فصل ۱ — شروع پایتون

پایتون چیست و چرا محبوب‌ترین زبان دنیاست؟ محیط پروژه: venv و مدیریت پکیج‌ها

فصل ۲ — متغیرها و انواع داده

متغیرها و انواع پایه داده رشته‌ها: متدهای متن در پایتون لیست، تاپل، دیکشنری و مجموعه

فصل ۳ — کنترل جریان

شرط‌ها: if و elif و else حلقه‌ها: for و while در پایتون

فصل ۴ — توابع و ماژول‌ها

توابع: def، پارامترها و return ماژول‌ها و کتابخانه استاندارد

فصل ۵ — کلاس و برنامه‌نویسی شیءگرا

کلاس‌ها و شیءگرایی در پایتون

فصل ۶ — پروژه عملی

کار با فایل و JSON پروژه پایانی: مدیریت کارها در خط فرمان

فصل ۷ — سینتکس، عملگرها و ورودی/خروجی

سینتکس و تورفتگی: قواعد خط پایتون عملگرها: حساب، مقایسه، منطق و عضویت ورودی و خروجی: print و input در عمق اعداد و تبدیل نوع (casting) f-string در عمق: فرمت‌دهی حرفه‌ای

فصل ۸ — ساختمان‌های داده در عمق

لیست در عمق: متدها، برش و کپی تاپل: ثابت‌ها و باز‌کردن مقادیر مجموعه‌ها: عضویت سریع و عملیات ریاضی دیکشنری در عمق: get، setdefault و ادغام کامپریهنشن: list، dict و set enumerate، zip و ابزارهای پیمایش match/case: تطبیق الگو در پایتون ۳.۱۰+

فصل ۹ — توابع در عمق

*args و **kwargs: پارامترهای انعطاف‌پذیر lambda و توابع درجه‌یک بازگشت: تابعی که خودش را صدا می‌زند اسکوپ: local، global و nonlocal تایپ هینت: نوع‌نویسی در پایتون مدرن

فصل ۱۰ — شیءگرایی در عمق

وراثت و چندریختی متدهای جادویی (dunder) کپسولاسیون: property، خصوصی و انواع متد dataclass: کلاس داده‌محور آماده کلاس انتزاعی، Protocol و duck typing

فصل ۱۱ — خطاها، فایل‌ها و ماژول‌ها

خطاها: try/except/finally و raise فایل‌ها در عمق: خواندن، نوشتن و pathlib CSV: خواندن و نوشتن جداول ماژول و پکیج خودتان + __main__ os و sys: سیستم‌عامل و مفسر

فصل ۱۲ — زمان، ریاضی و ابزارهای پیشرفته

تاریخ و زمان: datetime و timedelta math و random: محاسبات و تصادف عبارات باقاعده: ماژول re ایتریتور و ژنراتور: yield کلوژر و دکوراتور بهترین شیوه‌ها: کد پایتونی تمیز
Python Tutorial فصل ۱۲ — زمان، ریاضی و ابزارهای پیشرفته درس آموزشی

کلوژر و دکوراتور

دکوراتور تابعی است که تابعی دیگر می‌گیرد و نسخه‌ای افزوده‌شده از آن برمی‌گرداند: لاگ، زمان‌سنجی، کش و چک دسترسی — همه بدون دست‌زدن به بدنه تابع اصلی. با سینتکس @ بالای تعریف اعمال می‌شود و یکی از پرکاربردترین ابزارهای کد پایتونی است؛ زیرش همان کلوژری است که در درس اسکوپ دیدید.

مراحل قدم‌به‌قدم

  1. ۱

    کلوژر مرور کوتاه

    تابعی که تابعی برمی‌گرداند و به متغیرهای محل تولدش دسترسی دارد: multiplier=factor → inner را می‌بندد و factor را به‌خاطر می‌سپارد. هر صدا زدن فکتوری، یک تابع تنظیم‌شده با state مستقل می‌دهد — پایه ساختاری دکوراتور همین است.

  2. ۲

    دکوراتور پایه

    def log_calls(func): def wrapper(*args, **kwargs): print("before"); result = func(*args, **kwargs); return result; return wrapper — wrapper با *args و **kwargs همه ورودی‌ها را شفاف پاس می‌دهد و خروجی را برمی‌گرداند. @log_calls بالای تابع یعنی همان تابع به wrapper تبدیل می‌شود.

  3. ۳

    functools.wraps

    بعد از دکوراتور، نام و docstring تابع اصلی مال wrapper می‌شود — باگ مشهور دیباگ‌ها! با from functools import wraps و @wraps(func) بالای wrapper، هویت تابع اصلی حفظ می‌شود: __name__ و help درست می‌مانند. این دو خط را همیشه بگذارید — عادت استاندارد.

  4. ۴

    مثال‌های کاربردی

    زمان‌سنجی: قبل و بعد time و چاپ مدت؛ retry: حلقه تلاش مجدد در wrapper؛ cache: ذخیره نتیجه‌ها در دیکشنری. در کد واقعی دکوراتورها را از functools هم می‌بینید: @lru_cache برای کش خودکار و @cached_property — یعنی همین الگو را فریمورک‌های بزرگ هم استفاده می‌کنند.

نکات مهم

  • ◆ در wrapper همیشه *args و **kwargs بدهید تا هر امضایی کار کند.
  • ◆ @wraps(func) را فراموش نکنید وگرنه هویت تابع اصلی گم می‌شود.
  • ◆ دکوراتور را وقتی کد مشترک است بزنید؛ تزیین تکی ارزشش را ندارد.

کد یا مسیر نمونه

import time
from functools import wraps


def timer(func):
    """مدت اجرا را اندازه می‌گیرد."""
    @wraps(func)
    def wrapper(*args, **kwargs):
        start = time.perf_counter()
        result = func(*args, **kwargs)
        elapsed = time.perf_counter() - start
        print(f"{func.__name__}: {elapsed * 1000:.1f} ms")
        return result
    return wrapper


def count_calls(func):
    calls = {"n": 0}                       # کلوژر — state مشترک

    @wraps(func)
    def wrapper(*args, **kwargs):
        calls["n"] += 1
        print(f"فراخوانی شماره {calls['n']}")
        return func(*args, **kwargs)
    return wrapper


@timer
@count_calls
def slow_sum(n: int) -> int:
    total = 0
    for i in range(n):
        total += i
    return total


print(slow_sum(200000))
print("نام حفظ شده:", slow_sum.__name__)

پرسش و پاسخ این درس (۰)

هنوز دیدگاهی ثبت نشده؛ اولین نفر باشید!

دیدگاه خود را بنویسید

کپچا

دیدگاه شما پس از تأیید مدیر نمایش داده می‌شود.