در این مطلب، ویدئو استفاده از پایتون در FLAC3D 6 با زیرنویس فارسی را برای دانلود قرار داده ام. شما میتوانید با پرداخت 15 هزار تومان ، این ویدیو به علاوه تمامی فیلم های سایت را دانلود کنید.اکثر فیلم های سایت به زبان انگلیسی می باشند. این ویدئو دارای زیرنویس فارسی ترجمه شده توسط هوش مصنوعی می باشد که میتوانید نمونه ای از آن را در قسمت پایانی این مطلب مشاهده کنید.
تصاویر این ویدئو:
قسمتی از زیرنویس این فیلم:
00:00:10,400 –> 00:00:13,590
و من در مورد استفاده از
2
00:00:13,590 –> 00:00:18,170
زبان برنامه نویسی پایتون با انتخاب سه بعدی صحبت خواهم کرد، بنابراین
3
00:00:18,170 –> 00:00:19,740
این یک مقدمه اولیه است که چند نمونه
4
00:00:19,740 –> 00:00:21,270
ارائه می دهم،
5
00:00:21,270 –> 00:00:24,390
اما اساسا پایتون یک
6
00:00:24,390 –> 00:00:27,290
زبان برنامه نویسی همه منظوره است
7
00:00:27,290 –> 00:00:29,610
و واقعا برای برنامه نویسی استاتیک و جزئی مناسب است.
8
00:00:29,610 –> 00:00:31,289
در نوع
9
00:00:31,289 –> 00:00:33,170
برنامه نویسی مهندسی مانند ما و
10
00:00:33,170 –> 00:00:35,910
اساساً کاری که انجام داده ایم این است که از
11
00:00:35,910 –> 00:00:37,949
این نوع زبان برنامه نویسی پایتون
12
00:00:37,949 –> 00:00:39,239
و برخی از مطالب علمی استفاده کرده ایم و
13
00:00:39,239 –> 00:00:42,260
آن را در داخل PFC 3d و پرچم 3d را بسته بندی کرده ایم،
14
00:00:42,260 –> 00:00:46,589
بنابراین من می گویم اگر شما فقط بودید
15
00:00:46,589 –> 00:00:48,150
در این ارائه یک چیز را یاد میگیرم
16
00:00:48,150 –> 00:00:49,650
، فقط میتوانم بگویم که من فکر میکنم
17
00:00:49,650 –> 00:00:52,110
مزیت واقعی پایتون برای ما این است
18
00:00:52,110 –> 00:00:54,000
که دارای عملکردهای برنامهنویسی علمی بسیار خوبی
19
00:00:54,000 –> 00:00:55,769
است و
20
00:00:55,769 –> 00:00:57,479
اگر بتوانید از آن استفاده کنید، به نوعی
21
00:00:57,479 –> 00:00:59,550
زندگی شما را آسانتر میکند و کد
22
00:00:59,550 –> 00:01:01,589
شما سریعتر خواهد بود
23
00:01:01,589 –> 00:01:02,850
و توسعه آن طول نمیکشد، بنابراین
24
00:01:02,850 –> 00:01:04,860
این پیام اصلی است، بنابراین امیدوارم بتوانم
25
00:01:04,860 –> 00:01:07,650
نمونههایی را نشان دهم که از آن پشتیبانی میکنند
26
00:01:07,650 –> 00:01:09,090
متأسفانه میتوانید به سرعت پنهان کنید. ما با
27
00:01:09,090 –> 00:01:10,560
ماشین در این مورد هستیم و امیدوارم بتوانیم شما را بسازیم،
28
00:01:10,560 –> 00:01:16,710
بنابراین ضبط، مزایای دیگری را نشان خواهم داد،
29
00:01:16,710 –> 00:01:18,240
حدس میزنم
30
00:01:18,240 –> 00:01:20,600
قبلاً این را گفتم، اما فکر میکنم
31
00:01:20,600 –> 00:01:22,680
کدهای زیادی برای انجام
32
00:01:22,680 –> 00:01:24,450
کارهای مختلف در پایتون وجود دارد. و خیلی چیزها
33
00:01:24,450 –> 00:01:26,880
و اساساً همگی رایگان هستند،
34
00:01:26,880 –> 00:01:28,560
بنابراین در تجربه من اینطور است که اگر
35
00:01:28,560 –> 00:01:30,659
نیاز به انجام کاری داشته باشم، معمولاً
36
00:01:30,659 –> 00:01:32,520
از Google Python هر کاری که میخواهم
37
00:01:32,520 –> 00:01:33,780
انجام دهم استفاده میکنم و چیزی وجود دارد که
38
00:01:33,780 –> 00:01:36,060
میتوانید از آن استفاده کنید. و تقریباً همیشه که
39
00:01:36,060 –> 00:01:39,119
میتوانستید مستقیماً از آن در پرچم سه بعدی استفاده کنید، بنابراین
40
00:01:39,119 –> 00:01:41,939
پسر من نیز سریع است، منظورم این است که
41
00:01:41,939 –> 00:01:43,439
استفاده از آن آسان است، فکر میکنم مزایای دیگری نیز دارد،
42
00:01:43,439 –> 00:01:48,179
بنابراین من کمی سرعت را آزمایش کردم،
43
00:01:48,179 –> 00:01:49,799
برخی از افراد
44
00:01:49,799 –> 00:01:53,219
اخیراً از من در مورد این سؤال میپرسیدند. بنابراین اینها فقط
45
00:01:53,219 –> 00:01:55,350
برخی از کارهای معمولی هستند که ممکن است
46
00:01:55,350 –> 00:01:57,509
انجام دهیم مانند حلقه زدن بر روی مناطق یا انجام
47
00:01:57,509 –> 00:01:58,950
کاری با نقاط شبکه و مانند
48
00:01:58,950 –> 00:02:01,679
3 بعدی یا شمارش برخی از مقادیر
49
00:02:01,679 –> 00:02:02,850
تنش که بزرگتر از برخی اعداد
50
00:02:02,850 –> 00:02:05,520
یا متغیرهای اضافی یا هر چیز دیگری اگر
51
00:02:05,520 –> 00:02:08,490
سرعت باشد. در ماهی 1 است در من بیان میکنم
52
00:02:08,490 –> 00:02:12,980
که بهعنوان چندگانه در پایتون،
53
00:02:12,980 –> 00:02:16,830
تقریباً پایتون برای بسیاری از عملیاتها دو برابر سریعتر است
54
00:02:16,830 –> 00:02:20,280
و سپس
55
00:02:20,280 –> 00:02:23,170
ستون سومی وجود دارد که میگوید numpy،
56
00:02:23,170 –> 00:02:24,880
بنابراین حدس میزنم اگر دو چیز
57
00:02:24,880 –> 00:02:27,850
بود که میخواستم شما یاد بگیرید،
58
00:02:27,850 –> 00:02:29,140
59
00:02:29,140 –> 00:02:30,580
برنامه نویسی این آرایه را در نظر بگیرید و من همچنین در مورد آن صحبت خواهم کرد،
60
00:02:30,580 –> 00:02:31,150
61
00:02:31,150 –> 00:02:34,080
بنابراین اساساً هر کاری را که می توانید در ماهی
62
00:02:34,080 –> 00:02:35,980
انجام دهید، تقریباً می توانید آن را در پایتون انجام دهید
63
00:02:35,980 –> 00:02:37,870
و هر کاری را که می توانید در پایتون
64
00:02:37,870 –> 00:02:40,570
انجام دهید، می توانید آن را با آرایه ها و
65
00:02:40,570 –> 00:02:42,690
پایتون نیز انجام دهید. که اغلب سریعتر است، بنابراین
66
00:02:42,690 –> 00:02:44,709
پایتون و ماهی مانند
67
00:02:44,709 –> 00:02:47,440
اندازه و سرعت یکسان هستند، اما numpy
68
00:02:47,440 –> 00:02:49,750
معمولاً برای بسیاری از انواع عملیات حدود 10 برابر سریعتر است،
69
00:02:49,750 –> 00:02:52,390
بنابراین این نوع
70
00:02:52,390 –> 00:02:54,730
برنامهنویسی آرایه به جای
71
00:02:54,730 –> 00:02:56,110
حلقه زدن روی تمام نقاط شبکه و
72
00:02:56,110 –> 00:02:57,910
انجام کاری برای هر نقطه شبکه ای
73
00:02:57,910 –> 00:02:59,770
می توانیم بخواهیم عبارتی بنویسیم که
74
00:02:59,770 –> 00:03:00,880
تمام نقاط شبکه را
75
00:03:00,880 –> 00:03:02,590
به طور همزمان پردازش کند، به این ترتیب چیزی
76
00:03:02,590 –> 00:03:05,110
که numpy است مخفف
77
00:03:05,110 –> 00:03:06,760
Python عددی است و راهی برای استفاده از آرایه ها و
78
00:03:06,760 –> 00:03:10,570
چیزهای دیگر است. بسیاری از کارهایی که
79
00:03:10,570 –> 00:03:11,739
میخواهید انجام دهید، میتوانید آنها را بهعنوان
80
00:03:11,739 –> 00:03:16,900
عملیات آرایه
81
00:03:16,900 –> 00:03:18,670
بیان کنید، بله، عبارات آرایه را میتوان به
82
00:03:18,670 –> 00:03:23,050
روشی چند
83
00:03:23,050 –> 00:03:27,820
رشتهای ارزیابی کرد، اما همه اینها ارزیابی تک رشتهای از بله است، بنابراین
84
00:03:27,820 –> 00:03:30,190
دلیل فنی آن این است
85
00:03:30,190 –> 00:03:31,540
که عبارات آرایه میتوانند همه
86
00:03:31,540 –> 00:03:35,100
در C بر روی بلوک های بزرگ داده ارزیابی می شوند، در
87
00:03:35,100 –> 00:03:37,209
حالی که اگر به تمام نقاط شبکه
88
00:03:37,209 –> 00:03:38,739
یا چیزی نگاه کنید، در
89
00:03:38,739 –> 00:03:40,299
محیط تفسیر شده قرار دارید که در آن تعداد
90
00:03:40,299 –> 00:03:42,700
زیادی بررسی نوع وجود دارد و غیره،
91
00:03:42,700 –> 00:03:44,620
پس پسوندهایی به numpy وجود دارد که به
92
00:03:44,620 –> 00:03:47,140
شما امکان می دهد چند کار انجام دهید. ارزیابی رشته ای
93
00:03:47,140 –> 00:03:48,730
عبارات با عبارات آرایه از
94
00:03:48,730 –> 00:03:52,840
خودم بسیار خوب است، بنابراین یکی از
95
00:03:52,840 –> 00:03:55,959
تفاوت های بزرگ بین پایتون با استفاده از Python
96
00:03:55,959 –> 00:03:57,760
با like 3d و استفاده از ماهی با
97
00:03:57,760 –> 00:04:01,450
3d سیاه این است که متغیرهای Python
98
00:04:01,450 –> 00:04:05,829
در فایل ذخیره ذخیره نمی شوند، بنابراین به این
99
00:04:05,829 –> 00:04:07,450
معنی است که وقتی این کار را انجام می دهید. یک جدید یا یک
100
00:04:07,450 –> 00:04:10,120
بازیابی متغیرهای پایتون تغییر نمی کند،
101
00:04:10,120 –> 00:04:13,030
بنابراین
102
00:04:13,030 –> 00:04:14,260
بسته به اینکه چگونه به آن نگاه می کنید یک مزیت یا ضرر است
103
00:04:14,260 –> 00:04:17,709
و می توانید به صورت دستی
104
00:04:17,709 –> 00:04:19,720
داده های پایتون را در چند تغییر ذخیره کنید. روشهای متداول و من
105
00:04:19,720 –> 00:04:21,459
هم نمایشی از آن دارم،
106
00:04:21,459 –> 00:04:24,430
بنابراین میتوان از پایتون در
107
00:04:24,430 –> 00:04:26,229
چند متغیر ماهی نوشت که 70 سیو مناسب دارند
108
00:04:26,229 –> 00:04:30,539
و سپس میتوانید بعداً آنها را بازیابی کنید، بنابراین
109
00:04:30,539 –> 00:04:33,510
من بعداً به این موارد
110
00:04:33,510 –> 00:04:35,720
خواهم پرداخت، بنابراین فکر
111
00:04:35,720 –> 00:04:37,820
کردم فقط چند متغیر دیگر دارم. ارائه هایی که
112
00:04:37,820 –> 00:04:40,490
جزئیات بیشتری از نحوه استفاده از پایتون و غیره است،
113
00:04:40,490 –> 00:04:42,520
اما فکر کردم با
114
00:04:42,520 –> 00:04:45,710
نوعی از برنامه های کاربردی شروع کنم که دو
115
00:04:45,710 –> 00:04:47,570
نمونه از نوع استفاده عملی از
116
00:04:47,570 –> 00:04:49,160
آن را دارم که در آن برای برخی
117
00:04:49,160 –> 00:04:50,900
پروژه ها و موارد دیگر به خوبی کار می کرد، بنابراین فکر کردم که این کار را انجام دهد.
118
00:04:50,900 –> 00:04:53,810
آن را مرور کنید و سپس میتوانیم به
119
00:04:53,810 –> 00:04:57,530
زمان نگاه کنیم و سپس برخی از
120
00:04:57,530 –> 00:05:02,720
چیزهای اساسیتر و اساسیتر را مرور کنیم، بنابراین قبل از
121
00:05:02,720 –> 00:05:05,210
اینکه آن را راهاندازی کنم، فقط نشان میدهم که همه
122
00:05:05,210 –> 00:05:06,470
این موارد کجا هستند، اگر میخواهید آن را امتحان کنید،
123
00:05:06,470 –> 00:05:08,240
بنابراین این همه در نسخه انتشار
124
00:05:08,240 –> 00:05:12,020
سیاه و سفید 3d و PSD و همه چیزهایی که من می
125
00:05:12,020 –> 00:05:14,090
گویم به نوعی تقطیر
126
00:05:14,090 –> 00:05:17,450
چیزی است که در دفترچه راهنما وجود دارد، بنابراین این
127
00:05:17,450 –> 00:05:19,280
فقط صفحه اول
128
00:05:19,280 –> 00:05:21,590
کتابچه راهنمای کاربر و نکات بالای آن است که به
129
00:05:21,590 –> 00:05:23,150
نوعی در اینجا جمع شده است. زیر گزینه ها
130
00:05:23,150 –> 00:05:25,580
و سپس در پایین اینجا این
131
00:05:25,580 –> 00:05:30,590
مرجع اسکریپت نویسی پایتون است، بنابراین همه چیزهایی
132
00:05:30,590 –> 00:05:31,700
که می خواهم بگویم به نوعی
133
00:05:31,700 –> 00:05:33,740
در اینجا خلاصه شده است و اگر می خواهید این را به صورت
134
00:05:33,740 –> 00:05:38,840
سه بعدی مشکی امتحان کنید، می توانید از آن در رنگ استفاده کنید،
135
00:05:38,840 –> 00:05:41,419
سپس این کنسول ipython و
136
00:05:41,419 –> 00:05:44,150
که این کنسول تعاملی را نشان می دهد
137
00:05:44,150 –> 00:05:47,210
که در آن می توانید چیزهای پایتون و غیره را تایپ کنید
138
00:05:47,210 –> 00:05:54,740
و همه اینها در اینجا به نوعی
139
00:05:54,740 –> 00:05:56,180
توضیح می دهد که چگونه شروع کنید، بنابراین اگر می
140
00:05:56,180 –> 00:05:57,710
خواهید بعداً دوباره به آن مراجعه کنید
141
00:05:57,710 –> 00:06:00,680
، این نقطه شروع نحوه
142
00:06:00,680 –> 00:06:05,930
مشاهده است. برخی از پایتونها، بنابراین این اصول
143
00:06:05,930 –> 00:06:07,010
در اینجا است، اجازه دهید من به این برنامهها برگردم،
144
00:06:07,010 –> 00:06:14,180
بنابراین اولین مورد در مورد
145
00:06:14,180 –> 00:06:16,010
ثبت حداکثر سرعت ذره و یک
146
00:06:16,010 –> 00:06:19,040
مدل دینامیکی است، بنابراین سرعت ذرات P
147
00:06:19,040 –> 00:06:22,729
معیاری برای شدت ارتعاشات ناشی از انفجار است
148
00:06:22,729 –> 00:06:24,770
و برای آن استفاده نشده است.
149
00:06:24,770 –> 00:06:26,960
چه مقدار آسیب ممکن است در اثر انفجار یک سنگ متحمل شده باشد
150
00:06:26,960 –> 00:06:30,169
و
151
00:06:30,169 –> 00:06:33,800
این مانند حداکثر بزرگی
152
00:06:33,800 –> 00:06:36,140
سرعت در هر نقطه است، بنابراین
153
00:06:36,140 –> 00:06:38,810
آنچه ما می خواهیم انجام دهیم این است که PPV را برای
154
00:06:38,810 –> 00:06:41,030
هر نقطه شبکه در یک مدل سه بعدی فلک ردیابی کنیم.
155
00:06:41,030 –> 00:06:44,919
من به شما نوعی تنظیمات
156
00:06:44,919 –> 00:06:47,890
مربوط به یک مدل میلیون عنصر را نشان میدهم که
157
00:06:47,890 –> 00:06:49,729
برخی از عناصر را نشان میدهد که
158
00:06:49,729 –> 00:06:53,539
شما نشان میدهید که مقداری مواد منفجره در حال خاموش شدن هستید
159
00:06:53,539 –> 00:06:55,339
و سپس ما یک مدل پویا هستیم، بنابراین
160
00:06:55,339 –> 00:06:57,050
امواجی را که توسط ماده منفجره تولید میشود ردیابی کردیم
161
00:06:57,050 –> 00:06:59,089
و سپس ما
162
00:06:59,089 –> 00:07:01,639
میخواهیم حداکثر قدر بردار سرعت را
163
00:07:01,639 –> 00:07:03,650
که هر نقطه شبکه تجربه میکند بدانیم، بنابراین
164
00:07:03,650 –> 00:07:06,589
این هدف این تحلیل است
165
00:07:06,589 –> 00:07:10,580
و سپس میخواهیم به نوعی ارزیابی
166
00:07:10,580 –> 00:07:12,050
کنیم که چگونه با فاصله تغییر میکند و
167
00:07:12,050 –> 00:07:13,430
سپس ساختاری در داخل وجود دارد، در اینجا
168
00:07:13,430 –> 00:07:14,749
چند شیب وجود دارد، بنابراین میخواهیم انجام دهیم. با
169
00:07:14,749 –> 00:07:17,659
PPV روی استوک ها است، بنابراین ما می توانیم تعیین
170
00:07:17,659 –> 00:07:19,939
کنیم که آیا آنها به نوعی شکست می خورند یا نه،
171
00:07:19,939 –> 00:07:23,360
بنابراین من یک کد پایتون کوچک نشان
172
00:07:23,360 –> 00:07:26,059
می دهم که آنها می توانند این کار را انجام دهند و همانطور که گفتم جزئیات را توضیح خواهم داد.
173
00:07:26,059 –> 00:07:28,490
174
00:07:28,490 –> 00:07:31,849
کمی با جزئیات بیشتر نگاه کنید، اما
175
00:07:31,849 –> 00:07:33,559
فقط میخواهم نشان دهم که اساساً
176
00:07:33,559 –> 00:07:37,819
میتوانیم روی نقاط شبکه حلقه بزنیم و سپس
177
00:07:37,819 –> 00:07:41,569
برای هر نقطه شبکه میتوانیم
178
00:07:41,569 –> 00:07:45,349
مقدار سرعت را ذخیره
179
00:07:45,349 –> 00:07:46,909
کنیم، بنابراین اساساً ما به نوعی روی تمام شبکه حلقه میزنیم.
180
00:07:46,909 –> 00:07:48,830
نکته ها و سپس آن قسمتی
181
00:07:48,830 –> 00:07:50,809
که در اینجا برجسته کردهام تابعی است
182
00:07:50,809 –> 00:07:52,189
که بزرگی
183
00:07:52,189 –> 00:07:55,099
سرعت را برمیگرداند و سپس به نوعی از
184
00:07:55,099 –> 00:07:57,050
اینجا خارج میشویم، خوب میتوانیم بگوییم
185
00:07:57,050 –> 00:08:00,279
بیایید حداکثر مقدار موجود در این متغیر اضافی
186
00:08:00,279 –> 00:08:04,279
و این بزرگی را بگیریم و سپس
187
00:08:04,279 –> 00:08:05,749
آن را در آن ذخیره کنیم. متغیرهای اضافی، بنابراین اگر
188
00:08:05,749 –> 00:08:07,069
بخواهیم این تابع را در هر مرحله زمانی اجرا
189
00:08:07,069 –> 00:08:10,459
کنیم، اوج
190
00:08:10,459 –> 00:08:13,039
سرعت هر نقطه شبکه را اساساً ذخیره میکنیم، بنابراین
191
00:08:13,039 –> 00:08:14,180
این همان کاری است که آن تابع انجام میدهد
192
00:08:14,180 –> 00:08:16,099
و همانطور که گفتم نمیخواهم
193
00:08:16,099 –> 00:08:17,959
هر کاراکتری را در اینجا توصیف کنم. اما فقط
194
00:08:17,959 –> 00:08:19,669
سعی کردم به شما بفهمانم که
195
00:08:19,669 –> 00:08:22,399
برای چه کاری می توانید انجام دهید، بنابراین اکنون به
196
00:08:22,399 –> 00:08:24,259
numpy اشاره کردم و اینکه چگونه می توانید کارها را سریعتر انجام دهید،
197
00:08:24,259 –> 00:08:27,589
بنابراین به جای حلقه زدن روی
198
00:08:27,589 –> 00:08:30,050
هر نقطه شبکه و محاسبه این
199
00:08:30,050 –> 00:08:32,120
و ذخیره کردن و متغیرهای اضافی،
200
00:08:32,120 –> 00:08:34,760
امکان پذیر است. برای انجام این کار برای
201
00:08:34,760 –> 00:08:38,089
همه نقاط شبکه به یکباره، بنابراین بعداً این را نشان خواهم داد،
202
00:08:38,089 –> 00:08:40,309
اما ما یک
203
00:08:40,309 –> 00:08:43,099
ماژول آرایه نقطه شبکه یا مجموعه ای از توابع داریم، بنابراین در اینجا
204
00:08:43,099 –> 00:08:45,319
وقتی این را صدا می زنیم، آرایه ای از
205
00:08:45,319 –> 00:08:47,149
تمام فلسفه های همه را دریافت می کنیم. e grid را نشان می
206
00:08:47,149 –> 00:08:50,240
دهد و سپس این تابع
207
00:08:50,240 –> 00:08:52,850
بزرگی همه آنها را می گیرد و سپس
208
00:08:52,850 –> 00:08:54,529
می توانیم حداکثر دو به دو از
209
00:08:54,529 –> 00:08:57,139
مقادیر موجود را
210
00:08:57,139 –> 00:08:59,000
بگیریم، بنابراین اساساً تنها کاری که باید انجام دهیم این است که این
211
00:08:59,000 –> 00:09:01,010
عبارت آرایه را در طول هر چرخه ارزیابی کنیم و سپس
212
00:09:01,010 –> 00:09:03,480
آن را ذخیره می کنیم. مواردی مانند حداکثر
213
00:09:03,480 –> 00:09:08,970
سرعت در هر نقطه در هر نقطه شبکه، بنابراین
214
00:09:08,970 –> 00:09:11,310
دقیقاً مانند ماهی، می توانید توابعی داشته باشید
215
00:09:11,310 –> 00:09:12,600
که در طول توالی دوچرخه سواری فراخوانی می
216
00:09:12,600 –> 00:09:16,920
شوند و پایتون و ماهی بسیار
217
00:09:16,920 –> 00:09:18,839
شبیه به هم هستند، اما چند
218
00:09:18,839 –> 00:09:20,880
تفاوت کوچک وجود دارد، بنابراین اینگونه است که ما یک تابع callback را ثبت می کنیم.
219
00:09:20,880 –> 00:09:24,209
من در
220
00:09:24,209 –> 00:09:28,019
اینجا تابعی به نام store PPV ایجاد کردهام و
221
00:09:28,019 –> 00:09:31,079
این همان خطی است که قبلاً نشان دادهام و
222
00:09:31,079 –> 00:09:34,470
من فقط به نوعی این
223
00:09:34,470 –> 00:09:37,230
چیز بازگشتی را در اینجا فراخوانی میکنم، به این معنی که در
224
00:09:37,230 –> 00:09:39,480
نقطه یک در
225
00:09:39,480 –> 00:09:40,740
ترتیب محاسبات مکانیکی این مورد
226
00:09:40,740 –> 00:09:44,010
فراخوانی میشود و ما میتوانیم این را بیشتر گسترش دهیم
227
00:09:44,010 –> 00:09:46,410
تا متغیرها ذخیره و
228
00:09:46,410 –> 00:09:47,579
چیزهای دیگر را نیز آموزش دهند، بنابراین این یکی از
229
00:09:47,579 –> 00:09:49,740
نمونههایی از کتابچههای راهنما است که
230
00:09:49,740 –> 00:09:55,680
گفتم در اینجا نشان میدهم و یکی از
231
00:09:55,680 –> 00:09:59,880
اهداف این PR است. طرح حداقل این بود که ببینیم
232
00:09:59,880 –> 00:10:02,459
چگونه سرعت اوج ذرات
233
00:10:02,459 –> 00:10:04,230
با فاصله از ماده منفجره
234
00:10:04,230 –> 00:10:06,000
برای جمعیتهای مختلف نقاط در
235
00:10:06,000 –> 00:10:07,560
آنجا تغییر میکند، بنابراین یک اجاق گاز در داخل آن
236
00:10:07,560 –> 00:10:10,740
حجم وجود دارد و ما فقط میخواهیم ببینیم
237
00:10:10,740 –> 00:10:12,149
تا برخی از دستورالعملهای ایمنی را در مورد
238
00:10:12,149 –> 00:10:14,100
نزدیکی شما ایجاد کنیم. میتواند فقط فیلیپس و غیره را منفجر کند،
239
00:10:14,100 –> 00:10:17,730
بنابراین این نمونهای از یک نوع
240
00:10:17,730 –> 00:10:19,940
کد کوتاه پایتون است که میتواند
241
00:10:19,940 –> 00:10:23,910
کارهای زیادی را انجام دهد و
242
00:10:23,910 –> 00:10:25,350
سپس اگر میخواهید
243
00:10:25,350 –> 00:10:26,579
در اوقات فراغت خود به این موضوع نگاه کنید. میتوانید ببینید
244
00:10:26,579 –> 00:10:29,160
که چگونه اطلاعات را ذخیره و بازیابی
245
00:10:29,160 –> 00:10:32,069
میکنیم، بنابراین چند
246
00:10:32,069 –> 00:10:33,690
نقطه تماس اضافی مرتبط با
247
00:10:33,690 –> 00:10:36,029
ذخیره و بازیابی ایجاد کردهایم تا بتوانیم
248
00:10:36,029 –> 00:10:37,800
دادهها و متغیرهای اضافی را ذخیره کنیم یا
249
00:10:37,800 –> 00:10:39,690
آنها را بازیابی کنیم یا شما چه چیزی دارید، بنابراین این یک
250
00:10:39,690 –> 00:10:46,110
مثال است، بنابراین از من بپرسید سوالات کاری را که
251
00:10:46,110 –> 00:10:48,899
ما می خواهیم انجام دهیم، می دانید امیدوارم این
252
00:10:48,899 –> 00:10:50,940
برای مردم منطقی باشد و غیره، اما این
253
00:10:50,940 –> 00:10:53,430
یک مثال عملی دیگر است که اخیرا انجام دادیم،
254
00:10:53,430 –> 00:10:58,339
بنابراین اساساً یک مشتری به من داده است
255
00:10:58,339 –> 00:11:01,470
مانند یک ابر نقطه
256
00:11:01,470 –> 00:11:02,910
تصادفی. به صورت تصادفی
257
00:11:02,910 –> 00:11:05,220
ساختاری برای آن وجود داشت، اما فقط موقعیتهای X Y Z
258
00:11:05,220 –> 00:11:06,660
و سپس آن فشارهای ضعیف بود
259
00:11:06,660 –> 00:11:08,610
و سپس میخواستم یک
260
00:11:08,610 –> 00:11:10,980
شبکه سه بعدی سیاه را با آن فشارهای منفذی مقداردهی اولیه کنم، بنابراین
261
00:11:10,980 –> 00:11:12,959
این چیزی است که من از مشتری اینجا دریافت کردم،
262
00:11:12,959 –> 00:11:15,180
مانند مقادیر X Y Z و یک
263
00:11:15,180 –> 00:11:17,340
فشار منفذی
264
00:11:17,340 –> 00:11:22,410
و سپس هدف این است که این
265
00:11:22,410 –> 00:11:24,060
چیزی شبیه چیزی باشد که من به دست آوردم، بنابراین واضح است
266
00:11:24,060 –> 00:11:27,210
که ساختاری در اینجا وجود دارد
267
00:11:27,210 –> 00:11:28,560
که فشار تایرها را در پایین
268
00:11:28,560 –> 00:11:30,390
و فشارهای پایینتر در بالا را میدانید و هدف این
269
00:11:30,390 –> 00:11:33,050
است که آنها را بر روی آنها ترسیم کنید. شبکه به
270
00:11:33,050 –> 00:11:36,390
این شکل اشاره می کند تا بتوانیم یک
271
00:11:36,390 –> 00:11:37,860
مدل سه بعدی کوچک داشته باشیم که به نوعی با
272
00:11:37,860 –> 00:11:41,640
آن داده ها مقداردهی اولیه شده است، بنابراین این یک نوع منطقه است
273
00:11:41,640 –> 00:11:43,020
که در آن برخی از توابع داخلی در
274
00:11:43,020 –> 00:11:44,640
پایتون وجود دارد که واقعا راحت هستند، بنابراین
275
00:11:44,640 –> 00:11:46,560
امیدواریم که شما بتوانید آن نوع را ببینید. از
276
00:11:46,560 –> 00:11:47,970
نقاط سبز تقریباً با
277
00:11:47,970 –> 00:11:51,330
جایی که مناطق سبز طولانی هستند مطابقت دارد، بنابراین من
278
00:11:51,330 –> 00:11:52,500
نمی دانم آیا میدان های فشار منفذی وجود
279
00:11:52,500 –> 00:11:54,060
دارد که واقعاً شبیه آن هستند یا خیر، اما به
280
00:11:54,060 –> 00:11:56,730
نظر من این یک نمونه از
281
00:11:56,730 –> 00:12:00,210
اصل است، بنابراین این فقط یک حرکت بیشتر است.
282
00:12:00,210 –> 00:12:03,420
مثال مجدد آخرین اسلاید و فقط
283
00:12:03,420 –> 00:12:05,610
نوعی از این نمونهها است، اما من میتوانم
284
00:12:05,610 –> 00:12:08,060
به طور کلی در مورد این که چه کاری انجام میدهد صحبت
285
00:12:08,060 –> 00:12:10,260
کنم، همانطور که گفتم
286
00:12:10,260 –> 00:12:12,089
چیزهای خوب زیادی وجود دارد و من شما هستم،
287
00:12:12,089 –> 00:12:13,410
ما به نوعی
288
00:12:13,410 –> 00:12:15,120
عملکردهای اضافی را با موارد مهم وارد میکنیم.
289
00:12:15,120 –> 00:12:16,740
بیانیه بنابراین در اینجا ما به
290
00:12:16,740 –> 00:12:20,360
خصوص به این تابع داده شبکه علاقه مند هستیم،
291
00:12:20,360 –> 00:12:22,920
بنابراین این فقط نوعی دیگ بخار است که
292
00:12:22,920 –> 00:12:24,810
ما در حال وارد کردن برخی از عملکردهایی
293
00:12:24,810 –> 00:12:27,600
هستیم که می خواهیم استفاده کنیم و سپس این
294
00:12:27,600 –> 00:12:30,230
فایل در اینجا با این داده در اینجا مطابقت دارد،
295
00:12:30,230 –> 00:12:33,830
بنابراین من می توانم آن را بخوانم این داده را به عنوان یک آرایه
296
00:12:33,830 –> 00:12:36,030
و سپس می توانم آن را به
297
00:12:36,030 –> 00:12:38,760
موقعیت و برای قطعات تحت فشار تقسیم کنم و سپس
298
00:12:38,760 –> 00:12:41,040
فقط با یک فراخوانی تابع می توانم
299
00:12:41,040 –> 00:12:43,050
با فراخوانی
300
00:12:43,050 –> 00:12:44,790
این تابع داده شبکه با
301
00:12:44,790 –> 00:12:46,260
آرایه مکان هایی که فشار منفذی
302
00:12:46,260 –> 00:12:48,570
است، نقطه شبکه را برای فشارها تعریف کنم. شناخته شده و فشار حفره ها و سپس
303
00:12:48,570 –> 00:12:49,890
جایی که من می خواهم فشار حفره ها را بدانم
304
00:12:49,890 –> 00:12:53,339
و سپس این تابع داده شبکه
305
00:12:53,339 –> 00:12:55,770
مانند یک درون یابی درجه دوم در سه بعدی انجام می دهد تا
306
00:12:55,770 –> 00:12:59,100
مقادیر را در نقاط شبکه تعریف کند و
307
00:12:59,100 –> 00:13:01,350
سپس می توانم t را تنظیم کنم. او نقطه شبکه ای را برای
308
00:13:01,350 –> 00:13:05,070
فشارها نشان می دهد به طوری که این فقط چند
309
00:13:05,070 –> 00:13:06,990
خط است و اگر دوست دارید این کار را
310
00:13:06,990 –> 00:13:07,950
به روشی متفاوت انجام دهید ممکن است زمان زیادی
311
00:13:07,950 –> 00:13:09,480
طول بکشد یا هر چیز دیگری، اگرچه این
312
00:13:09,480 –> 00:13:10,440
فقط بخشی از پیامی است که می توانید
313
00:13:10,440 –> 00:13:13,020
زندگی خود را با آن آسان تر کنید. برخی
314
00:13:13,020 –> 00:13:18,390
از این موارد را یاد بگیرید، بله،
315
00:13:18,390 –> 00:13:22,560
این دادهها را ادامه دهید، بله، به عنوان
316
00:13:22,560 –> 00:13:27,420
بخشی از این ماژول علمی تخیلی اینجا و
317
00:13:27,420 –> 00:13:30,750
در فکتوری d گنجانده شده است، بنابراین اگر این کار را انجام دهم
318
00:13:30,750 –> 00:13:35,250
و سپس اگر علامت سوال را دوست دارم
319
00:13:35,250 –> 00:13:37,700
و آن را برگردانم، نشان خواهیم داد. برخی از اسناد
320
00:13:37,700 –> 00:13:40,560
در اینجا در مورد نحوه استفاده از آن و
321
00:13:40,560 –> 00:13:42,690
همچنین می توانید بدانید که اگر قرار بود مانند
322
00:13:42,690 –> 00:13:45,030
نقشه پایتون روی داده های ساختاریافته به گوگل مراجعه
323
00:13:45,030 –> 00:13:46,920
کنید، این احتمالاً همان چیزی است که ظاهر می شود و
324
00:13:46,920 –> 00:14:06,990
این قبلاً در داخل ساخته شده است، بله، آیا می
325
00:14:06,990 –> 00:14:10,350
توانید فقط برای تلفن خلاصه کنید.
326
00:14:10,350 –> 00:14:17,430
بله بله، راه های مختلفی وجود دارد
327
00:14:17,430 –> 00:14:19,140
که می توانید آن را انجام دهید، مثلاً می توانید یک درون یابی نزدیکترین همسایه را انجام دهید،
328
00:14:19,140 –> 00:14:20,430
جایی که
329
00:14:20,430 –> 00:14:21,990
فقط مانند یک مرتب سازی فضایی انجام می دهد و به طور پیش فرض نزدیکترین نقطه شبکه را پیدا می کند،
330
00:14:21,990 –> 00:14:22,740
331
00:14:22,740 –> 00:14:24,870
آن را درجه دوم می کند و
332
00:14:24,870 –> 00:14:27,990
همچنین می توانید خطی یا مکعبی یا هر چیز دیگری را انجام دهید و
333
00:14:27,990 –> 00:14:32,330
کار می کند. در ابعاد 1 2 3 و بالاتر
334
00:14:36,980 –> 00:14:39,270
نه، آرگومان متفاوتی خواهد داد،
335
00:14:39,270 –> 00:14:41,760
بله متفاوت است، مانند آرگومان اختیاری
336
00:14:41,760 –> 00:14:43,230
337
00:14:43,230 –> 00:14:45,120
338
00:14:45,120 –> 00:14:54,839
339
00:14:54,839 –> 00:14:59,550
این قسمت
340
00:14:59,550 –> 00:15:02,970
دقیقاً اینجاست، بنابراین من متوجه شدم که
341
00:15:02,970 –> 00:15:04,650
این کار را اشتباه انجام دادم، اما
342
00:15:04,650 –> 00:15:05,760
متوجه نشدم که واقعاً نمیدانستم زمان قرار است چگونه بگذرد،
343
00:15:05,760 –> 00:15:07,050
بنابراین میخواستم این حس را به شما دوستان
344
00:15:07,050 –> 00:15:08,610
بدهم، اما میتوانم
345
00:15:08,610 –> 00:15:10,500
بسیاری از این جزئیات را اکنون کمی بیشتر توضیح دهید،
346
00:15:10,500 –> 00:15:13,620
اما این تابع آرایهای
347
00:15:13,620 –> 00:15:15,690
از تمام موقعیتهای نقطه شبکه الکتریکی را برمیگرداند
348
00:15:15,690 –> 00:15:18,089
و سپس این یک نوع ورودی
349
00:15:18,089 –> 00:15:19,740
به تابع نسبت به آنهاست و سپس
350
00:15:19,740 –> 00:15:21,089
برعکس اینجاست که فشار منفذی محاسبهشده را میگیریم.
351
00:15:21,089 –> 00:15:23,460
می دانم کجا
352
00:15:23,460 –> 00:15:25,830
موس دستم است و سپس آن را روی فشارهای منافذ تنظیم کنید،
353
00:15:25,830 –> 00:15:29,910
بنابراین
354
00:15:29,910 –> 00:15:33,740
نام یک تابع بله بله
355
00:15:33,740 –> 00:15:36,650
، چیزهای فضایی واقعاً خوبی
356
00:15:36,650 –> 00:15:39,089
در آنجا وجود دارد، جستجوی ویژه مرتب سازی فضایی
357
00:15:39,089 –> 00:15:42,120
و مواردی از این قبیل و من
358
00:15:42,120 –> 00:15:43,750
امتحان دیگری داشتم. همینطور اما من می خواستم
359
00:15:43,750 –> 00:15:47,470
کوتاه یا هر چیز دیگری بنویسم اما
360
00:15:47,470 –> 00:15:49,330
بسته Syfy چیزهای زیادی
361
00:15:49,330 –> 00:15:52,060
مانند انتگرال گیری عددی یا حل
362
00:15:52,060 –> 00:15:54,280
معادلات دیفرانسیل معمولی یا PDE
363
00:15:54,280 –> 00:15:57,760
یا تبدیل فوریه یا آره
364
00:15:57,760 –> 00:15:59,500
درون یابی یا برون یابی یا
365
00:15:59,500 –> 00:16:00,760
هر نوع چیز دیگری که انجام می دهید وجود داشته باشد.
366
00:16:00,760 –> 00:16:02,380
پس احتمالاً چیزی برای آن وجود دارد، بنابراین
367
00:16:02,380 –> 00:16:08,710
ما از آن استفاده می کنیم بله و شما می توانید آن را انجام دهید، من می
368
00:16:08,710 –> 00:16:11,920
گویم مانند گوگل انجام دهید و می توانید
369
00:16:11,920 –> 00:16:21,310
همه چیز را در اینجا بخوانید، بنابراین یکی از چیزهای خوب
370
00:16:21,310 –> 00:16:22,510
این است که مردم قبلاً همه
371
00:16:22,510 –> 00:16:23,710
این موارد را انجام داده اند که شما می دانید.
372
00:16:23,710 –> 00:16:26,470
من حدس میزنم که باید از آن استفاده کنم، بنابراین مانند من از
373
00:16:26,470 –> 00:16:28,060
جبر خطی 1 استفاده میکنم، ماتریسهای پراکنده
374
00:16:28,060 –> 00:16:30,820
در اینجا وجود دارد که ما از آنها استفاده میکنیم و اگر شما
375
00:16:30,820 –> 00:16:31,930
نوعی مدلسازی ریاضی انجام میدهید، ممکن است
376
00:16:31,930 –> 00:16:32,980
به یک ادغام عددی یا
377
00:16:32,980 –> 00:16:35,080
چیزی دیگر نیاز داشته باشید، بنابراین من از آن چیزها در اینجا استفاده کردهام
378
00:16:35,080 –> 00:16:41,890
. بنابراین من فکر می کنم ممکن است منطقی
379
00:16:41,890 –> 00:16:43,240
باشد که دوست داشته باشم برخی از چیزهای اساسی در مورد
380
00:16:43,240 –> 00:16:44,620
برنامه نویسی پایتون را نشان دهم. متوجه شدم که این کار را نامرتب انجام دادم،
381
00:16:44,620 –> 00:16:45,970
اما به نوعی می خواهم
382
00:16:45,970 –> 00:16:50,339
زمان و غیره را ارزیابی
383
00:16:50,700 –> 00:16:53,290
کنم، بنابراین من فقط به بررسی اجمالی آن چیزی می پردازم. فکر میکنم
384
00:16:53,290 –> 00:16:55,480
مفاهیم مهمی هستند و فکر میکنم
385
00:16:55,480 –> 00:16:56,980
شاید مهمترین آنها در اینجا نحوه
386
00:16:56,980 –> 00:16:58,960
کار با کانتینرها در پایتون باشد، مانند
387
00:16:58,960 –> 00:17:03,250
تهیه فهرستی از چیزها یا موارد دیگر، بنابراین
388
00:17:03,250 –> 00:17:04,449
فکر میکنم همه ما میدانیم که چگونه با
389
00:17:04,449 –> 00:17:05,980
اعداد و غیره برنامهنویسی کنیم و اعداد را جمع کنیم. و
390
00:17:05,980 –> 00:17:07,420
نماد علمی و غیره و
391
00:17:07,420 –> 00:17:08,859
تعریف چیزهایی برای متغیرها منظورم این
392
00:17:08,859 –> 00:17:10,869
است که همه اینها بسیار شبیه به ماهی است، بنابراین آنچه که من
393
00:17:10,869 –> 00:17:12,220
در همه این موارد نشان می دهم مانند
394
00:17:12,220 –> 00:17:14,020
ورودی اینجا و سپس خروجی در
395
00:17:14,020 –> 00:17:15,640
کادر بعدی است تا بتوانم ورق
396
00:17:15,640 –> 00:17:17,829
بزنید و کاربرد و چیزهای دیگر را ورق بزنید تا
397
00:17:17,829 –> 00:17:19,449
یکی از تفاوتها این باشد که اگر
398
00:17:19,449 –> 00:17:20,770
میخواهید چیزی را به قدرتی
399
00:17:20,770 –> 00:17:22,540
برسانید، مانند دو ستاره و مار پیتون یک اندازه است
400
00:17:22,540 –> 00:17:23,709
تا کمی در این مورد گیج شوید،
401
00:17:23,709 –> 00:17:27,040
زیرا کارت به معنای چیز دیگری است، یک
402
00:17:27,040 –> 00:17:28,750
ماژول ریاضی برای آن وجود دارد. انجام دادن مانند سینوس و
403
00:17:28,750 –> 00:17:33,040
کسینوس و مواردی از این قبیل و سپس به طوری
404
00:17:33,040 –> 00:17:34,240
که این مانند نمونه ای از
405
00:17:34,240 –> 00:17:36,940
وارد کردن ماژول است و راه دیگری
406
00:17:36,940 –> 00:17:39,430
برای انجام این کار وجود دارد که می توانید کد را
407
00:17:39,430 –> 00:17:40,930
کمی کوتاهتر کنید، بنابراین این همان چیزی است
408
00:17:40,930 –> 00:17:42,910
که می توانیم بگوییم مانند ماژول ریاضی
409
00:17:42,910 –> 00:17:44,740
من فقط کسینوس و ریشه مربع بالا میخواهم
410
00:17:44,740 –> 00:17:45,850
و سپس میتوانید از آنها در کد خود استفاده کنید
411
00:17:45,850 –> 00:17:48,970
، بنابراین در بیشتر
412
00:17:48,970 –> 00:17:50,410
مثالها و موارد ما حداقل
413
00:17:50,410 –> 00:17:53,890
نوعی شبیه به
414
00:17:53,890 –> 00:17:56,830
ماژولها یا چیزی شبیه به آن را وارد میکنیم، حتی اگر
415
00:17:56,830 –> 00:17:57,309
ما مهندس
416
00:17:57,309 –> 00:17:58,720
هستیم و در نهایت با رشتههای مشابه زیاد کار میکنیم
417
00:17:58,720 –> 00:18:00,850
و این یکی دیگر از زمینههای است که من فکر میکنم
418
00:18:00,850 –> 00:18:02,289
پایتون واقعاً خوب است که
419
00:18:02,289 –> 00:18:04,509
راههای زیادی برای کار با رشتهها وجود دارد، بنابراین میتوانیم
420
00:18:04,509 –> 00:18:07,029
مانند دو نقل قول یا تک
421
00:18:07,029 –> 00:18:08,919
نقل قول داشته باشیم یا پایتون نیز از آن پشتیبانی میکند. این
422
00:18:08,919 –> 00:18:10,600
سه نقل قول میدهد تا بتوانید حرفهای رشتهای چند خطی داشته باشید
423
00:18:10,600 –> 00:18:14,169
و سپس بتوانید
424
00:18:14,169 –> 00:18:15,460
کارهای مختلفی روی رشتهها انجام دهید، درست
425
00:18:15,460 –> 00:18:16,749
مثل ماهیها، مثلاً میتوانید
426
00:18:16,749 –> 00:18:19,389
آنها را با هم جمع کنید و میتوانید آن را در یک
427
00:18:19,389 –> 00:18:22,389
عدد صحیح ضرب کنید که خیلی مفید نیست، اما
428
00:18:22,389 –> 00:18:24,970
میتوانید مانند آن را بگیرید. یک رشته و یک یا یک
429
00:18:24,970 –> 00:18:27,100
عدد را به یک رشته تبدیل کنید تا اینها
430
00:18:27,100 –> 00:18:32,169
مانند چیزهای داخلی باشند، کاری که ما باید خیلی انجام دهیم
431
00:18:32,169 –> 00:18:33,909
یا می دانید که ممکن است یک لیست جدا شده با کاما داشته باشید،
432
00:18:33,909 –> 00:18:35,789
بنابراین یک داخلی وجود دارد
433
00:18:35,789 –> 00:18:40,980
که به شما تقسیم بر روی آن مقادیر را می دهد
434
00:18:43,710 –> 00:19:13,509
بله بله شما ج برعکس این کار را انجام دهید مانند
435
00:19:13,509 –> 00:19:14,860
پیوستن به چیزی با کاما یا
436
00:19:14,860 –> 00:19:16,299
هر چیز دیگری که نوعی ترفند مهمانی کوچک است.
437
00:19:16,299 –> 00:19:20,200
حدس میزنم بله، حدس میزنم
438
00:19:20,200 –> 00:19:21,960
قبلاً این را نشان ندادهام، اما اساساً
439
00:19:21,960 –> 00:19:24,999
مانند تورفتگی در پاکستان نشان میدهد که
440
00:19:24,999 –> 00:19:26,740
حلقه تودرتو کمی گیجکننده است.
441
00:19:26,740 –> 00:19:29,019
حدس میزنم و این نیز نمونهای از
442
00:19:29,019 –> 00:19:32,230
حلقه کردن مانند قانون در
443
00:19:32,230 –> 00:19:33,970
ظرف اول است، برای هر خطی که من
444
00:19:33,970 –> 00:19:35,649
روی آنها حلقه میزنم، اساساً از این
445
00:19:35,649 –> 00:19:37,840
توابع خط خطی استفاده میکنم تا این را به
446
00:19:37,840 –> 00:19:40,090
خطوط تقسیم کنم، سپس روی خط حلقه بزنم و سپس من
447
00:19:40,090 –> 00:19:41,980
خط را روی کولون تقسیم کنید و فقط
448
00:19:41,980 –> 00:19:43,629
یک پرینت از قسمت دوم را چاپ کنید، به طوری
449
00:19:43,629 –> 00:19:44,700
که این فقط یک نمونه است
450
00:19:44,700 –> 00:19:46,570
که کمی چیزهای بیشتری را معرفی می کند که می توانید
451
00:19:46,570 –> 00:19:49,450
انجام دهید خوب، این شاید یک
452
00:19:49,450 –> 00:19:53,409
چیز مهم با رشته ها باشد، بنابراین ما می توانیم این کار را در
453
00:19:53,409 –> 00:19:54,429
ماهی با مانند من فکر می کنم مانند یک
454
00:19:54,429 –> 00:19:55,690
رشته ساخت وجود دارد و سپس می توانید مانند
455
00:19:55,690 –> 00:19:57,340
چهار مجموعه یک و سپس مقادیری داشته باشید،
456
00:19:57,340 –> 00:19:58,539
بنابراین در پایتون کمی متفاوت است
457
00:19:58,539 –> 00:19:59,950
با همان ایده ای که می توانیم مقادیری را تعریف کنیم
458
00:19:59,950 –> 00:20:02,409
و سپس
459
00:20:02,409 –> 00:20:03,940
با این نوع خنده دارها یک الگو بسازیم. چیزهایی در اینجا
460
00:20:03,940 –> 00:20:06,279
و سپس میتوانیم این روش قالببندی را
461
00:20:06,279 –> 00:20:08,139
فراخوانی کنیم و مقادیر را به رشتهها درونیابی کنیم
462
00:20:08,139 –> 00:20:10,809
و سپس یک ناحیه که در آن زیاد از آن استفاده میکنیم
463
00:20:10,809 –> 00:20:11,080
464
00:20:11,080 –> 00:20:13,419
، این را در برخی از نمونههای دیگر نشان میدهم،
465
00:20:13,419 –> 00:20:15,519
بنابراین یک
466
00:20:15,519 –> 00:20:18,010
ماژول Itasca معمولاً بهعنوان
467
00:20:18,010 –> 00:20:20,080
کوتاهنویسی در اینجا وارد میشود. یکی از کارهایی که ما
468
00:20:20,080 –> 00:20:22,510
انجام میدهیم این است که میتوانیم یک رشته را بهعنوان دستور
469
00:20:22,510 –> 00:20:24,549
برای جمعآوری 3 بعدی بفرستیم و سپس درست مانند یک
470
00:20:24,549 –> 00:20:25,990
فایل دستوری، ممکن است یک متغیر ماهی داشته باشید
471
00:20:25,990 –> 00:20:28,090
که در دستور درونیابی میشود،
472
00:20:28,090 –> 00:20:30,220
بنابراین به نوعی این کار را
473
00:20:30,220 –> 00:20:31,210
در پایتون انجام میدهیم. این
474
00:20:31,210 –> 00:20:33,669
Curly’s را اینجا با این بچه ها در اینجا داشته باشید و
475
00:20:33,669 –> 00:20:35,289
وقتی این فرمت را صدا می زنیم،
476
00:20:35,289 –> 00:20:37,090
می توانیم مقادیر جایگزین را دوست داشته باشیم، بنابراین به آن می
477
00:20:37,090 –> 00:20:43,419
گویند قالب بندی رشته ای بله واقعاً
478
00:20:43,419 –> 00:20:47,590
بله، من در مورد کانتینرها صحبت خواهم کرد تا
479
00:20:47,590 –> 00:20:49,149
فکر کنم این یک
480
00:20:49,149 –> 00:20:50,889
ویژگی خوب است. همچنین مانند
481
00:20:50,889 –> 00:20:52,090
آشنایی با این موضوع کمک می کند تا
482
00:20:52,090 –> 00:20:55,179
درک کنید که چگونه تعامل
483
00:20:55,179 –> 00:20:56,740
با Python با like 3d تا
484
00:20:56,740 –> 00:21:00,549
حدودی کار می کند، به عنوان مثال لیست ها یکی از
485
00:21:00,549 –> 00:21:05,169
اساسی ترین موارد هستند، بنابراین Python به
486
00:21:05,169 –> 00:21:11,409
رنگ 3d مشکی P است. ython 2 نه 3 تا
487
00:21:11,409 –> 00:21:13,299
امروز پایتون 2.7 است، اما ما در
488
00:21:13,299 –> 00:21:16,960
حال تبدیل به Python 3.6 هستیم و
489
00:21:16,960 –> 00:21:18,940
مطمئن نیستم چه زمانی می خواهیم کار
490
00:21:18,940 –> 00:21:20,440
کند، فقط یک سوال است که ما بقیه موارد را ادغام کنیم.
491
00:21:20,440 –> 00:21:22,389
در چند
492
00:21:22,389 –> 00:21:23,799
ماه آینده فکر میکنم
493
00:21:23,799 –> 00:21:29,740
خیلی ممنون میشود بله، بله، بنابراین بیشتر
494
00:21:29,740 –> 00:21:31,960
چیزی که نشان میدهم پایتون 2 است، اما
495
00:21:31,960 –> 00:21:33,460
همه ایدهها در پایتون 3 کار میکنند، تفاوتهای کوچکی وجود دارد،
496
00:21:33,460 –> 00:21:35,559
اما بله، ما
497
00:21:35,559 –> 00:21:37,889
میخواهیم حرکت به مبارزه بر روی سه مورد از
498
00:21:37,889 –> 00:21:41,529
پاسخها خوب بله، لیستها دقیقاً همان چیزی هستند که به نظر میرسند،
499
00:21:41,529 –> 00:21:43,059
بنابراین میتوانید بدانید
500
00:21:43,059 –> 00:21:45,100
چیزهایی را به یک لیست اضافه کنید یا طول
501
00:21:45,100 –> 00:21:47,799
یک لیست را
502
00:21:47,799 –> 00:21:50,860
بدست
503
00:21:50,860 –> 00:21:52,149
آورید. بنابراین می توانید انواع مختلفی را
504
00:21:52,149 –> 00:21:55,120
در یک لیست داشته باشید، می توانید روی مقادیر یک لیست حلقه بزنید،
505
00:21:55,120 –> 00:21:56,950
بنابراین این همان
506
00:21:56,950 –> 00:21:59,200
چیزی است برای D و داده ها، مقدار D به
507
00:21:59,200 –> 00:22:03,549
همین ترتیب است و این یک الگوی دیگر است که به
508
00:22:03,549 –> 00:22:06,250
نوعی خوب است. شما
509
00:22:06,250 –> 00:22:07,659
می خواهید روی چیزی حلقه بزنید و
510
00:22:07,659 –> 00:22:10,299
سپس شاخص آن را نیز بدست آورید، بنابراین این
511
00:22:10,299 –> 00:22:11,679
مهربان است از ترکیب برخی
512
00:22:11,679 –> 00:22:13,120
از ایدههای قبلی
513
00:22:13,120 –> 00:22:15,000
که در اینجا یک رشته قالب وجود دارد، بنابراین
514
00:22:15,000 –> 00:22:17,799
مقدار 0 یکی از لیستها است و
515
00:22:17,799 –> 00:22:22,389
به همین ترتیب، فهرستسازی از 0 در پایتون شروع میشود، بنابراین
516
00:22:22,389 –> 00:22:24,130
این فقط چیزی است که باید از آن
517
00:22:24,130 –> 00:22:24,909
آگاه بود. بنابراین
518
00:22:24,909 –> 00:22:26,679
میخواهیم مانند بخشی از لیست باشیم که
519
00:22:26,679 –> 00:22:28,090
از کروشههای مربع استفاده میکنیم و سپس
520
00:22:28,090 –> 00:22:30,369
مانند اولی به ما میدهد و
521
00:22:30,369 –> 00:22:32,320
شاخصها نیز میتوانند منفی باشند و سپس
522
00:22:32,320 –> 00:22:33,849
از پشت لیست میرود، بنابراین
523
00:22:33,849 –> 00:22:34,989
واقعاً مفید است اگر فقط می خواهید
524
00:22:34,989 –> 00:22:37,570
مانند آخرین چیز یک لیست باشید و سپس
525
00:22:37,570 –> 00:22:39,609
به طور مشابه می توانید برش سخت را
526
00:22:39,609 –> 00:22:40,960
برش دهید تا بتوانید فقط قسمت کوچکی
527
00:22:40,960 –> 00:22:42,249
از وسط لیست را بدست آورید اگر می
528
00:22:42,249 –> 00:22:45,309
خواهید بله منظورم این است که می توانید
529
00:22:45,309 –> 00:22:46,570
لیست مقادیر را در لیست تغییر دهید. منظورم این است.
530
00:22:46,570 –> 00:22:47,889
همه نوع چیزهای ساده ای است
531
00:22:47,889 –> 00:22:49,629
که شبیه به آنچه می توانید در ماهی انجام دهید
532
00:22:49,629 –> 00:22:52,119
بسیار متفاوت است، نحو کمی متفاوت است
533
00:22:52,119 –> 00:22:53,889
534
00:22:53,889 –> 00:22:58,629
535
00:22:58,629 –> 00:23:00,940
536
00:23:00,940 –> 00:23:02,470
. ایجاد شده است بنابراین این i
537
00:23:02,470 –> 00:23:03,849
گاهی اوقات کمی گیج کننده است، اما
538
00:23:03,849 –> 00:23:06,330
اینها با براکت هایی مانند فرفری ایجاد می شوند و
539
00:23:06,330 –> 00:23:09,009
بسیاری از توابع flack 3d و Python
540
00:23:09,009 –> 00:23:12,580
تاپل هایی را برمی گردانند که این یک
541
00:23:12,580 –> 00:23:15,940
نوع قرارداد است و سپس این
542
00:23:15,940 –> 00:23:17,499
نمونه ای از نوع سوم کانتینر است
543
00:23:17,499 –> 00:23:21,700
که دیکشنری است، بنابراین این مقدار کلیدی است.
544
00:23:21,700 –> 00:23:23,590
جفت انواع دلخواه و یک مثال
545
00:23:23,590 –> 00:23:25,629
که در آن از این استفاده می کنیم با ویژگی ها است، بنابراین
546
00:23:25,629 –> 00:23:27,220
شما مانند یک نام رشته ای برای
547
00:23:27,220 –> 00:23:29,529
ویژگی خود دارید و سپس
548
00:23:29,529 –> 00:23:30,999
نوعی مقدار دارید که شاید یک عدد ممیز شناور
549
00:23:30,999 –> 00:23:32,499
یا رشته یا یک عد