محتويات
مقدمة
لمن هذا الكتاب
ما يغطي هذا الكتاب
ما تحتاجه لهذا الكتاب
قم بتنزيل أمثلة ملفات التعليمات البرمجية
قم بتنزيل الصور الملونة
الاصطلاحات المستخدمة
ابقى على تواصل
المراجعات
مقدمة في الذكاء الاصطناعي
ما هو الذكاء الاصطناعي؟
لماذا نحتاج لدراسة الذكاء الاصطناعي؟
فروع منظمة العفو الدولية
القبائل الخمس للتعلم الآلي
تحديد الذكاء باستخدام اختبار تورينج
صنع الآلات يفكر مثل البشر
بناء وكلاء عقلانيين
حل المشكلات العامة
حل مشكلة مع GPS
بناء وكيل ذكي
أنواع النماذج
تثبيت بايثون 3
التثبيت على أوبونتو
التثبيت على نظام التشغيل Mac OS X
التثبيت على Windows
تثبيت الحزم
تحميل البيانات
ملخص
حالات الاستخدام الأساسية للذكاء الاصطناعي
حالات استخدام منظمة العفو الدولية التمثيلية
المساعدون الشخصيون الرقميون وروبوتات المحادثة
سائق شخصي
إدارة الشحن والمخازن
صحة الإنسان
البحث عن المعرفة
أنظمة التوصية
المنزل الذكي
الألعاب
صنع الأفلام
الاكتتاب وتحليل الصفقات
تنقية البيانات وتحويلها
ملخص
مراجع
خطوط أنابيب التعلم الآلي
ما هو خط أنابيب التعلم الآلي؟
تعريف المشكلة
استيعاب البيانات
تحضير البيانات
قيم مفقودة
سجلات أو قيم مكررة
ميزة التحجيم
قيم غير متسقة
تنسيق التاريخ غير متناسق
فصل البيانات
تدريب نموذجي
تقييم واختيار نموذج المرشح
نشر النموذج
مراقبة الاداء
أداء النموذج
الاداء العملي
التكلفة الإجمالية للملكية (TCO)
أداء الخدمة
ملخص
اختيار الميزات وهندسة الميزات
اختيار ميزة
أهمية الميزة
اختيار وحيد المتغير
خرائط الحرارة الارتباط
الطرق القائمة على الغلاف
الأساليب القائمة على التصفية
الطرق المضمنة
هندسة الميزات
بتر
إدارة خارجية
ترميز واحد ساخن
سجل التحويل
تحجيم
التلاعب بالتاريخ
ملخص
التصنيف والانحدار باستخدام التعلم الخاضع للإشراف
التعلم الخاضع للإشراف مقابل التعلم غير الخاضع للإشراف
ما هو التصنيف؟
البيانات قبل المعالجة
ثنائي
يعني الإزالة

تحجيم
تطبيع
ترميز التسمية
مصنفات الانحدار اللوجستي
مصنف Naïve Bayes
مصفوفات الارتباك
دعم آلات المتجهات
تصنيف بيانات الدخل باستخدام أجهزة Vector Support
ما هو الانحدار؟
بناء الانحدار متغير واحد
بناء الانحدار متعدد المتغيرات
تقدير أسعار المساكن باستخدام ناقل الانحدار المتجه
ملخص
التحليلات التنبؤية مع مجموعة التعلم
ما هي أشجار القرار؟
بناء مصنف شجرة القرار
ما هو التعلم الجماعي؟
بناء نماذج التعلم مع التعلم الجماعي
ما هي الغابات العشوائية والغابات العشوائية للغاية؟
بناء مصنفات غابات عشوائية وغابات عشوائية للغاية
تقدير مقياس الثقة للتنبؤات
التعامل مع عدم التوازن الطبقي
إيجاد معلمات التدريب المثلى باستخدام بحث الشبكة
أهمية ميزة الحوسبة النسبية
توقع حركة المرور باستخدام عامل ارتداد غابة عشوائي للغاية
ملخص
كشف الأنماط مع التعلم غير الخاضع للرقابة
ما هو التعلم غير الخاضع للرقابة؟
تجميع البيانات باستخدام خوارزمية K-Means
تقدير عدد العناقيد باستخدام خوارزمية متوسط ​​التحول
تقدير جودة التجميع بدرجات الصور الظلية
ما هي نماذج خليط غاوسي؟
بناء مصنف على أساس نماذج خليط غاوسي
إيجاد مجموعات فرعية في سوق الأوراق المالية باستخدام نموذج انتشار التقارب
تقسيم السوق على أساس أنماط التسوق
ملخص
أنظمة التوصية بالبناء
استخراج أقرب الجيران
بناء K- أقرب مصنف جيران
حساب درجات التشابه
البحث عن مستخدمين مشابهين باستخدام التصفية التعاونية
بناء نظام توصية فيلم
ملخص
البرمجة المنطقية
ما هي البرمجة المنطقية؟
فهم اللبنات الأساسية للبرمجة المنطقية
حل المشكلات باستخدام البرمجة المنطقية
تثبيت حزم بايثون
مطابقة التعبيرات الرياضية
التحقق من صحة الأعداد الأولية
تحليل شجرة العائلة
تحليل الجغرافيا
بناء حل اللغز
ملخص
تقنيات البحث الارشادي
هل البحث الارشادي ذكاء اصطناعي؟
ما هو البحث الارشادي؟
البحث غير المطلع مقابل البحث المستنير
مشاكل الرضا القيد
تقنيات البحث المحلية
محاكاة الصلب
بناء سلسلة باستخدام البحث الجشع
حل مشكلة القيود
حل مشكلة تلوين المنطقة
بناء حل 8 لغز
بناء حل متاهة
ملخص
الخوارزميات الجينية والبرمجة الجينية
قبيلة أنصار التطور
فهم الخوارزميات التطورية والجينية
المفاهيم الأساسية في الخوارزميات الجينية
توليد نمط بت بمعلمات محددة مسبقًا
تصور التطور
حل مشكلة انحدار الرمز

تصور الشخصيات في قاعدة بيانات التعرف الضوئي على الحروف
بناء محرك التعرف الضوئي على الحروف
ملخص
التعلم العميق مع الشبكات العصبية التلافيفية
أساسيات الشبكات العصبية التلافيفية
هندسة CNNs
CNNs مقابل الشبكات العصبية perceptron
أنواع الطبقات في شبكة CNN
بناء مراجع خطي قائم على الإدراك الحسي
بناء مصنف للصور باستخدام شبكة عصبية أحادية الطبقة
بناء مصنف صور باستخدام شبكة عصبية تلافيفية
ملخص
المرجعي
الشبكات العصبية المتكررة ونماذج التعلم العميق الأخرى
أساسيات الشبكات العصبية المتكررة
وظيفة الخطوة
وظيفة السيني
دالة تانه
وظيفة ReLU
هندسة RNNs
حالة استخدام نمذجة اللغة
تدريب RNN
ملخص
تكوين وكلاء أذكياء مع التعلم المعزز
فهم معنى التعلم
التعلم المعزز مقابل التعلم تحت الإشراف
أمثلة من العالم الحقيقي للتعلم المعزز
اللبنات الأساسية للتعلم المعزز
خلق بيئة
بناء وكيل التعلم
ملخص
الذكاء الاصطناعي والبيانات الضخمة
أساسيات البيانات الضخمة
زحف
الفهرسة
تصنيف
مراكز البيانات في جميع أنحاء العالم
عمليات البحث الموزعة
برامج مخصصة
الثلاثة الخامس للبيانات الضخمة
الصوت
سرعة
متنوع
البيانات الضخمة والتعلم الآلي
اباتشي هادوب
MapReduce
اباتشي خلية
اباتشي سبارك
مجموعات البيانات الموزعة المرنة
إطارات البيانات
SparkSQL
اباتشي امبالا
قواعد بيانات NoSQL
أنواع قواعد بيانات NoSQL
أباتشي كاساندرا
MongoDB
ريديس
Neo4j
ملخص
كتب أخرى قد تستمتع بها
فهرس

بناء جهاز تحكم روبوت ذكي
حالات استخدام البرمجة الجينية
ملخص
مراجع
الذكاء الاصطناعي على السحابة
لماذا تهاجر الشركات إلى السحابة؟
أفضل مزودي الخدمات السحابية
خدمات أمازون ويب (AWS)
أمازون سيجماكر
Alexa و Lex و Polly – رجال محادثة
Amazon Comprehend – معالجة اللغة الطبيعية
Amazon Rekognition – الصورة والفيديو
ترجمة أمازون
تعلم الآلة من أمازون
Amazon Transcribe – النسخ
Amazon Textract – تحليل المستندات
مايكروسوفت أزور
Microsoft Azure Machine Learning Studio
خدمة التعلم الآلي في Azure
خدمات Azure المعرفية
Google Cloud Platform (GCP)
مركز الذكاء الاصطناعي
قوالب بناء جوجل كلاود AI
ملخص
بناء الألعاب بالذكاء الاصطناعي
استخدام خوارزميات البحث في الألعاب
البحث التوافقي
خوارزمية Minimax
تقليم ألفا بيتا
خوارزمية Negamax
تثبيت مكتبة easyAI
بناء روبوت للعب Last Coin Standing
بناء روبوت للعب Tic-Tac-Toe
بناء اثنين من الروبوتات للعب Connect Four ™ ضد بعضهما البعض
بناء اثنين من الروبوتات للعب Hexapawn ضد بعضهما البعض
ملخص
بناء أداة التعرف على الكلام
العمل مع إشارات الكلام
تصور الإشارات الصوتية
تحويل الإشارات الصوتية إلى مجال التردد
توليد الإشارات الصوتية
توليف النغمات لتوليد الموسيقى
استخراج ميزات الكلام
التعرف على الكلمات المنطوقة
ملخص
معالجة اللغة الطبيعية
مقدمة وتركيب الحزم
ترميز بيانات النص
تحويل الكلمات إلى صيغها الأساسية باستخدام الاشتقاق
تحويل الكلمات إلى أشكالها الأساسية باستخدام lemmatization
تقسيم البيانات النصية إلى أجزاء
استخراج تردد المصطلحات باستخدام نموذج كيس الكلمات
بناء توقع الفئة
بناء معرف جنس
بناء محلل المشاعر
نمذجة الموضوع باستخدام تخصيص Dirichlet الكامن
ملخص
روبوتات المحادثة
مستقبل روبوتات المحادثة
الشات بوتس اليوم
مفاهيم الشات بوت
روبوت محادثة جيد التصميم
منصات Chatbot
إنشاء روبوت محادثة باستخدام DialogFlow
إعداد DialogFlow
دمج روبوت المحادثة في موقع ويب باستخدام عنصر واجهة مستخدم
دمج chatbot في موقع ويب باستخدام Python
كيفية إعداد webhook في DialogFlow
تمكين خطافات الويب للأهداف
إعداد جمل تدريبية لنية
إعداد المعلمات والإجراءات لنية
بناء استجابات الوفاء من الويب هوك
التحقق من الردود من الويب هوك
ملخص
البيانات المتسلسلة وتحليل السلاسل الزمنية
فهم البيانات المتسلسلة
التعامل مع بيانات السلاسل الزمنية مع Pandas
تشريح بيانات السلاسل الزمنية
العمل على بيانات السلاسل الزمنية
استخراج الإحصائيات من بيانات السلاسل الزمنية
توليد البيانات باستخدام نماذج ماركوف المخفية
تحديد التسلسلات الأبجدية مع الحقول العشوائية الشرطية
تحليل سوق الأسهم
ملخص
التعرف على الصور
أهمية التعرف على الصور
OpenCV
اختلاف الإطار
تتبع الكائنات باستخدام مساحات الألوان
تتبع الكائن باستخدام الطرح الخلفي
بناء متتبع كائن تفاعلي باستخدام خوارزمية CAMShift
التتبع البصري القائم على التدفق
كشف الوجه وتتبعه
استخدام تسلسلات Haar لاكتشاف الأشياء
استخدام الصور المتكاملة لاستخراج الميزات
كشف العين وتتبعها
ملخص
الشبكات العصبية
مقدمة في الشبكات العصبية
بناء شبكة عصبية
تدريب شبكة عصبية
بناء مصنف قائم على Perceptron
بناء شبكة عصبية أحادية الطبقة
بناء شبكة عصبية متعددة الطبقات
بناء متجهي الكمي
تحليل البيانات المتسلسلة باستخدام الشبكات العصبية المتكررة
تصور الشخصيات في قاعدة بيانات التعرف الضوئي على الحروف
بناء محرك التعرف الضوئي على الحروف
ملخص
التعلم العميق مع الشبكات العصبية التلافيفية
أساسيات الشبكات العصبية التلافيفية
هندسة CNNs
CNNs مقابل الشبكات العصبية perceptron
أنواع الطبقات في شبكة CNN
بناء مراجع خطي قائم على الإدراك الحسي
بناء مصنف للصور باستخدام شبكة عصبية أحادية الطبقة
بناء مصنف صور باستخدام شبكة عصبية تلافيفية
ملخص
المرجعي
الشبكات العصبية المتكررة ونماذج التعلم العميق الأخرى
أساسيات الشبكات العصبية المتكررة
وظيفة الخطوة
وظيفة السيني
دالة تانه
وظيفة ReLU
هندسة RNNs
حالة استخدام نمذجة اللغة
تدريب RNN
ملخص
تكوين وكلاء أذكياء مع التعلم المعزز
فهم معنى التعلم
التعلم المعزز مقابل التعلم تحت الإشراف
أمثلة من العالم الحقيقي للتعلم المعزز
اللبنات الأساسية للتعلم المعزز
خلق بيئة
بناء وكيل التعلم
ملخص
الذكاء الاصطناعي والبيانات الضخمة
أساسيات البيانات الضخمة
زحف
الفهرسة
تصنيف
مراكز البيانات في جميع أنحاء العالم
عمليات البحث الموزعة
برامج مخصصة
الثلاثة الخامس للبيانات الضخمة
الصوت
سرعة
متنوع
البيانات الضخمة والتعلم الآلي
اباتشي هادوب
MapReduce
اباتشي خلية
اباتشي سبارك
مجموعات البيانات الموزعة المرنة
إطارات البيانات
SparkSQL
اباتشي امبالا
قواعد بيانات NoSQL
أنواع قواعد بيانات NoSQL

رابط التحميل

The post الذكاء الاصطناعي مع بايثون appeared first on فيلم تعلم البرمجيات للطالب العربي.

رابط التحميل

The post برمجة Arduino + Python للروبوتات appeared first on فيلم تعلم البرمجيات للطالب العربي.

رابط التحميل

The post تعلم الآلة التطبيقية باستخدام بيثون appeared first on فيلم تعلم البرمجيات للطالب العربي.

• لماذا الحاجة إلى البيئات الافتراضية؟
  
• ما هي البيئة الافتراضية؟
  
• استخدام البيئات الافتراضية
  
• كيف تعمل البيئة الافتراضية؟
  
• إدارة البيئات الافتراضية باستخدام virtualenvwrapper
  
• استخدام إصدارات مختلفة من بايثون
• خاتمة

في هذه المقالة ، سنوضح لك كيفية استخدام البيئات الافتراضية لإنشاء وإدارة بيئات منفصلة لمشاريع Python الخاصة بك ، كل منها يستخدم إصدارات مختلفة من Python للتنفيذ. سنلقي نظرة أيضًا على كيفية تخزين تبعيات Python وحلها.

• تحديث 2018-01-12: توضيح استخدام pyenv مقابل venv في Python 3.6+
  
• تم التحديث في 2016-06-11: تمت إضافة قسم حول تغيير إصدارات Python باستخدام virtualenv
  

لماذا الحاجة إلى البيئات الافتراضية؟

تمتلك Python ، مثل معظم لغات البرمجة الحديثة الأخرى ، طريقتها الفريدة في تنزيل الحزم (أو الوحدات) وتخزينها وحلها. في حين أن هذا له مزاياه ، كانت هناك بعض القرارات المثيرة للاهتمام التي تم اتخاذها بشأن تخزين الحزمة ودقتها ، مما أدى إلى بعض المشكلات – خاصةً فيما يتعلق بكيفية ومكان تخزين الحزم.

هناك عدد قليل من المواقع المختلفة حيث يمكن تثبيت هذه الحزم على نظامك. على سبيل المثال ، يتم تخزين معظم حزم النظام في دليل تابع للمسار المخزن في sys.prefix.

في نظام التشغيل Mac OS X ، يمكنك بسهولة العثور على المكان الذي يشير إليه sys.prefix لاستخدام صدفة Python:

>>> import sys
>>> sys.prefix
'/System/Library/Frameworks/Python.framework/Versions/3.5'

أكثر صلة بموضوع هذه المقالة ، يتم عادةً وضع حزم الجهات الخارجية المثبتة باستخدام easy_install أو pip في أحد الأدلة التي يشير إليها site.getsitepackages:

>>> import site
>>> site.getsitepackages()
[
  '/System/Library/Frameworks/Python.framework/Versions/3.5/Extras/lib/python',
  '/Library/Python/3.5/site-packages'
]

إذن ، لماذا كل هذه التفاصيل الصغيرة مهمة؟

من المهم معرفة ذلك لأنه ، بشكل افتراضي ، سيستخدم كل مشروع على نظامك هذه الأدلة نفسها لتخزين واسترداد حزم الموقع (مكتبات الطرف الثالث). للوهلة الأولى ، قد لا تبدو هذه مشكلة كبيرة ، وهي ليست كذلك بالفعل لحزم النظام (الحزم التي تعد جزءًا من مكتبة Python القياسية) ، ولكنها مهمة لحزم الموقع.

ضع في اعتبارك السيناريو التالي حيث لديك مشروعان: ProjectA و ProjectB ، وكلاهما يعتمد على نفس المكتبة ، ProjectC. تصبح المشكلة واضحة عندما نبدأ في طلب إصدارات مختلفة من ProjectC. ربما يحتاج ProjectA إلى الإصدار 1.0.0 ، بينما يتطلب ProjectB الإصدار 2.0.0 الأحدث ، على سبيل المثال.

هذه مشكلة حقيقية لبايثون لأنها لا تستطيع التمييز بين الإصدارات في دليل حزم الموقع. لذلك سيكون كلا الإصدارين 1.0.0 و v2.0.0 موجودين في نفس الدليل بنفس الاسم:

/System/Library/Frameworks/Python.framework/Versions/3.5/Extras/lib/python/ProjectC

نظرًا لأنه يتم تخزين المشاريع وفقًا لاسمها فقط ، فلا يوجد تمييز بين الإصدارات. وبالتالي ، سيُطلب من كلا المشروعين ، ProjectA و ProjectB ، استخدام نفس الإصدار ، وهو أمر غير مقبول في كثير من الحالات.

هذا هو المكان الذي تلعب فيه البيئات الافتراضية وأدوات virtualenv / venv …

ما هي البيئة الافتراضية؟

الغرض الأساسي من بيئات Python الافتراضية هو إنشاء بيئة معزولة لمشاريع Python. هذا يعني أن كل مشروع يمكن أن يكون له تبعياته الخاصة ، بغض النظر عن التبعيات التي يمتلكها كل مشروع آخر.

في مثالنا الصغير أعلاه ، نحتاج فقط إلى إنشاء بيئة افتراضية منفصلة لكل من ProjectA و ProjectB ، وسنكون على ما يرام. وستكون كل بيئة بدورها قادرة على الاعتماد على أي إصدار من ProjectC تختاره ، بغض النظر عن الأخرى.

إن الشيء العظيم في هذا هو أنه لا توجد حدود لعدد البيئات التي يمكنك امتلاكها لأنها مجرد أدلة تحتوي على بعض البرامج النصية. بالإضافة إلى ذلك ، يتم إنشاؤها بسهولة باستخدام أدوات سطر الأوامر virtualenv أو pyenv.

استخدام البيئات الافتراضية

للبدء ، إذا كنت لا تستخدم Python 3 ، فستحتاج إلى تثبيت أداة virtualenv مع النقطة:

$ pip install virtualenv

إذا كنت تستخدم Python 3 ، فيجب أن يكون لديك بالفعل وحدة venv من المكتبة القياسية مثبتة.

ملاحظة: من الآن فصاعدًا ، سنفترض أنك تستخدم أداة venv الأحدث ، نظرًا لوجود بعض الاختلافات بينها وبين virtualenv فيما يتعلق بالأوامر الفعلية. في الواقع ، على الرغم من أنها أدوات مختلفة تمامًا.

ابدأ بإنشاء دليل جديد للعمل معه:

$ mkdir python-virtual-environments && cd python-virtual-environments

أنشئ بيئة افتراضية جديدة داخل الدليل:

# Python 2:
$ virtualenv env

# Python 3
$ python3 -m venv env

ملاحظة: بشكل افتراضي ، لن يتضمن هذا أيًا من حزم موقعك الحالية.

يتميز نهج Python 3 venv بأنه يجبرك على اختيار إصدار معين من مترجم Python 3 الذي يجب استخدامه لإنشاء البيئة الافتراضية. هذا يتجنب أي التباس حول تثبيت Python الذي تستند إليه البيئة الجديدة.

من Python 3.3 إلى 3.4 ، كانت الطريقة الموصى بها لإنشاء بيئة افتراضية هي استخدام أداة سطر أوامر pyvenv التي تأتي أيضًا مع تثبيت Python 3 بشكل افتراضي. ولكن في حالة الإصدار 3.6 وما فوق ، فإن python3 -m venv هو السبيل للذهاب.

في المثال أعلاه ، يُنشئ هذا الأمر دليلًا يسمى env ، والذي يحتوي على بنية دليل مشابه لذلك:

├── bin
│   ├── activate
│   ├── activate.csh
│   ├── activate.fish
│   ├── easy_install
│   ├── easy_install-3.5
│   ├── pip
│   ├── pip3
│   ├── pip3.5
│   ├── python -> python3.5
│   ├── python3 -> python3.5
│   └── python3.5 -> /Library/Frameworks/Python.framework/Versions/3.5/bin/python3.5
├── include
├── lib
│   └── python3.5
│       └── site-packages
└── pyvenv.cfg

إليك ما يحتويه كل مجلد:

• bin: الملفات التي تتفاعل مع البيئة الافتراضية
  
• تشمل: رؤوس C التي تجمع حزم Python
  
• lib: نسخة من إصدار Python مع مجلد حزم الموقع حيث يتم تثبيت كل تبعية

علاوة على ذلك ، هناك نسخ من بعض أدوات Python المختلفة أو روابط رمزية لها بالإضافة إلى ملفات Python التنفيذية نفسها. تُستخدم هذه الملفات لضمان تنفيذ جميع تعليمات وأوامر Python في سياق البيئة الحالية ، وهي الطريقة التي يتم بها تحقيق العزلة عن البيئة العالمية. سنشرح ذلك بمزيد من التفصيل في القسم التالي.

الأكثر إثارة للاهتمام هي نصوص التنشيط في دليل bin. تُستخدم هذه البرامج النصية لإعداد shell الخاص بك لاستخدام لغة Python القابلة للتنفيذ الخاصة بالبيئة وحزم الموقع الخاصة بها افتراضيًا.

من أجل استخدام حزم / موارد هذه البيئة بشكل منفصل ، تحتاج إلى “تنشيطها”. للقيام بذلك ، ما عليك سوى تشغيل ما يلي:

$ source env/bin/activate
(env) $

لاحظ كيف أصبح موجهك الآن مسبوقًا باسم بيئتك (env ، في حالتنا). هذا هو المؤشر على أن env نشط حاليًا ، مما يعني أن ملف Python القابل للتنفيذ لن يستخدم سوى حزم وإعدادات هذه البيئة.

لإظهار عزل الحزمة أثناء العمل ، يمكننا استخدام وحدة bcrypt كمثال. لنفترض أن لدينا bcrypt مثبتًا على مستوى النظام ولكن ليس في بيئتنا الافتراضية.

قبل أن نختبر هذا ، نحتاج إلى العودة إلى سياق “النظام” بتنفيذ إلغاء التنشيط:

(env) $ deactivate
$

الآن عادت جلسة shell إلى وضعها الطبيعي ، ويشير أمر python إلى تثبيت Python العام. تذكر أن تفعل ذلك كلما انتهيت من استخدام بيئة افتراضية محددة.

الآن ، قم بتثبيت bcrypt واستخدمه لتجزئة كلمة المرور:

$ pip -q install bcrypt
$ python -c "import bcrypt; print(bcrypt.hashpw('password'.encode('utf-8'), bcrypt.gensalt()))"
$2b$12$vWa/VSvxxyQ9d.WGgVTdrell515Ctux36LCga8nM5QTW0.4w8TXXi

إليك ما يحدث إذا حاولنا نفس الأمر عند تنشيط البيئة الافتراضية:

$ source env/bin/activate
(env) $ python -c "import bcrypt; print(bcrypt.hashpw('password'.encode('utf-8'), bcrypt.gensalt()))"
Traceback (most recent call last):
  File "<string>", line 1, in <module>
ImportError: No module named 'bcrypt'

كما ترى ، يتغير سلوك الأمر python -c “import bcrypt …” بعد المصدر env / bin / activation call.

في إحدى الحالات ، لدينا bcrypt متاح لنا ، وفي المرة التالية ليس لدينا. هذا هو نوع الفصل الذي نتطلع إلى تحقيقه باستخدام البيئات الافتراضية ، والذي يمكن تحقيقه الآن بسهولة.

كيف تعمل البيئة الافتراضية؟

ماذا يعني بالضبط “تنشيط” البيئة؟ يمكن أن تكون معرفة ما يجري تحت الغطاء أمرًا مهمًا جدًا للمطور ، خاصة عندما تحتاج إلى فهم بيئات التنفيذ ، ودقة التبعية ، وما إلى ذلك.

لشرح كيفية عمل ذلك ، دعنا أولاً نتحقق من مواقع ملفات بيثون التنفيذية المختلفة. مع البيئة “غير نشطة” ، قم بتشغيل ما يلي:

$ which python
/usr/bin/python

الآن ، قم بتنشيطه وتشغيل الأمر مرة أخرى:

$ source env/bin/activate
(env) $ which python
/Users/michaelherman/python-virtual-environments/env/bin/python

بعد تنشيط البيئة ، نحصل الآن على مسار مختلف لملف Python القابل للتنفيذ لأنه ، في بيئة نشطة ، يتم تعديل متغير البيئة $ PATH بشكل طفيف.

لاحظ الفرق بين المسار الأول في $ PATH قبل التنشيط وبعده:

$ echo $PATH
/usr/local/bin:/usr/bin:/bin:/usr/sbin:/sbin:

$ source env/bin/activate
(env) $ echo $PATH
/Users/michaelherman/python-virtual-environments/env/bin:/usr/local/bin:/usr/bin:/bin:/usr/sbin:/sbin:

في المثال الأخير، أصبح دليل bin لبيئتنا الافتراضية الآن في بداية المسار. هذا يعني أنه أول دليل يتم البحث عنه عند تشغيل ملف تنفيذي في سطر الأوامر. وبالتالي ، تستخدم القشرة مثيل بيئتنا الافتراضية من Python بدلاً من الإصدار على مستوى النظام.

ملاحظة: تميل الحزم الأخرى التي تجمع Python ، مثل Anaconda ، أيضًا إلى معالجة مسارك عند تنشيطها. فقط كن على علم بهذا في حالة مواجهة مشاكل مع بيئاتك الأخرى. يمكن أن يصبح هذا مشكلة إذا بدأت في تنشيط بيئات متعددة في وقت واحد.

وهذا يثير الأسئلة التالية:

• ما هو الفرق بين هذين الملفين التنفيذيين على أي حال؟
  
• كيف يمكن لبيثون القابل للتنفيذ في البيئة الافتراضية استخدام شيء آخر غير حزم مواقع النظام؟

يمكن تفسير ذلك من خلال كيفية بدء تشغيل Python ومكان وجودها على النظام. في الواقع ، لا يوجد أي فرق بين هذين الملفين التنفيذيين في بايثون. إن ما يهم هو مواقع دليلهم.

عندما يبدأ Python ، فإنه ينظر إلى مسار ثنائي الخاص به. في بيئة افتراضية ، يكون الأمر في الواقع مجرد نسخة أو رابط رمزي من نظام Python الثنائي. ثم يقوم بتعيين موقع sys.prefix و sys.exec_prefix بناءً على هذا الموقع ، مع حذف جزء الحاوية من المسار.

ثم يتم استخدام المسار الموجود في sys.prefix لتحديد موقع دليل حزم الموقع من خلال البحث في المسار النسبي lib / pythonX.X / site -pack / ، حيث X.X هو إصدار Python الذي تستخدمه.

في مثالنا ، يوجد الملف الثنائي في / Users / michaelherman / python-virtual-environment / env / bin ، مما يعني أن sys.prefix سيكون / Users / michaelherman / python-virtual-environment / env ، وبالتالي حزم الموقع الدليل المستخدم سيكون /Users/michaelherman/python-virtual-environment/env/lib/pythonX.X/site-packages. أخيرًا ، يتم تخزين هذا المسار في مصفوفة sys.path ، والتي تحتوي على جميع المواقع التي يمكن أن تتواجد فيها الحزمة.

إدارة البيئات الافتراضية باستخدام virtualenvwrapper

بينما تحل البيئات الافتراضية بالتأكيد بعض المشكلات الكبيرة في إدارة الحزم ، إلا أنها ليست مثالية. بعد إنشاء بعض البيئات ، ستبدأ في ملاحظة أنها تخلق بعض المشكلات الخاصة بها ، والتي يدور معظمها حول إدارة البيئات نفسها. للمساعدة في ذلك ، تم إنشاء أداة virtualenvwrapper. إنها مجرد بعض البرامج النصية المجمعة حول أداة virtualenv الرئيسية.

فيما يلي بعض الميزات الأكثر فائدة لبرنامج virtualenvwrapper:

• ينظم جميع بيئاتك الافتراضية في مكان واحد
  
• يوفر طرقًا لمساعدتك في إنشاء البيئات وحذفها ونسخها بسهولة
• يوفر أمرًا واحدًا للتبديل بين البيئات

بينما قد تبدو بعض هذه الميزات صغيرة أو غير مهمة ، ستعرف قريبًا أنها أدوات مهمة لإضافتها إلى سير عملك.

للبدء ، يمكنك تنزيل الغلاف بنقطة:

$ pip install virtualenvwrapper

ملاحظة: بالنسبة لنظام التشغيل Windows ، يجب عليك استخدام virtualenvwrapper-win بدلاً من ذلك.

بمجرد تثبيته ، سنحتاج إلى تنشيط وظائف shell الخاصة به. يمكننا القيام بذلك عن طريق تشغيل المصدر على البرنامج النصي Virtualenvwrapper.sh المثبت. عند تثبيته لأول مرة باستخدام نقطة ، سيخبرك ناتج التثبيت بالموقع الدقيق لـ virtualenvwrapper.sh. أو يمكنك ببساطة تشغيل ما يلي:

$ which virtualenvwrapper.sh
/usr/local/bin/virtualenvwrapper.sh

باستخدام هذا المسار ، أضف الأسطر الثلاثة التالية إلى ملف بدء تشغيل shell الخاص بك. إذا كنت تستخدم Bash shell ، يمكنك وضع هذه الأسطر إما في ملف ~ / .bashrc أو في الملف ~ / .profile. بالنسبة للأصداف الأخرى ، مثل zsh أو csh أو fish ، ستحتاج إلى استخدام ملفات بدء التشغيل الخاصة بذلك shell. كل ما يهم هو أن هذه الأوامر يتم تنفيذها عند تسجيل الدخول أو فتح صدفة جديدة:

export WORKON_HOME=$HOME/.virtualenvs   # Optional
export PROJECT_HOME=$HOME/projects      # Optional
source /usr/local/bin/virtualenvwrapper.sh

ملاحظة: ليس مطلوبًا تحديد متغيرات بيئة WORKON_HOME و PROJECT_HOME. يحتوي virtualenvwrapper على قيم افتراضية لهؤلاء ، ولكن يمكنك تجاوزها عن طريق تحديد القيم.

أخيرًا ، أعد تحميل ملف بدء التشغيل:

$ source ~/.bashrc

يجب أن يكون هناك دليل موجود الآن على WORKON_HOME $ يحتوي على جميع بيانات / ملفات virtualenvwrapper:

$ echo $WORKON_HOME
/Users/michaelherman/.virtualenvs

سيكون لديك الآن أيضًا أوامر shell متاحة لك لمساعدتك في إدارة البيئات. فيما يلي عدد قليل من الخيارات المتاحة:

• يعمل على
  
• تعطيل
  
• مكفيرتولينف
  
• cdvirtualenv
• rmvirtualenv

لمزيد من المعلومات حول الأوامر والتثبيت وتكوين Virtualenvwrapper ، تحقق من الوثائق.

الآن ، في أي وقت تريد فيه بدء مشروع جديد ، عليك فقط القيام بذلك:

$ mkvirtualenv my-new-project
(my-new-project) $

سيؤدي هذا إلى إنشاء وتنشيط بيئة جديدة في الدليل الموجود في $ WORKON_HOME ، حيث يتم تخزين جميع بيئات Virtualenvwrapper.

للتوقف عن استخدام هذه البيئة ، ما عليك سوى إلغاء تنشيطها كما كان من قبل:

(my-new-project) $ deactivate
$

إذا كان لديك العديد من البيئات للاختيار من بينها ، فيمكنك سردها جميعًا باستخدام وظيفة workon:

$ workon
my-new-project
my-django-project
web-scraper

أخيرًا ، إليك كيفية التفعيل:

$ workon web-scraper
(web-scraper) $

إذا كنت ترغب في أن تكون قادرًا على استخدام أداة واحدة والتبديل بين إصدارات Python ، فسوف يسمح لك virtualenv بفعل ذلك. يحتوي virtualenv على معلمة -p تتيح لك تحديد إصدار Python الذي تريد استخدامه. قم بدمج ذلك مع أي أمر ، ويمكننا بسهولة تحديد نسختك المفضلة من Python لاستخدامها بطريقة بسيطة. على سبيل المثال ، لنفترض أننا نريد Python 3 كإصدار مفضل لدينا:

$ virtualenv -p $(which python3) blog_virtualenv

سيؤدي ذلك إلى إنشاء بيئة Python 3 جديدة.

كيف يعمل هذا؟ الأمر الذي يتم استخدامه للبحث عن أمر معين في متغير $ PATH وإعادة المسار الكامل إلى هذا الأمر. لذلك ، تم إرجاع المسار الكامل إلى python3 ، إلى المعلمة -p التي تأخذ PYTHON_EXE. يمكن أيضًا استخدام هذا مع python2 أيضًا. فقط استبدل python3 بـ python2 (أو python إذا كان النظام افتراضيًا هو python2).

الآن لست مضطرًا لتذكر مكان تثبيت بيئاتك. يمكنك حذفها أو نسخها بسهولة كما يحلو لك ، ويكون دليل مشروعك أقل تشوشًا!

استخدام إصدارات مختلفة من بايثون

بخلاف أداة virtualenv القديمة ، لا تدعم pyvenv إنشاء بيئات بإصدارات عشوائية من Python ، مما يعني أنك عالق في استخدام تثبيت Python 3 الافتراضي لجميع البيئات التي تنشئها. بينما يمكنك ترقية بيئة إلى أحدث إصدار من نظام Python (عبر خيار –upgrade) ، إذا تغيرت ، فلا يزال يتعذر عليك تحديد إصدار معين.

توجد عدة طرق لتثبيت Python ، لكن القليل منها سهل أو مرن بدرجة كافية لإلغاء تثبيت إصدارات مختلفة من البرنامج الثنائي وإعادة تثبيتها.

هذا هو المكان الذي يأتي فيه pyenv للعب.

على الرغم من التشابه في الأسماء (pyvenv vs pyenv) ، فإن pyenv مختلفة من حيث أن تركيزها ينصب على مساعدتك في التبديل بين إصدارات Python على مستوى النظام وكذلك على مستوى المشروع. في حين أن الغرض من pyvenv هو فصل الوحدات النمطية ، فإن الغرض من pyenv هو فصل إصدارات Python.

يمكنك البدء بتثبيت pyenv إما مع Homebrew (على OS X) أو مشروع pyenv-installer:

البيرة

$ brew install pyenv

المثبت pyenv

$ curl -L https://raw.githubusercontent.com/yyuu/pyenv-installer/master/bin/pyenv-installer | bash

ملاحظة: للأسف ، لا يدعم pyenv نظام التشغيل Windows. بعض البدائل التي يمكنك تجربتها هي pywin و anyenv.

بمجرد أن يكون لديك pyenv على نظامك ، إليك بعض الأوامر الأساسية التي ربما تكون مهتمًا بها:

$ pyenv install 3.5.0   # Install new version
$ pyenv versions        # List installed versions
$ pyenv exec python -V  # Execute 'python -V' using pyenv version


في هذه الأسطر القليلة ، نقوم بتثبيت الإصدار 3.5.0 من Python ، ونطلب من pyenv إظهار جميع الإصدارات المتاحة لنا ، 
ثم تنفيذ الأمر python -V باستخدام الإصدار المحدد من pyenv. لمنحك المزيد من التحكم ، 
يمكنك بعد ذلك استخدام أي من الإصدارات المتاحة للاستخدام "العام" أو الاستخدام "المحلي". 
يؤدي استخدام pyenv مع الأمر المحلي إلى تعيين إصدار Python لمشروع أو دليل معين عن طريق تخزين 
رقم الإصدار في ملف إصدار .python محلي. يمكننا تعيين الإصدار "المحلي" مثل هذا: 

$ pyenv local 2.7.11


يؤدي هذا إلى إنشاء ملف .python-version في دليلنا الحالي ، كما ترى هنا: 

$ ls -la
total 16
drwxr-xr-x  4 michaelherman  staff  136 Feb 22 10:57 .
drwxr-xr-x  9 michaelherman  staff  306 Jan 27 20:55 ..
-rw-r--r--  1 michaelherman  staff    7 Feb 22 10:57 .python-version
-rw-r--r--  1 michaelherman  staff   52 Jan 28 17:20 main.py

يحتوي هذا الملف فقط على محتويات "2.7.11". الآن ، عند تنفيذ نص برمجي باستخدام pyenv ، 
فسيتم تحميل هذا الملف واستخدام الإصدار المحدد ، على افتراض أنه صالح وموجود على نظامك. بالانتقال إلى مثالنا ، 
لنفترض أن لدينا نصًا برمجيًا بسيطًا يسمى main.py في دليل المشروع يبدو كالتالي: 

import sys
print('Using version:', sys.version[:5])

كل ما يفعله هو طباعة رقم إصدار ملف Python القابل للتنفيذ المستخدم. باستخدام pyenv والأمر exec ، 
يمكننا تشغيل البرنامج النصي بأي من إصدارات Python المختلفة التي قمنا بتثبيتها.

$ python main.py
Using version: 2.7.5
$ pyenv global 3.5.0
$ pyenv exec python main.py
Using version: 3.5.0
$ pyenv local 2.7.11
$ pyenv exec python main.py
Using version: 2.7.11

لاحظ كيف يستخدم pyenv exec python main.py إصدار Python "العالمي" افتراضيًا ، 
ولكنه يستخدم الإصدار "المحلي" بعد تعيينه للدليل الحالي.

يمكن أن يكون هذا قويًا جدًا للمطورين الذين لديهم الكثير من المشاريع بمتطلبات إصدار مختلفة. 
لا يمكنك فقط تغيير الإصدار الافتراضي بسهولة لجميع المشاريع (عبر العمومية) ، ولكن يمكنك أيضًا تجاوزه لتحديد الحالات الخاصة.

خاتمة

في هذه المقالة ، تعرفت ليس فقط على كيفية تخزين تبعيات Python وحلها ، 
ولكن أيضًا كيف يمكنك استخدام أدوات المجتمع المختلفة للمساعدة في التغلب على مشاكل التعبئة والإصدار المختلفة.

كما ترى ، بفضل مجتمع Python الضخم ، هناك عدد غير قليل من الأدوات المتاحة لك للمساعدة 
في حل هذه المشكلات الشائعة. أثناء تقدمك كمطور ، تأكد من قضاء بعض الوقت في تعلم كيفية استخدام هذه الأدوات لصالحك. 
قد تجد حتى استخدامات غير مقصودة لهم أو تتعلم تطبيق مفاهيم مماثلة على اللغات الأخرى التي تستخدمها.

The post بيئات Python الافتراضية: كتاب تمهيدي appeared first on فيلم تعلم البرمجيات للطالب العربي.

إذا طورت فهمًا بديهيًا لاختلافاتهم ، فستتمكن من كتابة Python الموجهة للكائنات والتي تنقل نواياها بشكل أكثر وضوحًا وستكون أسهل في الحفاظ عليها على المدى الطويل.

طرق المثيل والفئة والثابتة – نظرة عامة #

لنبدأ بكتابة فئة (Python 3) تحتوي على أمثلة بسيطة لجميع أنواع الطرق الثلاثة:

class MyClass:
def method(self):
return 'instance method called', self

@classmethod
def classmethod(cls):
return 'class method called', cls

@staticmethod
def staticmethod():
return 'static method called'

طرق المثيل #

الطريقة الأولى في MyClass، تسمى method، هي طريقة مثيل عادية . هذا هو نوع الطريقة الأساسية الخالية من الرتوش التي ستستخدمها معظم الوقت. يمكنك أن ترى أن الطريقة تأخذ معلمة واحدة self، مما يشير إلى مثيل MyClassعندما يتم استدعاء الطريقة (ولكن بالطبع يمكن أن تقبل طرق المثيل أكثر من معامل واحد).

من خلال selfالمعلمة ، يمكن لأساليب المثيل الوصول بحرية إلى السمات والطرق الأخرى على نفس الكائن. يمنحهم هذا الكثير من القوة عندما يتعلق الأمر بتعديل حالة الكائن.

لا يمكنهم فقط تعديل حالة الكائن ، بل يمكن أيضًا أن تصل طرق المثيل إلى الفئة نفسها من خلال self.__class__السمة. هذا يعني أن طرق المثيل يمكنها أيضًا تعديل حالة الفئة.

طرق الفصل #

دعنا نقارن ذلك بالطريقة الثانية ، MyClass.classmethod. لقد قمت بتمييز هذه الطريقة @classmethodبمصمم لتعليمها كطريقة فصل .

بدلاً من قبول selfمعلمة ، تأخذ طرق الفئة clsمعلمة تشير إلى الفئة – وليس مثيل الكائن – عند استدعاء الطريقة.

نظرًا لأن طريقة الفئة لديها حق الوصول إلى هذه clsالوسيطة فقط ، فلا يمكنها تعديل حالة مثيل الكائن. سيتطلب ذلك الوصول إلى self. ومع ذلك ، لا يزال بإمكان طرق الفئة تعديل حالة الفئة التي يتم تطبيقها عبر جميع مثيلات الفئة.

طرق ثابتة

الطريقة الثالثة ، MyClass.staticmethodتم تمييزها @staticmethodبمصمم لتعليمها على أنها طريقة ثابتة .

لا يأخذ هذا النوع من الطريقة أي معلمة selfأو clsمعلمة (ولكن بالطبع يمكنك قبول عدد عشوائي من المعلمات الأخرى).

لذلك لا يمكن للطريقة الثابتة تعديل حالة الكائن أو حالة الفئة. الطرق الثابتة مقيدة بالبيانات التي يمكنهم الوصول إليها – وهي في الأساس طريقة لمساحة الأسماء الخاصة بك.

دعونا نراهم في العمل! #

أعلم أن هذه المناقشة كانت نظرية إلى حد ما حتى هذه النقطة. وأعتقد أنه من المهم أن تطور فهمًا بديهيًا لكيفية اختلاف أنواع الأساليب هذه في الممارسة. سنستعرض بعض الأمثلة الملموسة الآن.

دعنا نلقي نظرة على كيفية عمل هذه الطرق عندما نسميها. سنبدأ بإنشاء مثيل للفصل ثم استدعاء الطرق الثلاثة المختلفة عليه.

MyClass تم إعداده بطريقة تجعل تنفيذ كل طريقة يعيد مجموعة تحتوي على معلومات لنا لتتبع ما يحدث – وأجزاء الفئة أو العنصر الذي يمكن للطريقة الوصول إليه.

إليك ما يحدث عندما نسمي طريقة المثيل :

>>> obj = MyClass()
>>> obj.method()
('instance method called', )

أكد هذا أن method(طريقة المثيل) لديها حق الوصول إلى مثيل الكائن (مطبوع كـ ) عبر selfالوسيطة.

عندما يتم استدعاء الطريقة ، تستبدل Python selfالوسيطة بكائن المثيل obj. يمكننا تجاهل السكر النحوي لبناء جملة dot-call ( obj.method()) وتمرير كائن المثيل يدويًا للحصول على نفس النتيجة:

>>> MyClass.method(obj)
('instance method called', )

هل يمكنك تخمين ما سيحدث إذا حاولت استدعاء الطريقة دون إنشاء مثيل أولاً؟

بالمناسبة ، يمكن لطرق المثال أيضًا الوصول إلى الفئة نفسها من خلال self.__class__السمة. وهذا يجعل مثيل أساليب قوية من حيث القيود المفروضة على الوصول – يمكن تعديل حالة على مثيل كائن و في الفئة نفسها.

لنجرب طريقة الفصل بعد ذلك:

>>> obj.classmethod()
('class method called', )

classmethod()أظهر لنا الاتصال أنه ليس لديه وصول إلى الكائن ، ولكن فقط إلى الكائن ، الذي يمثل الفئة نفسها (كل شيء في Python هو كائن ، حتى الفئات نفسها)

لاحظ كيف تمرر Python الفئة تلقائيًا كأول وسيطة إلى الوظيفة عندما نستدعيها MyClass.classmethod(). استدعاء طريقة في بايثون من خلال بناء الجملة النقطي يؤدي إلى هذا السلوك. تعمل selfالمعلمة في طرق المثيل بنفس الطريقة.

يرجى ملاحظة أن تسمية هذه المعايير selfو clsهو مجرد الاتفاقية. هل يمكن بسهولة مثلما تسميتها the_objectو the_classوالحصول على نفس النتيجة. كل ما يهم هو وضعهم أولاً في قائمة المعلمات للطريقة.

حان الوقت لاستدعاء الطريقة الثابتة الآن:

>>> obj.staticmethod()
'static method called'

هل رأيت كيف استدعينا staticmethod()الكائن وتمكنا من القيام بذلك بنجاح؟ يتفاجأ بعض المطورين عندما يعلمون أنه من الممكن استدعاء طريقة ثابتة على مثيل كائن.

وراء الكواليس ، تقوم Python ببساطة بفرض قيود الوصول من خلال عدم تمرير selfأو clsالوسيطة عند استدعاء طريقة ثابتة باستخدام بناء الجملة.

هذا يؤكد أن الأساليب الثابتة لا يمكنها الوصول إلى حالة مثيل الكائن ولا حالة الفئة. إنها تعمل مثل الوظائف العادية ولكنها تنتمي إلى مساحة اسم الفصل (وكل مثيل).

الآن ، دعنا نلقي نظرة على ما يحدث عندما نحاول استدعاء هذه العمليات في الفصل نفسه – دون إنشاء مثيل كائن مسبقًا:

>>> MyClass.classmethod()
('class method called', )

>>> MyClass.staticmethod()
'static method called'

>>> MyClass.method()
TypeError: unbound method method() must
be called with MyClass instance as first
argument (got nothing instead)

تمكنا من الاتصال classmethod()وعلى staticmethod()ما يرام ، لكن محاولة استدعاء طريقة المثيل method()فشلت مع TypeError.

وهذا أمر متوقع – هذه المرة لم نقم بإنشاء مثيل كائن وحاولنا استدعاء دالة مثيل مباشرة على مخطط الفصل نفسه. هذا يعني أنه لا توجد طريقة لبايثون لملء selfالوسيطة وبالتالي فشل الاستدعاء.

يجب أن يجعل هذا التمييز بين أنواع الطرق الثلاثة هذه أكثر وضوحًا. لكنني لن أترك الأمر عند هذا الحد. في القسمين التاليين ، سأستعرض مثالين أكثر واقعية إلى حد ما حول وقت استخدام هذه الأنواع الخاصة من الأساليب.

سأبني الأمثلة الخاصة بي حول Pizzaفئة العظام المجردة:

class Pizza:
def __init__(self, ingredients):
self.ingredients = ingredients

def __repr__(self):
return f'Pizza({self.ingredients!r})'

و

>>> Pizza(['cheese', 'tomatoes'])
Pizza(['cheese', 'tomatoes'])

ملاحظة: هذا المثال من الكود والمثال الآخر في البرنامج التعليمي يستخدم Python 3.6 f-strings لبناء السلسلة التي تم إرجاعها بواسطة __repr__. في Python 2 وإصدارات Python 3 قبل 3.6 ، ستستخدم تعبير تنسيق سلسلة مختلف ، على سبيل المثال:

def __repr__(self):
return 'Pizza(%r)' % self.ingredients

مصانع البيتزا اللذيذة بـ @classmethod#

إذا كنت قد تعرضت للبيتزا في العالم الحقيقي ، فستعرف أن هناك العديد من الأشكال اللذيذة المتاحة:

Pizza(['mozzarella', 'tomatoes'])
Pizza(['mozzarella', 'tomatoes', 'ham', 'mushrooms'])
Pizza(['mozzarella'] * 4)

اكتشف الإيطاليون تصنيفهم للبيتزا منذ قرون ، ولذا فإن هذه الأنواع اللذيذة من البيتزا لها أسماء خاصة بها. من Pizzaالأفضل أن نستفيد من ذلك ونمنح مستخدمي صفنا واجهة أفضل لإنشاء كائنات البيتزا التي يتوقون إليها.

هناك طريقة لطيفة ونظيفة للقيام بذلك وهي استخدام طرق الفصل كوظائف المصنع لأنواع البيتزا المختلفة التي يمكننا إنشاؤها:

class Pizza:
def __init__(self, ingredients):
self.ingredients = ingredients

def __repr__(self):
return f'Pizza({self.ingredients!r})'

@classmethod
def margherita(cls):
return cls(['mozzarella', 'tomatoes'])

@classmethod
def prosciutto(cls):
return cls(['mozzarella', 'tomatoes', 'ham'])

لاحظ كيف أستخدم clsالوسيطة في التابعين margheritaو prosciuttofactory بدلاً من استدعاء Pizzaالمُنشئ مباشرةً.

هذه خدعة يمكنك استخدامها لاتباع مبدأ عدم تكرار نفسك (جاف) . إذا قررنا إعادة تسمية هذه الفئة في وقت ما ، فلن نضطر إلى تذكر تحديث اسم المُنشئ في جميع وظائف مصنع أسلوب الفصل.

الآن ، ماذا يمكننا أن نفعل بأساليب المصنع هذه؟ دعنا نجربهم:

>>> Pizza.margherita()
Pizza(['mozzarella', 'tomatoes'])

>>> Pizza.prosciutto()
Pizza(['mozzarella', 'tomatoes', 'ham'])

كما ترى ، يمكننا استخدام وظائف المصنع لإنشاء Pizzaكائنات جديدة يتم تكوينها بالطريقة التي نريدها. يستخدمون جميعًا نفس __init__المُنشئ داخليًا ويوفرون ببساطة اختصارًا لتذكر جميع المكونات المختلفة.

هناك طريقة أخرى للنظر إلى هذا الاستخدام لطرق الفصل وهي أنها تسمح لك بتحديد منشئات بديلة لفئاتك.

تسمح Python __init__بطريقة واحدة فقط لكل فئة. باستخدام طرق الفصل ، من الممكن إضافة أكبر عدد ممكن من المنشئات البديلة حسب الضرورة. يمكن أن يجعل هذا واجهة فصولك ذاتية التوثيق (إلى حد ما) وتبسيط استخدامها.

متى يجب استخدام الأساليب الثابتة #

من الأصعب قليلًا التوصل إلى مثال جيد هنا. لكن أخبرك بماذا ، سأستمر في تمديد تشبيه البيتزا أرق وأرق … (لذيذ!)

هذا ما توصلت إليه:

import math

class Pizza:
def __init__(self, radius, ingredients):
self.radius = radius
self.ingredients = ingredients

def __repr__(self):
return (f'Pizza({self.radius!r}, '
f'{self.ingredients!r})')

def area(self):
return self.circle_area(self.radius)

@staticmethod
def circle_area(r):
return r ** 2 * math.pi

الآن ماذا تغيرت هنا؟ أولاً ، قمت بتعديل المُنشئ __repr__وأقبل radiusوسيطة إضافية .

لقد أضفت أيضًا area()طريقة مثيل تحسب وتعيد منطقة البيتزا (سيكون هذا أيضًا مرشحًا جيدًا لـ @property- ولكن مهلا ، هذا مجرد مثال على لعبة).

فبدلاً من حساب المساحة الواقعة داخل area()الدائرة مباشرةً ، باستخدام صيغة منطقة الدائرة المعروفة ، قمت بحساب ذلك إلى circle_area()طريقة ثابتة منفصلة .

لنجربها!

>>> p = Pizza(4, ['mozzarella', 'tomatoes'])
>>> p
Pizza(4, ['mozzarella', 'tomatoes'])
>>> p.area()
50.26548245743669
>>> Pizza.circle_area(4)
50.26548245743669

بالتأكيد ، هذا مثال بسيط بعض الشيء ، لكنه سيساعد في شرح بعض الفوائد التي توفرها الأساليب الثابتة.

كما تعلمنا ، لا يمكن للطرق الثابتة الوصول إلى فئة أو حالة مثيل لأنها لا تأخذ حجة clsأو selfحجة. هذا قيد كبير – ولكنه أيضًا إشارة رائعة لإظهار أن طريقة معينة مستقلة عن كل شيء آخر حولها.

في المثال أعلاه ، من الواضح أنه circle_area()لا يمكن تعديل الفئة أو مثيل الفصل بأي شكل من الأشكال. (بالتأكيد ، يمكنك دائمًا التغلب على ذلك باستخدام متغير عام ولكن هذا ليس هو الهدف هنا.)

الآن ، لماذا هذا مفيد؟

إن وضع علامة على طريقة كطريقة ثابتة ليس مجرد تلميح إلى أن الطريقة لن تعدل الفئة أو حالة المثيل – يتم فرض هذا التقييد أيضًا بواسطة وقت تشغيل Python.

تسمح لك مثل هذه التقنيات بالتواصل بوضوح حول أجزاء من العمارة الصفية الخاصة بك بحيث يتم توجيه أعمال التطوير الجديدة بشكل طبيعي داخل هذه الحدود الموضوعة. بالطبع ، سيكون من السهل تحدي هذه القيود. لكن في الممارسة العملية ، غالبًا ما يساعدون في تجنب التعديلات العرضية التي تتعارض مع التصميم الأصلي.

بعبارة أخرى ، فإن استخدام الأساليب الثابتة وطرق الفصل هي طرق لإيصال نية المطور مع فرض هذه النية بما يكفي لتجنب معظم أخطاء العقل والأخطاء التي قد تفسد التصميم.

تُطبق باعتدال وعندما يكون ذلك منطقيًا ، فإن كتابة بعض الأساليب الخاصة بك بهذه الطريقة يمكن أن توفر فوائد الصيانة وتقليل احتمالية استخدام المطورين الآخرين للفصول الدراسية الخاصة بك بشكل غير صحيح.

تتمتع الطرق الثابتة أيضًا بفوائد عندما يتعلق الأمر بكتابة كود الاختبار.

نظرًا لأن circle_area()الطريقة مستقلة تمامًا عن بقية الفصل ، فمن الأسهل اختبارها.

لا داعي للقلق بشأن إعداد مثيل فئة كامل قبل أن نتمكن من اختبار الطريقة في اختبار الوحدة. يمكننا إطلاق النار بعيدًا مثلما نختبر وظيفة عادية. مرة أخرى ، هذا يجعل الصيانة المستقبلية أسهل.

الوجبات الجاهزة الرئيسية

تحتاج طرق المثيل إلى مثيل فئة ويمكن الوصول إلى المثيل من خلال self.
لا تحتاج طرق الفصل إلى مثيل فئة. لا يمكنهم الوصول إلى المثيل ( self) لكن يمكنهم الوصول إلى الفصل نفسه عبر cls.
الأساليب الثابتة لا يمكنها الوصول إلى clsأو self. إنها تعمل مثل الوظائف العادية ولكنها تنتمي إلى مساحة اسم الفصل.
تتواصل الطرق الثابتة والطبقية (إلى حد ما) وتفرض نية المطور حول تصميم الفصل. يمكن أن يكون لهذا فوائد الصيانة.

The post تم إزالة الغموض عن طرق المثيل والفئة والثابت في Python appeared first on فيلم تعلم البرمجيات للطالب العربي.

The post الحوسبة الفائقة والبرمجة العلمية MPI4PY NumPy و SciPy appeared first on فيلم تعلم البرمجيات للطالب العربي.

The post بيثون البرمجة: دليل في العمق في أساسيات البرمجة بيثون appeared first on فيلم تعلم البرمجيات للطالب العربي.