

برای درک بهتر import های نسبی، از همان ساختار پروژه قبلی استفاده می‌ کنیم:

Python                                                                                                                                                                          
/my_project
init_ _.py_ _ ──|
module1.py ──|
/package ──└
init_ _.py_ _ ──|
module2.py ──└          

  • وارد کردن ماژول از همان دایرکتوری:
Python                                                                                                                                                                            

 module1.py #
from . import module2

  • وارد کردن ماژول از دایرکتوری والد:
Python                                                                                                                                                                            
package/module2.py #
from .. import module1

  • وارد کردن ماژول از زیر دایرکتوری:
Python                                                                                                                                                                            
 package/__init__.py#
from . import module2

مزایا و معایب import های نسبی

مزایا:

  • کوتاه‌تر و ساده‌تر: مسیر های import کوتاه‌ تر هستند.

معایب:

  • وابستگی به ساختار پروژه: تغییر ساختار پروژه ممکن است باعث شکستن import های نسبی شود.
  • مشکلات در پروژه‌های بزرگ: در پروژه‌های بزرگ، مدیریت import های نسبی پیچیده می‌ شود.
  • کمتر توصیه شده: در اکثر موارد، import های مطلق ترجیح داده می‌ شوند.

نکات مهم

  • استفاده از نقطه: نقطه (.) برای نشان دادن دایرکتوری فعلی استفاده می‌ شود.
  • استفاده از دو نقطه: دو نقطه (..) برای نشان دادن دایرکتوری والد استفاده می‌ شود.
  • محدودیت‌ها: import های نسبی محدودیت‌ هایی دارند و در برخی موارد ممکن است کار نکنند.

Import های نسبی در پایتون برای وارد کردن ماژول‌ ها نسبت به ماژول فعلی استفاده می‌ شوند. آن‌ ها ساده‌ تر هستند اما در پروژه‌ های بزرگ ممکن است مشکل‌ ساز شوند. به طور کلی، توصیه می‌ شود از import های مطلق استفاده کنید، مگر اینکه دلیل خوبی برای استفاده از import های نسبی وجود داشته باشد.

بیشتر بخوانید :

پردازش تصویریاب در Pillow(Pil) در کتابخانه پایتون

نصب scimitar در نرم افزار پایتون

بدون دیدگاه

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *