✨ شرح namedtuple واستخداماته في بايثون

هل سئمت من تذكر ترتيب العناصر في الـ tuples العادية؟ الـ namedtuple هي الحل! تتيح لك الوصول إلى عناصر الـ tuple باستخدام أسماء حقول واضحة، مما يجعل كودك أكثر قابلية للقراءة والصيانة.

from collections import namedtuple

# تعريف namedtuple لتمثيل شخص
Person = namedtuple('Person', ['name', 'age', 'city'])

# إنشاء كائن من namedtuple
person1 = Person(name='أحمد', age=30, city='القاهرة')
person2 = Person('فاطمة', 25, 'الرياض')

# الوصول إلى العناصر بالاسم
print(f"الاسم: {person1.name}, العمر: {person1.age}, المدينة: {person1.city}")

# الوصول إلى العناصر بالترتيب (كما في الـ tuple العادية)
print(f"الاسم: {person1[0]}, العمر: {person1[1]}, المدينة: {person1[2]}")

# يمكنك أيضاً استخدام _make لإنشاء كائن من قائمة أو tuple
data = ['سارة', 22, 'دبي']
person3 = Person._make(data)
print(person3)

# و _asdict لتحويل الكائن إلى قاموس
person_dict = person1._asdict()
print(person_dict)

الـ `namedtuple` من وحدة `collections` تسمح لك بإنشاء أنواع تشبه الـ tuples ولكن مع أسماء حقول. هذا يجعل الوصول إلى البيانات أكثر وضوحًا (مثل `person1.name`) بدلاً من الاعتماد على الفهارس (مثل `person1[0]`). كما توفر طرقًا مفيدة مثل `_make` لإنشاء كائنات من تسلسلات و `_asdict` لتحويلها إلى قواميس.

['#بايثون', '#namedtuple', '#برمجة', '#Python', '#CodingTips', '#DataStructures']

💡 Tip Python: استخدام setdefault() لتبسيط القواميس! 💡

هل سئمت من التحقق مرارًا وتكرارًا مما إذا كان المفتاح موجودًا في القاموس قبل إضافته؟ دعنا نستخدم `setdefault()` لجعل الكود الخاص بك أكثر أناقة وكفاءة!

my_dict = {'a': 1, 'b': 2}

# استخدام setdefault لإضافة مفتاح جديد أو الحصول على قيمته
value_c = my_dict.setdefault('c', 3) # 'c' غير موجود، لذا يتم إضافته بالقيمة 3
print(f"القيمة المضافة أو الموجودة: {value_c}")
print(f"القاموس بعد الإضافة: {my_dict}")

# استخدام setdefault لمفتاح موجود
value_a = my_dict.setdefault('a', 10) # 'a' موجود، لذا لا يتم تغيير قيمته
print(f"القيمة الموجودة (لم تتغير): {value_a}")
print(f"القاموس بعد محاولة إضافة مفتاح موجود: {my_dict}")

الدالة `setdefault(key, default_value)` مفيدة جدًا. إذا كان المفتاح `key` موجودًا بالفعل في القاموس، فإنها تُرجع قيمته. أما إذا لم يكن المفتاح موجودًا، فإنها تُضيف المفتاح بالقيمة `default_value` المحددة ثم تُرجع هذه القيمة. هذا يجنبك الحاجة إلى جملة `if` للتحقق من وجود المفتاح.

['#Python', '#Tips', '#Programming', '#DataStructures', '#Dictionaries', '#PythonTricks', '#Code', '#Tutorial']

✨ استكشاف مكتبة `collections` في بايثون ✨

هل تبحث عن هياكل بيانات أكثر كفاءة وتخصصًا في بايثون؟ مكتبة `collections` هي الحل! دعنا نكتشف بعض أدواتها المفيدة.

from collections import Counter, defaultdict, deque

# Counter: عد العناصر
my_list = ['a', 'b', 'a', 'c', 'b', 'a']
counts = Counter(my_list)
print(f"Counter: {counts}") # Output: Counter: Counter({'a': 3, 'b': 2, 'c': 1})

# defaultdict: قاموس بقيم افتراضية
default_dict = defaultdict(int) # القيمة الافتراضية هي 0 للأعداد الصحيحة
default_dict['apple'] += 1
default_dict['banana']
print(f"defaultdict: {default_dict}") # Output: defaultdict: defaultdict(<class 'int'>, {'apple': 1, 'banana': 0})

# deque: قائمة مزدوجة النهاية (سريعة الإضافة والحذف من الطرفين)
double_ended_queue = deque([1, 2, 3])
double_ended_queue.appendleft(0)
double_ended_queue.append(4)
print(f"deque: {double_ended_queue}") # Output: deque: deque([0, 1, 2, 3, 4])

تُقدم مكتبة `collections` في بايثون هياكل بيانات متخصصة تتجاوز القوائم والقواميس القياسية. `Counter` مفيد لعد تكرار العناصر، `defaultdict` يبسط التعامل مع القواميس التي تحتاج قيمًا افتراضية، و `deque` يوفر عمليات إضافة وحذف سريعة من كلا طرفي التسلسل.

['#بايثون', '#برمجة', '#Python', '#Collections', '#DataStructures', '#Tips']

🚀 تحسين أداء Python: استخدام `collections.deque` 🚀

هل تعاني من بطء عمليات الإضافة والحذف من بداية القوائم في Python؟ اكتشف كيف يمكن لـ `collections.deque` تسريع هذه العمليات بشكل كبير!

from collections import deque

# إنشاء deque
my_deque = deque(['a', 'b', 'c'])

# إضافة عنصر إلى البداية (أسرع بكثير من list.insert(0, ...))
my_deque.appendleft('x')
print(my_deque)  # deque(['x', 'a', 'b', 'c'])

# إضافة عنصر إلى النهاية
my_deque.append('y')
print(my_deque)  # deque(['x', 'a', 'b', 'c', 'y'])

# حذف عنصر من البداية (أسرع بكثير من list.pop(0))
first_item = my_deque.popleft()
print(first_item)  # x
print(my_deque)  # deque(['a', 'b', 'c', 'y'])

# حذف عنصر من النهاية
last_item = my_deque.pop()
print(last_item)  # y
print(my_deque)  # deque(['a', 'b', 'c'])

# يمكنك أيضاً تحديد حجم أقصى للـ deque
limited_deque = deque(['a', 'b', 'c'], maxlen=3)
limited_deque.append('d')
print(limited_deque)  # deque(['b', 'c', 'd']) # أقدم عنصر تم حذفه تلقائياً

تُعد `collections.deque` (اختصار لـ double-ended queue) بنية بيانات مُحسّنة لعمليات الإضافة والحذف السريعة من كلا الطرفين (البداية والنهاية). على عكس القوائم القياسية في Python، حيث تكون عمليات `insert(0, ...)` و `pop(0)` بطيئة (تعقيد زمني O(n)) لأنها تتطلب إعادة ترتيب جميع العناصر، فإن عمليات `appendleft()` و `popleft()` في `deque` لها تعقيد زمني ثابت O(1). هذا يجعلها الخيار الأمثل عند التعامل مع طوابير الانتظار، أو سجلات الأحداث، أو أي سيناريو يتطلب تعديلات متكررة على أطراف مجموعة بيانات.

['#Python', '#Programming', '#DataStructures', '#Optimization', '#CodingTips', '#LearnToCode', '#PythonTips']

✨ تسريع عمليات البحث في بايثون باستخدام set() ✨

هل سئمت من البحث البطيء في القوائم الطويلة؟ استخدم set() لتحسين أداء البحث بشكل كبير!

my_list = list(range(1000000))
my_set = set(my_list)

# البحث في القائمة
if 999999 in my_list:
    print("موجود في القائمة!")

# البحث في المجموعة (أسرع بكثير)
if 999999 in my_set:
    print("موجود في المجموعة!")

تحويل قائمة إلى مجموعة (set) في بايثون يسمح بالبحث عن العناصر في وقت ثابت تقريبًا (O(1))، مما يجعله أسرع بكثير من البحث في القوائم (O(n))، خاصة مع البيانات الكبيرة.

['#بايثون', '#برمجة', '#تطوير', '#نصائح_برمجية', '#PythonTips', '#DataStructures']