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 ۹ — توابع در عمق درس آموزشی

بازگشت: تابعی که خودش را صدا می‌زند

بازگشت یعنی تابع برای حل مسئله، نسخه کوچک‌ترِ همان مسئله را به خودش بسپارد: پیمایش ساختارهای تودرتو، درخت‌ها و مسیرها جایی که حلقه معمولی تنگ می‌آید. هر تابع بازگشتی دو قطعه دارد: حالت توقف که حل را قطعی می‌کند و گام بازگشتی که مسئله را کوچک‌تر می‌کند — بدون این دو، برنامه تا حد مجاز فرو می‌رود.

مراحل قدم‌به‌قدم

  1. ۱

    دو قطعه الزامی

    حالت توقف (base case): ورودی ساده که بی‌صدا کردن دوباره جواب می‌دهد — factorial(0) = 1. گام بازگشتی: مسئله به نسخه کوچک‌تر شکسته می‌شود: factorial(n) = n * factorial(n-1). فراموشی حالت توقف یعنی RecursionError.

  2. ۲

    مثال کلاسیک: فیبوناچی

    fib(n) = fib(n-1) + fib(n-2) با توقف fib(0)=fib(1)=1. نسخه ساده بازگشتی برای اعداد بزرگ فوق‌العاده کند است چون هزاران بار همان محاسبه تکرار می‌شود؛ با memo (از functools import cache و @cache بالای تابع) سرعت به‌شکل چشمگیر درست می‌شود.

  3. ۳

    کاربرد واقعی: پیمایش تودرتو

    مثال کاربردی: جمع اعداد در ساختار تودرتوی نامعلومِ عمق — لیستی از لیست‌ها و اعداد. حلقه معمولی نمی‌داند چند لایه هست؛ بازگشت هر لایه را خودکار حل می‌کند: اگر عضو لیست بود دوباره صدا بزن، وگرنه جمع کن. همین الگو پیمایش پوشه‌ها و درخت JSON است.

  4. ۴

    حد و هشدار

    پایتون عمق بازگشت را محدود کرده (پیش‌فرض حدود ۱۰۰۰) و اضافه‌زدن آن با sys.setrecursionlimit خطرناک است — استک واقعی سرریز می‌شود. اگر مسئله با حلقه حل می‌شود، حلقه بنویسید؛ بازگشت را برای ساختار واقعاً بازگشتی نگه دارید.

نکات مهم

  • ◆ اول حالت توقف را بنویسید، بعد گام بازگشت — همیشه.
  • ◆ برای بازگشت سنگین تکرارشو، از functools.cache استفاده کنید.
  • ◆ ساختار تودرتوی نامعلوم عمق = کار خود بازگشت است، نه حلقه.

کد یا مسیر نمونه

from functools import cache


def factorial(n):
    if n <= 1:                      # حالت توقف
        return 1
    return n * factorial(n - 1)     # گام بازگشتی


@cache                              # جلوگیری از محاسبه تکراری
def fib(n):
    if n <= 1:
        return n
    return fib(n - 1) + fib(n - 2)


def deep_sum(data):
    """جمع اعداد در ساختار تودرتوی هر عمقی."""
    total = 0
    for item in data:
        if isinstance(item, list):
            total += deep_sum(item)   # بازگشت به لایه بعد
        else:
            total += item
    return total


print(factorial(5))                      # 120
print(fib(50))                           # سریع با cache
print(deep_sum([1, [2, 3], [4, [5, 6]]]))  # 21

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.