021-71053903 [email protected] پشتیبانی از شنبه تا چهارشنبه ساعت 9 الی 16

سوالات مصاحبه اولیه پایتون

فهرست مطالب پنهان

1. ویژگی های کلیدی پایتون چیست؟

پایتون یکی از محبوب ترین زبان های برنامه نویسی است که توسط دانشمندان داده و متخصصان AIML استفاده می شود. این محبوبیت به دلیل ویژگی های کلیدی پایتون است:

  • یادگیری پایتون به دلیل نحو واضح و خوانایی آن آسان است
  • تفسیر پایتون آسان است و اشکال زدایی را آسان می کند
  • پایتون رایگان و متن باز است
  • می توان از آن در زبان های مختلف استفاده کرد
  • این یک زبان شی گرا است که از مفاهیم کلاس ها پشتیبانی می کند
  • می توان آن را به راحتی با زبان های دیگر مانند C++، جاوا و غیره ادغام کرد

 

2. کلمات کلیدی در پایتون چیست؟

کلمات کلیدی در پایتون کلمات رزرو شده ای هستند که به عنوان شناسه، نام تابع یا نام متغیر استفاده می شوند. آنها به تعریف ساختار و نحو زبان کمک می کنند.

در مجموع 33 کلمه کلیدی در پایتون 3.7 وجود دارد که می توانند در نسخه بعدی یعنی پایتون 3.8 تغییر کنند. لیستی از تمام کلمات کلیدی در زیر ارائه شده است:

کلمات کلیدی در پایتون

نادرست کلاس سرانجام است برگشت
هیچ یک ادامه هید برای لامبدا تلاش كردن
درست است، واقعی دف از جانب غیر محلی در حالی که
و دل جهانی نه با
مانند elif اگر یا بازده
ادعا کردن دیگر وارد كردن عبور
زنگ تفريح بجز

 

3. Literals در پایتون چیست و در مورد Literal های مختلف توضیح دهید؟

Literals در پایتون به داده هایی اطلاق می شود که در یک متغیر یا ثابت داده می شود. پایتون انواع مختلفی از لفظ دارد از جمله:

  1. String Literals: دنباله ای از کاراکترهای محصور در کدها است. بر اساس تعداد نقل قول های استفاده شده می تواند رشته های تک، دوتایی و سه گانه وجود داشته باشد. لفظ کاراکتر نویسه های تکی هستند که با گیومه های تک یا دوگانه احاطه شده اند.
  2. حروف عددی: اینها نوع غیرقابل تغییر هستند و به سه نوع مختلف تعلق دارند – عدد صحیح، شناور و مختلط.
  3. Boolean Literals: آنها می توانند یکی از دو مقدار True یا False را داشته باشند که به ترتیب نشان دهنده ‘1’ و ‘0’ هستند.
  4. لفظ ویژه: حروف ویژه برای طبقه بندی فیلدهایی که ایجاد نشده اند شکایت می کنند. با مقدار “none” نشان داده می شود.

 

4. چگونه می توان دو تاپل را به هم متصل کرد؟

راه حل ->

فرض کنید دو تاپل مانند این داریم ->

tup1 = (1,”a,True)

tup2 = (4،5،6)

الحاق تاپل ها به این معنی است که ما عناصر یک تاپل را در انتهای تاپلی دیگر اضافه می کنیم.

حالا بیایید جلو برویم و tuple2 را با tuple1 الحاق کنیم:

کد

tup1=(1,"a",True)
tup2=(4,5,6)
tup1+tup2

خروجی

 

 

 

تنها کاری که باید انجام دهید این است که از عملگر ‘+’ بین دو تاپل استفاده کنید و نتیجه الحاقی را دریافت خواهید کرد.

به همین ترتیب، بیایید tuple1 را با tuple2 به هم پیوند دهیم:

کد

tup1=(1,"a",True)
tup2=(4,5,6)
tup2+tup1

خروجی

 

5. توابع در پایتون چیست؟

پاسخ: توابع در پایتون به بلوک هایی اطلاق می شود که دارای کدهای سازماندهی شده و قابل استفاده مجدد برای انجام رویدادهای منفرد و مرتبط هستند. توابع برای ایجاد مدولاریت بهتر برای برنامه هایی که از درجه بالایی از کدگذاری مجدد استفاده می کنند، مهم هستند. پایتون تعدادی توابع داخلی مانند print() دارد. با این حال، به شما اجازه می دهد تا عملکردهای تعریف شده توسط کاربر ایجاد کنید.

 

6. چگونه پایتون را نصب کنیم؟

برای نصب پایتون ابتدا به Anaconda.org رفته و بر روی “Download Anaconda” کلیک کنید. در اینجا می توانید آخرین نسخه پایتون را دانلود کنید. پس از نصب پایتون، این یک فرآیند بسیار ساده است. گام بعدی این است که یک IDE را روشن کنید و کدنویسی را در پایتون شروع کنید. اگر می خواهید در مورد این فرآیند بیشتر بدانید، این آموزش پایتون را بررسی کنید.

 

7. پایتون برای چه مواردی استفاده می شود؟

پایتون یکی از محبوب ترین زبان های برنامه نویسی امروزی در جهان است. چه در حال مرور از طریق گوگل، پیمایش در اینستاگرام، تماشای ویدیو در یوتیوب یا گوش دادن به موسیقی در Spotify باشید، همه این برنامه ها از پایتون برای نیازهای اصلی برنامه نویسی خود استفاده می کنند. پایتون در پلتفرم‌ها، برنامه‌ها و سرویس‌های مختلفی مانند توسعه وب استفاده می‌شود.

 

8. چگونه می توانید یک آرایه numpy 5*5 را تنها با صفرها مقداردهی کنید؟

راه حل ->

ما از متد zeros() استفاده خواهیم کرد

import numpy as np
n1=np.zeros((5,5))
n1

 

 

از np.zeros() استفاده کنید و ابعاد داخل آن را وارد کنید. از آنجایی که ما یک ماتریس 5*5 می خواهیم، ​​(5,5) را در متد .zeros() پاس می کنیم.

این خروجی خواهد بود:

 

9. پاندا چیست؟

Pandas یک کتابخانه پایتون منبع باز است که دارای مجموعه بسیار غنی از ساختارهای داده برای عملیات مبتنی بر داده است. پانداها با ویژگی‌های جالب آن در هر نقشی از عملیات داده‌ها، خواه دانشگاهی یا حل مشکلات پیچیده تجاری باشد، مناسب هستند. پانداها می‌توانند با فایل‌های مختلف سروکار داشته باشند و یکی از مهم‌ترین ابزارهایی است که می‌توان با آن‌ها در دست گرفت.

 

10. دیتافریم ها چیست؟

قالب داده پانداها یک ساختار داده در پانداها است که قابل تغییر است. پانداها از داده‌های ناهمگن پشتیبانی می‌کنند که در دو محور (ردیف و ستون) مرتب شده‌اند.

خواندن فایل ها در پانداها:

Import pandas as pd
df=p.read_csv(“mydata.csv”)

 

در اینجا df یک قاب داده پاندا است. read_csv() برای خواندن یک فایل جدا شده با کاما به عنوان یک دیتافریم در پانداها استفاده می شود.

 

11. سری پانداها چیست؟

سری یک ساختار داده پانداهای یک بعدی است که تقریباً از هر نوع داده می تواند داده شود. شبیه یک ستون اکسل است. از چندین عملیات پشتیبانی می کند و برای عملیات داده های تک بعدی استفاده می شود.

ایجاد یک سری از داده ها:

کد

import pandas as pd
data=["1",2,"three",4.0]
series=pd.Series(data)
print(series)
print(type(series))

خروجی

 

12. گروه بای پاندا چیست؟

Pandas groupby یک ویژگی است که توسط پانداها پشتیبانی می شود و برای تقسیم و گروه بندی یک شی استفاده می شود. مانند sql/mysql/oracle groupby که برای گروه‌بندی داده‌ها بر اساس کلاس‌ها استفاده می‌شود، موجودیت‌هایی که می‌توانند بیشتر برای تجمیع استفاده شوند. یک دیتافریم را می توان با یک یا چند ستون گروه بندی کرد.

کد

df = pd.DataFrame({'Vehicle':['Etios','Lamborghini','Apache200','Pulsar200'], 'Type':["car","car","motorcycle","motorcycle"]})
df

 

خروجی

برای اجرای groupby کد زیر را تایپ کنید:

df.groupby('Type').count()

خروجی

 

13. چگونه از لیست ها یک دیتافریم ایجاد کنیم؟

برای ایجاد یک دیتافریم از لیست ها،

1) یک دیتافریم خالی ایجاد کنید

2) لیست ها را به عنوان ستون های فردی به لیست اضافه کنید

کد

df=pd.DataFrame()
bikes=["bajaj","tvs","herohonda","kawasaki","bmw"]
cars=["lamborghini","masserati","ferrari","hyundai","ford"]
df["cars"]=cars
df["bikes"]=bikes
df

 

خروجی

 

14. چگونه از دیکشنری فریم داده بسازیم؟

یک دیکشنری را می توان مستقیماً به عنوان آرگومان به تابع DataFrame() برای ایجاد قاب داده ارسال کرد.

کد

import pandas as pd
bikes=["bajaj","tvs","herohonda","kawasaki","bmw"]
cars=["lamborghini","masserati","ferrari","hyundai","ford"]
d={"cars":cars,"bikes":bikes}
df=pd.DataFrame(d)
df

 

خروجی

 

15. چگونه می توان دیتافریم ها را در پانداها ترکیب کرد؟

دو فریم داده مختلف را می توان به صورت افقی یا عمودی توسط توابع concat()، append() و join() در پانداها روی هم قرار داد.

Concat زمانی بهترین کار را انجام می دهد که دیتافریم ها دارای ستون های یکسان باشند و بتوان از آنها برای الحاق داده های دارای فیلدهای مشابه استفاده کرد و اساساً به صورت عمودی انباشته فریم های داده در یک دیتافریم واحد است.

Append() برای انباشت افقی دیتافریم ها استفاده می شود. اگر قرار است دو جدول (فریم داده) با هم ادغام شوند، این بهترین تابع الحاق است.

Join زمانی استفاده می شود که ما نیاز به استخراج داده ها از دیتافریم های مختلف داریم که دارای یک یا چند ستون مشترک هستند. انباشته شدن در این حالت افقی است.

قبل از بررسی سوالات، در اینجا یک ویدیوی سریع وجود دارد که به شما کمک می کند تا حافظه خود را در پایتون تجدید کنید.

 

16. پانداها چه نوع اتصالاتی را ارائه می دهند؟

پانداها دارای یک اتصال چپ، اتصال داخلی، اتصال راست و یک اتصال بیرونی هستند.

 

17. چگونه دیتافریم ها را در پانداها ادغام کنیم؟

ادغام بستگی به نوع و فیلدهای فریم های داده مختلف دارد که ادغام می شوند. اگر داده‌ها دارای فیلدهای مشابه باشند، داده‌ها در امتداد محور 0 ادغام می‌شوند، در غیر این صورت، در امتداد محور 1 ادغام می‌شوند.

 

18. تمام سطرهایی که Nan دارند را به دیتافریم زیر بدهید.

برای انجام این کار می توان از تابع dropna استفاده کرد.

df.dropna(inplace=True)
df

 

خروجی

 

19. چگونه می توان به پنج ورودی اول یک دیتافریم دسترسی داشت؟

با استفاده از تابع head(5) می توانیم پنج ورودی برتر یک دیتافریم را دریافت کنیم. به طور پیش فرض df.head() 5 ردیف بالا را برمی گرداند. برای بدست آوردن n ردیف بالا از df.head(n) استفاده می شود.

 

20. چگونه می توان به پنج ورودی آخر یک دیتافریم دسترسی داشت؟

با استفاده از تابع tail(5) می توانیم پنج ورودی برتر یک دیتافریم را دریافت کنیم. به طور پیش فرض df.tail () 5 ردیف بالا را برمی گرداند. برای بدست آوردن n ردیف آخر از df.tail(n) استفاده می شود.

 

21. چگونه با استفاده از یک مقدار داده شده در فهرست، یک ورودی داده را از یک دیتافریم پانداها واکشی کنیم؟

برای واکشی یک ردیف از چارچوب داده شده با شاخص x، می توانیم از loc استفاده کنیم.

Df.loc[10] که در آن 10 مقدار شاخص است.

کد

import pandas as pd
bikes=["bajaj","tvs","herohonda","kawasaki","bmw"]
cars=["lamborghini","masserati","ferrari","hyundai","ford"]
d={"cars":cars,"bikes":bikes}
df=pd.DataFrame(d)
a=[10,20,30,40,50]
df.index=a
df.loc[10]

 

خروجی

 

22. نظرات چیست و چگونه می توان در پایتون کامنت اضافه کرد؟

نظرات در پایتون به یک متن در نظر گرفته شده برای اطلاعات اشاره دارد. مخصوصاً زمانی که بیش از یک نفر روی مجموعه ای از کدها کار می کنند، اهمیت دارد. می توان از آن برای تجزیه و تحلیل کد، گذاشتن بازخورد و اشکال زدایی آن استفاده کرد. دو نوع نظر وجود دارد که عبارتند از:

  1. نظر تک خطی
  2. نظر چند خطی

کدهای مورد نیاز برای افزودن نظر

#Note –کامنت تک خطی
“””یادداشت
یادداشت
یادداشت”””––کامنت چند خطی

 

23. تفاوت لیست و تاپل در پایتون چیست؟

لیست ها قابل تغییر هستند، اما تاپل ها تغییر ناپذیر هستند.

 

24. دیکشنری در پایتون چیست؟ مثال زدن.

فرهنگ لغت پایتون مجموعه ای از موارد بدون ترتیب خاصی است. دیکشنری های پایتون در براکت های مجعد با کلیدها و مقادیر نوشته می شوند. دیکشنری ها برای بازیابی مقدار کلیدهای شناخته شده بهینه شده اند.

مثال

d={“a”:1,”b”:2}

 

25. میانگین، میانه و انحراف معیار این آرایه numpy را پیدا کنید -> np.array([1,5,3,100,4,48])

import numpy as np
n1=np.array([10,20,30,40,50,60])
print(np.mean(n1))
print(np.median(n1))
print(np.std(n1))

 

26. طبقه بندی کننده چیست؟

یک طبقه بندی کننده برای پیش بینی کلاس هر نقطه داده استفاده می شود. طبقه‌بندی‌کننده‌ها فرضیه‌های خاصی هستند که برای تخصیص برچسب‌های کلاس به هر نقطه داده خاص استفاده می‌شوند. یک طبقه بندی کننده اغلب از داده های آموزشی برای درک رابطه بین متغیرهای ورودی و کلاس استفاده می کند. طبقه بندی روشی است که در یادگیری نظارت شده در یادگیری ماشین استفاده می شود.

 

27. در پایتون چگونه یک رشته را به حروف کوچک تبدیل می کنید؟

تمام حروف بزرگ در یک رشته را می توان با استفاده از روش string.lower () به حروف کوچک تبدیل کرد.

ex: string = ‘GREATLEARNING’ print(string.lower())

o/p: greatlearning

 

28. چگونه می توان لیستی از تمام کلیدهای یک فرهنگ لغت به دست آورد؟

یکی از راه‌هایی که می‌توانیم فهرستی از کلیدها را به دست آوریم، استفاده از: dict.keys()
این روش همه کلیدهای موجود در فرهنگ لغت را برمی‌گرداند. dict = {1:a, 2:b, 3:c} dict.keys()

o/p: [1, 2, 3]

 

29. چگونه می توان حرف اول یک رشته را بزرگ کرد؟

می‌توانیم از تابع () capitalize برای بزرگ کردن کاراکتر اول یک رشته استفاده کنیم. اگر کاراکتر اول از قبل با حروف بزرگ باشد، رشته اصلی را برمی‌گرداند.

نحو: string_name.capitalize() ex: n = “greatlearning” print(n.capitalize())
o/p: Greatlearning

 

30. چگونه می توان یک عنصر را در یک شاخص معین در پایتون وارد کرد؟

پایتون یک تابع داخلی به نام تابع insert() دارد.
می توان از آن برای درج یک عنصر در یک شاخص معین استفاده کرد.
نحو: list_name.insert(index، عنصر)
ex: list = [ 0,1, 2, 3, 4, 5, 6, 7 ] #insert 10 at 6th indexlist.insert(6, 10)
o/p: [ 0,1,2,3,4,5,10,6,7]

 

31. چگونه عناصر تکراری را از لیست حذف می کنید؟

روش های مختلفی برای حذف عناصر تکراری از لیست وجود دارد. اما رایج‌ترین آنها تبدیل لیست به مجموعه با استفاده از تابع set() و استفاده از تابع list() برای تبدیل آن به لیست در صورت نیاز است. مثال: list0 = [2، 6، 4، 7، 4، 6، 7، 2] list1 = list(set(list0)) print (“لیست بدون موارد تکراری: ” + str(list1))

o/p: لیست بدون موارد تکراری: [2، 4، 6، 7]

 

32. بازگشت چیست؟

بازگشت تابعی است که خود را یک یا چند بار در بدنه خود فراخوانی می کند. یکی از شرایط بسیار مهم که یک تابع بازگشتی باید در یک برنامه استفاده شود این است که باید خاتمه یابد، در غیر این صورت مشکل یک حلقه بی نهایت وجود خواهد داشت.

 

33. درک لیست Python را توضیح دهید

درک لیست برای تبدیل یک لیست به لیست دیگر استفاده می شود. عناصر را می توان به صورت مشروط در لیست جدید گنجاند و هر عنصر را می توان در صورت نیاز تبدیل کرد. این عبارت شامل عبارتی است که در داخل پرانتز قرار دارد. برای مثال: لیست = [i برای i در محدوده (1000)] لیست چاپ

 

34. تابع ()bytes چیست؟

تابع ()bytes یک شی بایت را برمی گرداند. برای تبدیل اشیا به اشیاء بایت یا ایجاد شی بایت خالی با اندازه مشخص استفاده می شود.

 

35. انواع مختلف عملگرها در پایتون چیست؟

پایتون دارای عملگرهای اصلی زیر است:
حساب (جمع(+)، تفریق(-)، ضرب(*)، تقسیم(/)، مدول(%))، رابطه ای (<، >، <=، >=، ==، !=،)،
تخصیص (=. +=، -=، /=، *=، %=)،
منطقی (و، یا نه)، عضویت، هویت، و اپراتورهای بیتی

 

36. “با بیانیه” چیست؟

دستور “with” در پایتون در مدیریت استثنا استفاده می شود. یک فایل را می توان در حین اجرای یک بلوک کد حاوی عبارت “with” بدون استفاده از تابع ()close باز و بسته کرد. اساساً خواندن کد را بسیار آسان‌تر می‌کند.

 

37. تابع map() در پایتون چیست؟

تابع map() در پایتون برای اعمال یک تابع بر روی تمام عناصر یک تکرار مشخص شده استفاده می شود. از دو پارامتر تابع و قابل تکرار تشکیل شده است. تابع به عنوان یک آرگومان در نظر گرفته می شود و سپس به همه عناصر یک تکرار (به عنوان آرگومان دوم منتقل می شود) اعمال می شود. در نتیجه یک لیست شی برگردانده می شود.

def add(n):
return n + n number= (15, 25, 35, 45)
res= map(add, num)
print(list(res))

o/p: 30,50,70,90

 

38. __init__ در پایتون چیست؟

متدولوژی _init_ یک متد رزرو شده در Python aka constructor در OOP است. هنگامی که یک شی از یک کلاس ایجاد می شود و روش _init_ برای دسترسی به ویژگی های کلاس فراخوانی می شود.

 

39. ابزارهای موجود برای انجام تحلیل استاتیک چیست؟

دو ابزار تجزیه و تحلیل استاتیکی که برای یافتن باگ در پایتون استفاده می شود عبارتند از: Pychecker و Pylint. Pychecker اشکالات را از کد منبع شناسایی می کند و در مورد سبک و پیچیدگی آن هشدار می دهد. در حالی که Pylint بررسی می کند که آیا ماژول مطابق با استاندارد کدنویسی است یا خیر.

 

40. تفاوت تاپل و دیکشنری چیست؟

یک تفاوت عمده بین تاپل و دیکشنری این است که دیکشنری قابل تغییر است در حالی که تاپل غیرقابل تغییر است. به این معنی که محتوای یک فرهنگ لغت را می توان بدون تغییر هویت آن تغییر داد، اما در تاپلی این امکان وجود ندارد.

 

41. pass در پایتون چیست؟

Pass یک عبارت است که هنگام اجرا هیچ کاری انجام نمی دهد. به عبارت دیگر یک عبارت Null است. این عبارت توسط مفسر نادیده گرفته نمی شود، اما این دستور هیچ عملیاتی را در پی ندارد. زمانی استفاده می شود که نمی خواهید هیچ دستوری اجرا شود اما یک دستور لازم است.

 

42. چگونه می توان یک شی را در پایتون کپی کرد؟

همه اشیا را نمی توان در پایتون کپی کرد، اما اکثر آنها می توانند. ما می توانیم از عملگر “=” برای کپی کردن یک شی به یک متغیر استفاده کنیم.

مثال: var=copy.copy(obj)

 

43. چگونه می توان یک عدد را به رشته تبدیل کرد؟

تابع داخلی str() می تواند برای تبدیل یک عدد به رشته استفاده شود.

 

44. ماژول و پکیج در پایتون چیست؟

ماژول ها راهی برای ساختار یک برنامه هستند. هر فایل برنامه پایتون یک ماژول است که سایر ویژگی ها و اشیاء را وارد می کند. پوشه یک برنامه بسته ای از ماژول ها است. یک بسته می تواند دارای ماژول ها یا پوشه های فرعی باشد.

 

45. تابع object() در پایتون چیست؟

در پایتون تابع object() یک شی خالی را برمی گرداند. ویژگی ها یا روش های جدید را نمی توان به این شی اضافه کرد.

 

46. ​​تفاوت NumPy و SciPy چیست؟

NumPy مخفف Numerical Python است در حالی که SciPy مخفف Scientific Python است. NumPy کتابخانه اصلی برای تعریف آرایه ها و مسائل ریاضی ساده است، در حالی که SciPy برای مسائل پیچیده تر مانند یکپارچه سازی عددی و بهینه سازی و یادگیری ماشین و غیره استفاده می شود.

 

47. len() چه کاری انجام می دهد؟

len() برای تعیین طول یک رشته، یک لیست، یک آرایه و غیره استفاده می شود. مثال: str =
چاپ “یادگیری عالی” (len(str))
o/p: 13

 

48. کپسولاسیون را در پایتون تعریف کنید؟

کپسولاسیون به معنای اتصال کد و داده ها به یکدیگر است. به عنوان مثال یک کلاس پایتون.

 

49. نوع () در پایتون چیست؟

type() یک متد داخلی است که یا نوع شی را برمی گرداند یا یک شی نوع جدید را بر اساس آرگومان های ارسال شده برمی گرداند.

مثال: a = 100
نوع (a)

o/p: int

 

50. تابع split() برای چه استفاده می شود؟

Split Fuction برای تقسیم یک رشته به رشته های کوتاهتر با استفاده از seperatos تعریف شده استفاده می شود. حروف = (“A، B، C”)
n = text.split(“”)
print(n)

o/p: [‘A’، ‘B’، ‘C’]

 

51. انواع داخلی که پایتون ارائه می دهد چیست؟

پاسخ پایتون دارای انواع داده های داخلی زیر است:

اعداد : پایتون سه نوع اعداد را شناسایی می کند:

  1. عدد صحیح: همه اعداد مثبت و منفی بدون جزء کسری
  2. Float: هر عدد واقعی با نمایش ممیز شناور
  3. اعداد مختلط: عددی با یک جزء واقعی و موهومی که به صورت x+yj نمایش داده می شود. x و y شناور هستند و j 1- است (ریشه دوم 1- به نام یک عدد خیالی)

Boolean : نوع داده Boolean یک نوع داده است که یکی از دو مقدار ممکن یعنی True یا False را دارد. توجه داشته باشید که “T” و “F” حروف بزرگ هستند.

رشته: مقدار رشته مجموعه ای از یک یا چند کاراکتر است که در گیومه های تک، دوتایی یا سه گانه قرار می گیرند.

لیست: یک شیء لیست مجموعه مرتب شده ای از یک یا چند آیتم داده است که می تواند انواع مختلفی داشته باشد و در پرانتز قرار گیرد. یک لیست قابل تغییر است و بنابراین می توان آن را تغییر داد، ما می توانیم عناصر فردی را در یک لیست اضافه، ویرایش یا حذف کنیم.

مجموعه: مجموعه ای نامرتب از اشیاء منحصر به فرد محصور در براکت های مجعد

مجموعه منجمد: آنها مانند یک مجموعه هستند اما تغییرناپذیر هستند، به این معنی که پس از ایجاد آنها نمی توانیم مقادیر آنها را تغییر دهیم.

Dictionary: یک شی دیکشنری نامرتب است که در آن یک کلید مرتبط با هر مقدار وجود دارد و می توانیم از طریق کلید آن به هر مقدار دسترسی پیدا کنیم. مجموعه ای از این جفت ها در براکت های فرفری محصور شده است. برای مثال {‘First Name’ : ‘Tom’, ‘Last Name’: ‘Hardy’} توجه داشته باشید که مقادیر Number، رشته ها و tuple تغییرناپذیر هستند در حالی که به عنوان شیء List یا Dictionary قابل تغییر هستند.

 

52. docstring در پایتون چیست؟

پاسخ رشته‌های اسناد پایتون، لفظ‌های رشته‌ای هستند که در گیومه‌های سه‌گانه محصور شده‌اند که درست بعد از تعریف یک تابع، متد، کلاس یا ماژول ظاهر می‌شوند. اینها عموماً برای توصیف عملکرد یک تابع، متد، کلاس یا ماژول خاص استفاده می شوند. ما می توانیم با استفاده از ویژگی __doc__ به این رشته های مستند دسترسی پیدا کنیم. به عنوان مثال:

def square(n):
    '''Takes in a number n, returns the square of n'''
    return n**2
print(square.__doc__)
خروجی: عدد n را می گیرد، مربع n را برمی گرداند.

 

53. چگونه یک رشته را در پایتون معکوس کنیم؟

در پایتون، هیچ توابعی داخلی وجود ندارد که به ما در معکوس کردن یک رشته کمک کند. برای همین باید از یک عملیات برش آرایه استفاده کنیم.

    
str_reverse = string[::-1]

 

54. چگونه نسخه پایتون را در CMD بررسی کنیم؟

برای بررسی نسخه پایتون در CMD، CMD + Space را فشار دهید. با این کار Spotlight باز می شود. در اینجا “terminal” را تایپ کرده و enter را فشار دهید. برای اجرای دستور، python –version یا python -V را تایپ کرده و enter را فشار دهید. با این کار نسخه پایتون در خط بعدی زیر دستور باز می گردد.

 

55. آیا پایتون هنگام برخورد با شناسه ها به حروف کوچک و بزرگ حساس است؟

بله. پایتون هنگام برخورد با شناسه ها به حروف کوچک و بزرگ حساس است. این زبان حساس به حروف کوچک و بزرگ است. بنابراین، متغیر و متغیر یکسان نیستند.

محمدرضا حسنی

224 مطلب منتشر شده

دانش آموخته رشته فناوری اطلاعات / موسس پایتونی ها

درباره این مطلب نظر دهید !

محصولات فروش پایتونی ها

%60
تخفیف

آموزش فیگما (Figma)

30,000 تومان
3
%69
تخفیف

آموزش برنامه نویسی پایتون

35,000 تومان
2