سلام، اومدم یه چیزی بگم و برم ?

امروز داشتم یه برنامه ای مینوشتم که یه سری دیتا رو میفرستاد به یه جایی و دیتایی که داشتم به شکل یه لیست بود که توش هزاران دیکشنری بود

نیاز بود که 100 تا 100 تا دیکشنری هارو از توی لیست بیارم بیرون و بفرستم به مقصد
پس اول اومدم یه همچین چیزی نوشتم

```
ids = []

for index, item in enumerate(iterable):
    if index % 100 == 0:
        ids_string = ','.join(ids)
        ...  # اینجا دیتا رو ارسال کردم به مقصد
        ids.clear()

else:
        ids.append(item)
```

اما مشکل این بود که اگر مثلا 1020 تا آیتم توی اون لیست اولیه داشتم، فقط 1000 تاش میرفت به مقصد و 20 تا باقی میموند

پس اومدم و لیستی که داشتم رو تبدیل به یه لیست از تاپل ها کردم که توی هرتاپل 100 آیتم بود و باقی مونده هاشم توی اخرین تاپل بود که مثلا 20 آیتم توش بود

```
from itertools import zip_longest

def zip_long(iterable: list, count: int = 2) -> list[tuple]:
    it = [iter(iterable)] * count

zipped = zip_longest(*it)
    result = []

for old_tuple in zipped:
        if None in old_tuple:
            new_tuple = tuple(item for item in old_tuple if item is not None)
            result.append(new_tuple)
        else:
            result.append(old_tuple)

return result
```

اینطوری روی هر تاپل فور زدم و دیگه نیاز نبود حساب کنم که 100 تا بشه چون میدونم که همشون 100 تا هستن و تاپل اخر هم باقی مونده شه

البته چون توی تاپل آخر 80 تا آیتم کمتر داریم نسبت به بقیه تاپل ها، متود zip_longest میومد و 80 تا None اضافه میکرد به تاپل آخر
پس یه فور زدم و None هارو هم حذف کردم

نتیجه اش شد فانکشن zip_long که یه لیست میگیره ازتون و تعداد آیتم های هرتاپل رو هم میگیره و نتیجه رو برمیگردونه ?

نمیدونم چرا حس میکنم لقمه رو چرخوندم دور سرم، ولی کارمو راه انداخت
اگه راه بهتری سراغ دارید توی کامنت ها بگید ??

*⌨️*?**:*?*تا حالا شده بخواین یه لیست رو از دیتابیس بگیرین؟
برای مثال اگه رباتتون 7000 تا کاربر داشت طبیعتا 10 تا 10 تا فرستادن اطلاعات کاربر ها اصلا روش خوبی نیست*? *حالا راهکار چیه؟
یکی از راه های باحال استفاده از فایل های اکسل هست! چرا که نه!?**

بریم برای نوشتن تابع تبدیل لیست به فایل اکسل ?*⌨️*ابتدا باید این ابزار ها رو نصب کنین:**

pip install openpyxl pip install pandas

*⌨️*برای import هم :

import pandas as pd

*? *در نهایت تابع:

def list\_to\_excel(lst,name='output.xlsx',colum=[]):     df = pd.DataFrame(lst,columns=colum)     df.to\_excel(name, index=False)

**این تابع 3 تا ورودی داره اولی یه لیست هست، دومی اسم فایل خروجی که به صورت پیشفرض output.xlsx هست و در نهایت سومی که همان عنوان های هر ستون هست

برای مثال در اینجا لیستی داریم از کاربر های یک سایت و میخوایم هر عضو از این لیست که هر کدام یه لیسته رو داخل یک ردیف تو فایل اکسل وارد کنیم:**
list = [ ["reza" , 20] , [ "zahra" , 20 ] ] name = "output.xlsx" colum = [ "name" , "age" ] list_to_excel(list,name,colum)

#تیکه_کد
#پایتون

با سلام و وقت بخیر اگه کسی از دوستان هست که حوزه ماشین لرینگ کار کرده به صورت تخصصی به ایدی بنده که توی توضیحات چنل هست پیام بده ممنون میشم

یکی از مشکلات کسایی که میخوان برنامه نویسی یاد بگیرن پیدا کردن منبع درست حسابیه
با وجود چنل های یوتوب خیلی خفن ممکنه بعضیا نشناسنشون و نتونن ازشون استفاده کنن برای #بحث_امشب چنل های یوتوبی که میشناسید و میدونید محتوای بدرد بخور تولید میکنن چه فارسی و چه انگلیسی تو کامنتا بفرستید

فقط دوتا نکته
هر لینکی غیر از لینک یوتوب پاک میشه
مهم نیس چنل برا خودتون باشه یا دیگران چک میکنم مربوط به برنامه نویسی یا تکنولوژی نبود پاک میشه

و بنده فقط طبق مهارت انگلیسی که در این چند سال کسب کردم در تلاش هستم که براتون یه فایل کامل رو خیلی به زبان رسا و قابل فهم براتون ترجمه کنم که بتونه تو یادگیری بهتر بهتون کمک کنه و شما رو یه قدم جلو تر ببره موفق باشید ریکشن یادتون نره شبتون زیبا?❤️?

توی گیت، objectها یک سری موجودیت‌های پایه‌ای هستن که میتونن دیتاهای مختلف رو توی repository ذخیره کنن. مثلا:
blob object, tree object, commit object . . .

برای اینکه بهتر بدونیم گیت چطوری داره اون پشت کار میکنه، توی این مقاله درباره‌ی git objects صحبت میکنیم.

https://medium.com/@AG1380/mastering-git-git-objects-cc4fbf0a9bcd

Medium

Mastering Git: Git Objects

In Git, objects are fundamental entities that represent different types of data in the repository. For example blobs, trees, commits …

♦️ لیست توابع و نوع های داخلی پایتون.

?A
abs() - aiter() - all() - any() - anext() - ascii()

?B
bin() - bool() - breakpoint() - bytearray() - bytes()

?C
callable() - chr() - classmethod() - compile() - complex()

?D
delattr() - dict() - dir() - divmod()

?E
enumerate()- eval() - exec()

?F
filter() - float() - format() - frozenset()

?G
getattr() - globals()

?H
hasattr() - hash() - help() - hex()

?I
id() - input() - int() - isinstance() - issubclass() - iter()

?L
len() - list() - locals()

?M
map()- max()- memoryview() - min()

?N
next()

?O
object() - oct() - open() - ord()

?P
pow() - print() - property()

?R
range() - repr() - reversed() - round()

?S
set() - setattr() - slice() - sorted() - staticmethod() - str() - sum() - super()

?T
tuple() - type()

?V
vars()

?Z
zip()

?_
import()

برگه تقلب شماره ۱ پایتون ، کتابخانه Numpy

Cheat Sheet 1 : Numpy

#کتابخانه #cheat_sheet #pdf

#python
➖➖➖➖