پایتون مقدماتی 2025: مفاهیم پایه و مثال‌ها - 0 تا 100

پایتون مقدماتی 2025: مفاهیم پایه و مثال‌ها - 0 تا 100

آخرین بروزرسانی: 1404-06-01 (04:54) نویسنده: محمد جواد قانع دستجردی دسته‌بندی: آموزش‌ها نظرات: 1

متغیرها و انواع داده در پایتون (Variables and Data Types in Python)

اولین و مهم‌ترین درس در هر زبان برنامه نویسی، مبحثی است به نام متغیر ها، یادگیری این مبحث منجر به ادامه‌ی آموزش خواهد شد و درک آن الزامی است.

متغیر چیست؟ (What is a Variable?)

فرض کنید شما مسول جابجایی اقلام خاصی هستید. شخصی به شما میگوید برای من آب بیاور، شما در آشپزخانه لیوانی را پیدا می‌کنید و آن را پر از آب میکنید و بدست فرد می‌رسانید. حال ممکن است، شخص از شما مقداری شیر بخواهد! شما میتوانید در همان لیوان شیر بریزید. متغیر نیز دقیقاً همین است...! یک فضای موقت و قابل تغییر برای ذخیره سازی انواع داده در برنامه است. حال چطور میتوان متغیر را تعریف کرد؟

نحوه تعریف و نامگذاری متغیر (Variable Definition and Naming)

مقدار مورد نظر برای ذخیره سازی در متغیر = نام متغیر 

همیشه مقدار سمت راست علامتِ ( = ) در مقدار سمت چپ ذخیره میشود.

ویژگی های نام مناسب برای یک متغیر

برای نوشتن نام یک متغیر، چند مورد زیر را باید رعایت کنیم:

  1. استفاده از کلمات کلیدی (Keywords) پایتون: شما نباید از کلمات رزرو شده و کلیدی پایتون به عنوان نام متغیر استفاده کنید. مثال (نادرست):

    class = "Python"
    if = 10
    for = 5.2
  2. شروع نام با عدد: نام یک متغیر نباید با عدد شروع شود. البته می‌تواند در وسط یا انتهای نام باشد. مثال (نادرست):

    2nd_name, 2025_year
  3. استفاده از کاراکترهای خاص (به جز زیرخط _): نام متغیر نباید شامل فاصله (Space)، خط تیره (-)، علامت‌هایی مانند (@, #, $, %, ^, &, *, !, ?) و غیره باشد. مثال (نادرست):

    first name, user-id, price$
  4. حساسیت به حروف بزرگ و کوچک (Case Sensitivity): پایتون به حروف بزرگ و کوچک حساس است. این یک ممنوعیت نیست بلکه یک قانون بسیار مهم است. متغیرهای age, Age, و AGE سه متغیر کاملاً متفاوت هستند.

روش‌های نام‌گذاری استاندارد (Conventions)

رعایت این موارد اجباری نیست اما توصیه شدید می‌شود. این قراردادها با نام PEP 8 شناخته می‌شوند و باعث خوانایی و حرفه‌ای‌تر شدن کد شما می‌گردند.

  1. snake_case (مورد توصیه برای پایتون):

    روش: استفاده از حروف کوچک و جدا کردن کلمات با زیرخط (_).

    موارد استفاده: برای نامگذاری متغیرها، توابع، متدها و ماژول‌ها.

    مثال: first_name, user_age, annual_salary

  2. lower_case:

    روش: استفاده از حروف کوچک بدون جداکننده. برای اسامی تک‌کلمه‌ای مناسب است.

    مثال: name, count, price

  3. UPPER_CASE (یا UPPERCASE_WITH_UNDERSCORES):

    روش: استفاده از حروف بزرگ و جدا کردن کلمات با زیرخط.

    موارد استفاده: برای تعریف ثابت‌ها (Constants). (توجه: در پایتون ثابت واقعی وجود ندارد، اما این قرارداد برای نامیدن مقادیری که قرار نیست تغییر کنند استفاده می‌شود.)

    مثال: PI = 3.14159, DATABASE_URL, MAX_CONNECTIONS

  4. CamelCase (یا CapitalizedCase):

    روش: نوشتن اولین حرف هر کلمه با حرف بزرگ به جز کلمه اول که با حرف کوچک نوشته می‌شود.

    موارد استفاده: این سبک به طور رسمی در PEP 8 برای متغیرها توصیه نمی‌شود و بیشتر برای نامگذاری کلاس‌ها (Classes) استفاده می‌گردد.

    مثال (برای کلاس): class carModel:, class userProfile:

  5. PascalCase (یا UpperCamelCase):

    روش: نوشتن اولین حرف همه کلمات با حرف بزرگ.

    موارد استفاده: این سبک نیز عمدتاً برای نامگذاری کلاس‌ها به کار می‌رود.

    مثال (برای کلاس): class ElectricCar:, class DatabaseConnection:

تعریف انواع داده های در متغیر:

  1. اعداد صحیح (Integer - int):

    تعریف: برای ذخیره اعداد صحیح (مثبت، منفی یا صفر) بدون اعشار استفاده می‌شود.

    مثال:

    age = 25
    count = -10
  2. اعداد اعشاری (Floating Point - float):

    تعریف: برای ذخیره اعداد حقیقی (اعشاری) استفاده می‌شود.

    مثال:

    average = 19.5
    price = 99.99
  3. رشته‌های متنی (String - str):

    تعریف: برای ذخیره دنباله‌ای از کاراکترها (متن) استفاده می‌شود. باید داخل quotation marks (' یا " `) قرار گیرند.

    مثال:

    name = "علی"
    message = 'Welcome to Python 2025'
  4. مقادیر بولین (Boolean - bool):

    تعریف: تنها می‌تواند یکی از دو مقدار True (درست) یا False (نادرست) را داشته باشد. این نوع داده معمولاً نتیجه مقایسات و عملگرهای منطقی است.

    مثال:

    is_active = True
    is_raining = False
  5. لیست (List - list):

    تعریف: یک مجموعه تغییرپذیر (Mutable) و مرتب شده از آیتم‌ها است. آیتم‌ها داخل کروشه [] قرار می‌گیرند و با کاما از هم جدا می‌شوند. آیتم‌های یک لیست می‌توانند از انواع مختلف باشند (با لیست ها که در اصل متغیر هایی هستند که میتوانند عنوان داده های را با تعداد بیشتر در خود ذخیره کنند، در ادامه مفصلاً آشنا میشویم).

    مثال:

    fruits = ["apple", "banana", "cherry"]
    mixed_list = [1, "hello", 3.14, True]
  6. تاپل (Tuple - tuple):

    تعریف: یک مجموعه غیرتغییرپذیر (Immutable) و مرتب شده از آیتم‌ها است. آیتم‌ها داخل پرانتز () قرار می‌گیرند و با کاما از هم جدا می‌شوند. مانند لیست می‌تواند حاوی انواع مختلف داده باشد (با تاپل ها که در اصل متغیر هایی هستند که میتوانند عنوان داده های را با تعداد بیشتر در خود ذخیره کنند و غیر قابل تغییر هستند، در ادامه مفصلاً آشنا میشویم).

    مثال:

    coordinates = (10.5, 20.8)
    colors = ("red", "green", "blue")
  7. مجموعه (Set - set):

    تعریف: یک مجموعه غیرترتیبی (Unordered) و بدون عضو تکراری است. آیتم‌ها داخل آکولاد {} قرار می‌گیرند. برای انجام عمل‌هایی مانند اجتماع و اشتراک کاربرد دارد (با مجموعه ها که نوع خاصی از لیست هستند، در ادامه مفصلاً آشنا میشویم).

    مثال:

    unique_numbers = {1, 2, 3, 4, 5}
    vowels = {'a', 'e', 'i', 'o', 'u'}
  8. دیکشنری (Dictionary - dict):

    تعریف: یک مجموعه غیرترتیبی از داده‌ها به صورت جفت کلید-مقدار (Key-Value Pairs). کلیدها باید منحصر به فرد و از نوع immutable (مانند string, number, tuple) باشند. آیتم‌ها داخل آکولاد {} قرار می‌گیرند(با دیکشنری ها که لیست های نامرتب هستند، در ادامه مفصلاً آشنا میشویم).

    مثال:

    person = {
        "name": "Aria",
        "age": 30,
        "city": "Tehran"
    }
  9. هیچ‌مقدار (NoneType - NoneType):

    تعریف: این نوع داده فقط یک مقدار دارد به نام None. از آن برای تعریف یک متغیر بدون مقدار یا نشان دادن تهی بودن استفاده می‌شود.

    مثال:

    my_var = None

انواع داده اصلی (بومی) در پایتون (Basic (Built-in) Data Types)

در پایتون، هر مقداری که ایجاد می‌کنید یک نوع داده (Data Type) خاص دارد. نوع داده به مفسر پایتون می‌گوید که با آن داده چه عملیاتی می‌توان انجام داد و چگونه باید آن را ذخیره کند. پایتون به صورت پویا (Dynamic) نوع متغیرها را تعیین می‌کند، یعنی شما نیازی به اعلام کردن (Declaration) نوع متغیر (مثلاً ;int x) ندارید.

انواع داده اصلی در پایتون به دسته‌های زیر تقسیم می‌شوند:

  1. انواع عددی (Numeric Types)

    اعداد صحیح (int): برای نگهداری اعداد صحیح مثبت و منفی استفاده می‌شود. طول آن عملاً به حافظه سیستم محدود است.

    age = 25
    temperature = -5
    big_number = 12345678901234567890

    اعداد اعشاری (float): برای نگهداری اعداد اعشاری (اعداد حقیقی) استفاده می‌شود. این اعداد به صورت floating point نمایش داده می‌شوند و می‌توانند اعشار داشته باشند.

    average = 19.75
    pi = 3.1415926535
    scientific_notation = 2.5e2  # یعنی ۲.۵ ضرب در ۱۰ به توان ۲ (۲۵۰۰)

    اعداد مختلط (complex): برای نگهداری اعداد مختلط استفاده می‌شوند. این اعداد یک بخش حقیقی و یک بخش موهومی دارند که بخش موهومی با حرف j مشخص می‌شود.

    complex_number = 3 + 4j
    print(complex_number.real)  # خروجی: ۳.۰
    print(complex_number.imag)  # خروجی: ۴.۰
  2. نوع متنی (Text Type)

    رشته (str): برای نگهداری دنباله‌ای از کاراکترها استفاده می‌شود. رشته‌ها باید بین single quotes (' ') یا double quotes (" ") یا triple quotes (''' ''' یا """ """) قرار گیرند.

    name = "آریا"
    message = 'Welcome to Python 2025'
    multi_line_text = """این یک متن
    چند خطی است."""
  3. نوع بولین (Boolean Type)

    بولین (bool): تنها می‌تواند یکی از دو مقدار True (درست) یا False (نادرست) را بگیرد. این نوع داده معمولاً حاصل مقایسه‌ها و عملگرهای شرطی است. توجه کنید که True و False با حرف بزرگ شروع می‌شوند و از کلیدواژه‌های پایتون هستند.

    is_raining = False
    is_sunny = True
    result = (5 > 3)  # مقدار result برابر True خواهد شد.
  4. انواع دنباله‌ای (Sequence Types)

    لیست (list): یک مجموعه تغییرپذیر (Mutable)، مرتب‌شده و قابل تغییر از آیتم‌ها است. آیتم‌ها داخل کروشه [] قرار می‌گیرند و می‌توانند از انواع مختلف باشند.

    fruits = ["apple", "banana", "cherry"]
    mixed_list = [1, "hello", 3.14, True]
    numbers = [1, 2, 3, 4, 5]

    تااپل (tuple): یک مجموعه غیرتغییرپذیر (Immutable)، مرتب‌شده و ثابت از آیتم‌ها است. آیتم‌ها داخل پرانتز () قرار می‌گیرند. پس از ایجاد، نمی‌توان آیتم‌های آن را تغییر داد، حذف کرد یا به آن اضافه کرد.

    coordinates = (10.5, 20.8)
    colors = ("red", "green", "blue")
    single_item_tuple = (42,)  # توجه: برای تاپل تک‌عضوی حتماً باید کاما بگذارید.

    رنج (range): یک دنباله غیرتغییرپذیر از اعداد است که معمولاً برای تکرار در حلقه‌های for استفاده می‌شود. این تابع حافظه بسیار کمی مصرف می‌کند چون همه اعداد را به طور همزمان تولید نمی‌کند.

    numbers = range(5)        # تولید اعداد ۰, ۱, ۲, ۳, ۴
    even_numbers = range(0, 10, 2) # تولید اعداد زوج: ۰, ۲, ۴, ۶, ۸
  5. نوع نگاشت (Mapping Type)

    دیکشنری (dict): یک مجموعه تغییرپذیر و غیرترتیبی از داده‌ها به صورت جفت کلید-مقدار (Key-Value Pairs). کلیدها باید منحصر به فرد و از نوع immutable (مانند string, number, tuple) باشند.

    person = {
        "name": "Aria",
        "age": 30,
        "city": "Tehran"
    }
    student_grades = {"math": 20, "physics": 19}
  6. انواع مجموعه (Set Types)

    مجموعه (set): یک مجموعه غیرترتیبی و بدون عضو تکراری. آیتم‌ها داخل آکولاد {} قرار می‌گیرند. برای انجام عمل‌هایی مانند اجتماع، اشتراک و تفاضال کاربرد دارد.

    unique_numbers = {1, 2, 3, 4, 5}
    vowels = {'a', 'e', 'i', 'o', 'u'}

    مجموعه ثابت (frozenset): یک نسخه غیرتغییرپذیر (Immutable) از مجموعه (set) است. پس از ایجاد نمی‌توان آن را تغییر داد، بنابراین می‌توان از آن به عنوان کلید در دیکشنری استفاده کرد.

    immutable_set = frozenset([1, 2, 3, 4])
  7. نوع باینری (Binary Types)

    بایت‌ها (bytes): یک دنباله غیرتغییرپذیر از اعداد باینری (بایت) است. برای داده‌های خام (Raw Data) مانند فایل‌های عکس یا باینری استفاده می‌شود.

    data = b'hello'

    بایت‌آرایه (bytearray): یک نسخه تغییرپییر از نوع bytes.

    mutable_data = bytearray(b'hello')

    مموری ویو (memoryview): برای دسترسی مستقیم به داده‌های داخلی یک شیء باینری بدون کپی کردن آن استفاده می‌شود (پیشرفته).

  8. نوع تهی (None Type)

    هیچ‌مقدار (NoneType): این نوع داده فقط یک مقدار دارد به نام None. از آن برای تعریف یک متغیر بدون مقدار یا نشان دادن تهی بودن استفاده می‌شود. معادل null در برخی زبان‌های دیگر است.

    my_var = None
    result = print("Hello")  # تابع print چیزی برنمی‌گرداند،
                             # بنابراین مقدار result برابر None خواهد بود.

تعیین نوع متغیر با تابع type() (Checking Type with type() Function)

از آنجایی که پایتون یک زبان با تایپ پویا (Dynamically Typed) است، گاهی اوقات نیاز دارید نوع داده ذخیره‌شده در یک متغیر را بررسی کنید. برای این کار از تابع ()type استفاده می‌شود.

نحوه استفاده: تابع ()type یک آرگومان (متغیر یا مقدار) می‌گیرد و نوع کلاس آن را برمی‌گرداند.

x = 5
y = "Hello"
z = [1, 2, 3]

print(type(x))  # خروجی: <class 'int'>
print(type(y))  # خروجی: <class 'str'>
print(type(z))  # خروجی: <class 'list'>

اشتراک‌گذاری در شبکه‌های اجتماعی:

ابتدا وارد شوید
برای قرار دادن نظرات خود ابتدا باید وارد شوید.

نظرات کاربران

  • تصویر کاربر مینو صادقیان پور

    مینو صادقیان پور

    ممنون دکتر قانع عزیز، لطفاً تمام مطالب پایه را قرار دهید که یک سورس مناسب برای ما باشد. سپس بیکران استاد.

خلاصه محتوا

آموزش پایتون مقدماتی 2025 به زبان ساده! یادگیری پایتون از صفر تا صد را با این دوره رایگان شروع کنید. شامل مفاهیم پایه، سینتکس، انواع داده، حلقه ها، توابع و ده ها مثال پروژه محور. برای تبدیل شدن به یک برنامه نویس حرفه ای همین حالا شروع کنید!

فهرست مطالب و عناوین اصلی

    برچسب ها:
    آموزش پایتون پایتون مقدماتی آموزش پایتون 2025 پایتون از صفر پایتون از صفر تا صد برنامه نویسی پایتون یادگیری پایتون دوره رایگان پایتون مفاهیم پایه پایتون آموزش Python آموزش پایتون از صفر تا صد رایگان پایتون برای beginners شروع برنامه نویسی با پایتون آموزش اصول اولیه پایتون با مثال بهترین راه یادگیری پایتون در 2025 آموزش پروژه محور پایتون مقدماتی دانلود آموزش پایتون PDF سینتکس پایه پایتون انواع داده در پایتون نصب پایتون متغیرها در پایتون حلقه for در پایتون حلقه while در پایتون شرط if در پایتون تابع در پایتون لیست در پایتون dictionary پایتون tuple در پایتون set در پایتون برنامه نویسی شیءگرا (OOP) در پایتون ماژول و کتابخانه در پایتون handling خطا در پایتون پروژه های ساده پایتون برای شروع پایتون برای داده کاوی پایتون برای هوش مصنوعی پایتون برای اتوماسیون پایتون برای وب اسکرپینگ پایتون برای هوش مصنوعی 2025
    آگهی ها و تبلیغات:

    دیگر مطالب وبلاگ مدرن اندیشان

    معرفی سایت TradingView: ابزار حرفه‌ای تجزیه و تحلیل بازارهای مالی

    معرفی سایت TradingView: ابزار حرفه‌ای تجزیه و تحلیل بازارهای مالی

    معرفی کوتاه در مورد قدرتمندترین پلتفرم مالی تحت وب جهان

    اندیکاتور RSI

    اندیکاتور RSI

    آشنایی با نقاط اشباع خرید و فروش با اندیکاتور RSI

    آشنایی با JetBrains

    آشنایی با JetBrains

    قوی ترین کد ادیتور ها و IDEهای دنیا

    معرفی یودمی (Udemy)

    معرفی یودمی (Udemy)

    معرفی ای کوتاه از برترین سایت آموزش آنلاین جهان

    اعضای فعال
    30+
    اندیکاتورها
    0+
    ربات‌های معامله‌گر
    5+
    مقالات وبلاگ
    29+

    درباره مدرن اندیشان

    شرکت مدرن اندیشان جی، تنها شرکت بین‌المللی ایرانی فعال در حوزه بازار فارکس است. این شرکت از سال ۱۳۹۹ فعالیت رسمی خود را در زمینه بهینه‌سازی الگوریتم‌های هوش مصنوعی برای بازارهای مالی، زمین‌شناسی، GIS و پردازش تصویر آغاز کرد.
    مدرن اندیشان نماینده رسمی شرکت ClickAlgo LTD در خاورمیانه است. تمامی محصولات شرکت مدرن اندیشان بومی بوده و تحت قوانین EULA در سراسر دنیا به فروش می‌رسد.

    راه ارتباطی سریع: info@modernandishan.ir

    نمادها

    نماد اعتماد الکترونیکی