عبدالباسط ابراهيم

5 سبتمبر 2021

كما تم الشرح في التعليق السابق فإنه يمكنك حفظ هذه المتغيرات في ال disk وذلك لحفظها عند إغلاق اللعبة وفي هذه الحالة يمكنك استخدام الحزمة shelve ويمكنك قراءة المزيد من المعلومات عنها من خلال الرابط السابق

وذلك مثال على طريقة عملها

import shelve
d = shelve.open('score.txt') 
d['score'] = score            # الأن تم حفظ المتغير على ال disk
d.close()

ولقراءة البيانات من ال ملف نستخدم الكود التالي

import shelve
d = shelve.open('score.txt')
score = d['score'] 
d.close()

وإذا كنت لا تريد استخدام أي حزم يمكنك استخدام python فقط المثال التالي مبسط ويمكنك إضافة البينات أو الدوال التي تريدها وبالطبع يمكنك استخدام أي مكتبة لتوفر لك العديد من المميزات

حفظ البيانات

with open('readme.txt', 'w') as f:
    f.write('readme')

ثم قرائتها

with open(path_to_file) as f:
    contents = f.read()

5 سبتمبر 2021

يمكنك أيضاً استخدام ال loop لتنفيذ المطلوب وهذه الطريقة هي أسرع من استخدام apply مع axis 1 كما في المثال التالي

import pandas as pd

df = pd.DataFrame({'ID':['1','2','3'], 'col_1': [0,2,3], 'col_2':[1,4,5]})
mylist = ['a','b','c','d','e','f']

def get_sublist(sta,end):
    return mylist[sta:end+1]

df['col_3'] = list(map(get_sublist,df['col_1'],df['col_2']))

ملاحظة

في الإصدار Python 2 لا تحتاج لاستخدام ال list للتحويل

5 سبتمبر 2021

تعتبر الدالة render من ال life-cycle في react وتعتبر من ال life-cycle المهمة ويتم استدعائها من خلال react عند عمل إنشاء المكون وأثناء التحديثات بدون تدخل منك

والوظيفة الأساسية لهذه الدالة هو تقديم كود ال JSX إلى ال DOM ولكن بعد القيام بعدة عمليات معالجة للكود

حيث أن كود ال JSX لا يتم تقديمه كما هو لل DOM إنما يتم تحويله لكود مشابه للتالي

React.createElement(tag, props, children)

حتى يتم تقديمه لل DOM

4 سبتمبر 2021

بالطبع يمكنك استخدام django أو أي لغة أو تقنية backend أخرى مثل php laravel حيث أن يعتبر react native إطار عمل frontend لذلك ليس له علاقة بلغة ال backend فيمكنك استخدام نفس الكود أو تطبيق ال backend مع مثلاً تطبيق أندرويد أو تطبيق ويب بواسطة react

أما بالنسبة لأيهما أفضل فلا تصلح المقارنة حيث أن django إطار عمل ل python أما nodejs بيئة عمل ل javascript فلذلك ينبغي عليك إختيار التقنية المفضلة بالنسبة لك وأيضاً على حسب إذا كنت تتقن لغة javascript أو لغة python

كما أن لكل تقنية تتمتع ببعض المميزات مثل nodejs تتميز بسرعة وقوة بناء تطبيقات ال realtime وسهولة العمل مع قواعد البيانات non relational

أما django أو python فيتمjع بسهولة تعلمه والعمل به

4 سبتمبر 2021

كما شرح شرف الدين أنه المشكلة أن الكائن window متوفر فقط في المتصفح لذلك ينبغي عليك استخدامه في ال الدالة componentDidMount او في الuseEffect hook أو ببساطة يمكنك استخدلم ال dynamic import مع ظبط الخسار srr ل false فقط وتستخدم نفس الكود بدون تغيير أو الحاجة للدالة componentDidMount او الuseEffect hook كما في المثال التالي

// components/Scroll.js

function onScroll() {
  console.log("scroll!");
}

window.addEventListener("scroll", onScroll);

export default function Scroll() {
  return null;
}
// pages/index.js

import dynamic from "next/dynamic";

const Scroll = dynamic(
  () => {
    return import("../components/Scroll");
  },
  { ssr: false }
);

export default function Home() {
  return (
    <div style={{ minHeight: "1000px" }}>
      <h1>Home</h1>
      <Scroll />
    </div>
  );
}

4 سبتمبر 2021

ببساطة لكل loader مهمة مختلفة حيث أن

CSS Loader يقوم بمعالجة ملفات css فقط في حالة وجود ()url أو imports
أما ال style-loader فهو المسئول عن إضافة التنسيقات إلى صفحات الويب وتطبيقها من خلال الوسم styel كما في المثال التالي
```
<style type="text/css">
  body {
    background: yellow;
  }
</style>
```

لذلك كما ترى لكل منهما وظيفة مختلفة وينبغي عليك استخدامهما معاً

4 سبتمبر 2021

يمكنك استخدام ال hook التالي " useRouter " كما في المثال التالي

import Link from "next/link";
import { useRouter } from "next/router";


export const MyNav = () => {

  const router = useRouter();

  return (
    <ul>
      <li className={router.pathname == "/" ? "active" : ""}>
        <Link href="/">home</Link>
      </li>
      <li className={router.pathname == "/about" ? "active" : ""}>
        <Link href="/about">about</Link>
      </li>
    </ul>
  );
};

3 سبتمبر 2021

كما في التعليقات السابقة فإنه المشكلة في ال encoding وفي حالة أنك لم تستطع معرفته يمكنك استخدام الكود التالي لمعرفته

with open('filename.csv') as f:
   print(f)

ثم بعد ذلك قم بتحديد ال encoding الذي وجدته

data=pd.read_csv('filename.csv', encoding="encoding you found ")

كما أن إذا كنت تريد حل واحد لهذه المشكلة قم باستخدام ال Script التالي حيث يجرب الكثير من ال encoding واستخدام الصحيح

import pandas as pd

encoding_list = ['ascii', 'big5', 'big5hkscs', 'cp037', 'cp273', 'cp424', 'cp437', 'cp500', 'cp720', 'cp737'
                 , 'cp775', 'cp850', 'cp852', 'cp855', 'cp856', 'cp857', 'cp858', 'cp860', 'cp861', 'cp862'
                 , 'cp863', 'cp864', 'cp865', 'cp866', 'cp869', 'cp874', 'cp875', 'cp932', 'cp949', 'cp950'
                 , 'cp1006', 'cp1026', 'cp1125', 'cp1140', 'cp1250', 'cp1251', 'cp1252', 'cp1253', 'cp1254'
                 , 'cp1255', 'cp1256', 'cp1257', 'cp1258', 'euc_jp', 'euc_jis_2004', 'euc_jisx0213', 'euc_kr'
                 , 'gb2312', 'gbk', 'gb18030', 'hz', 'iso2022_jp', 'iso2022_jp_1', 'iso2022_jp_2'
                 , 'iso2022_jp_2004', 'iso2022_jp_3', 'iso2022_jp_ext', 'iso2022_kr', 'latin_1', 'iso8859_2'
                 , 'iso8859_3', 'iso8859_4', 'iso8859_5', 'iso8859_6', 'iso8859_7', 'iso8859_8', 'iso8859_9'
                 , 'iso8859_10', 'iso8859_11', 'iso8859_13', 'iso8859_14', 'iso8859_15', 'iso8859_16', 'johab'
                 , 'koi8_r', 'koi8_t', 'koi8_u', 'kz1048', 'mac_cyrillic', 'mac_greek', 'mac_iceland', 'mac_latin2'
                 , 'mac_roman', 'mac_turkish', 'ptcp154', 'shift_jis', 'shift_jis_2004', 'shift_jisx0213', 'utf_32'
                 , 'utf_32_be', 'utf_32_le', 'utf_16', 'utf_16_be', 'utf_16_le', 'utf_7', 'utf_8', 'utf_8_sig']

for encoding in encoding_list:
    worked = True
    try:
        df = pd.read_csv(path, encoding=encoding, nrows=5)
    except:
        worked = False
    if worked:
        print(encoding, ':\n', df.head())

3 سبتمبر 2021

إضافة لطريقة الحل التي شرحها أحمد يمكنك حذف عمود بواسطة ال index كالتالي

df = df.drop(df.columns[[0, 1, 3]], axis=1)  # df.columns تعتبر zero-based

كما يمكنك استخدام الدالة pop كالتالي

df.pop('column-name')

لاحظ المثال التالي

df = DataFrame.from_items([('A', [1, 2, 3]), ('B', [4, 5, 6]), ('C', [7,8, 9])], orient='index', columns=['one', 'two', 'three']) print df

   one  two  three
A    1    2      3
B    4    5      6
C    7    8      9
df.drop(df.columns[[0]], axis=1, inplace=True) print df

   two  three
A    2      3
B    5      6
C    8      9

three = df.pop('three') print df

   two
A    2
B    5
C    8

3 سبتمبر 2021

يمكنك استخدام الحل التالي

نقوم بحذف العناصر المتشابه من df2
ثم نقوم بعمل merge لل df1 مع df2 كما في المثال التالي

df1 = pd.DataFrame(data = {'col1' : [1, 2, 3, 4, 5, 3], 
                           'col2' : [10, 11, 12, 13, 14, 10]}) 
df2 = pd.DataFrame(data = {'col1' : [1, 2, 3],
                           'col2' : [10, 11, 12]})

df_all = df1.merge(df2.drop_duplicates(), on=['col1','col2'], 
                   how='left', indicator=True)

الناتج يكون كالتالي

df_all

   col1  col2     _merge
0     1    10       both
1     2    11       both
2     3    12       both
3     4    13  left_only
4     5    14  left_only
5     3    10  left_only

العناصر الغير مشتركة تكون كما في الناتج ليست both

3 سبتمبر 2021

لا يمكن لأحد الإجابة على مثل هذه الأسئلة إلا إذا أكملت السؤال ب " من حيث "

فرص العمل
سهولة التعلم
المجتمع
االأداء

وما إلى ذلك

وإليك مقارنة بينهما

يعتبر ال react مكتبة على عكس angular إطار عمل والفرق بينهم أن angular يوفر لك المكتبات والأدوات الكاملة التي تحتاجها لتطوير التطبيقات أما react في مكتبة تتيح لك إختيار الحزم أو المكتبات الأخرى لتعمل بها مع react
يعتبر تعلم react أسهل نسبياً من angular حيث إذا كنت تعلم javascript جيداً فلن يكون هناك صعوبة في تعلمه بينما مع angular نظراً لأنه إطار عمل فستجد الأمر أكثر تعقيداً نسبياً
يعتبر عالمياً ال react أكثر طلباُ ولكن أيضاً angular مطلوب و كما هو الحال في مصر
يعتبر تطبيقات ال react أقل حجماً من تطبيقات ال react وأسرع بفرق بسيط عن ال angular حيث يعتمد على ال virtual Dom

كما أن مع react يتوفر لك react native وهي تقنية قوية لتطوير تطبيقات الهاتف وهي ميزة قوية

لذلك يمكنك الإختيار المكتبة المفضلة لك كما يمكنك قراءة الإجابات على هذه الأسئلة

3 سبتمبر 2021

لا تتوفر متغيرات البيئة التي يتم تحميلها من خلال .env.local إلا في بيئة Node.js ، مما يعني أنها لن تتوفر للمتصفح. من أجل عرض متغير على المتصفح أو في المكون ، عليك أن تسبق المتغير بـ NEXT_PUBLIC لذلك قم بتسميته


NEXT_PUBLIC_API = ...

بدلاً من

API = ...

3 سبتمبر 2021

إذا كنت لا تعلم المقاسات width أو height يمكنك استخدام ال layout=fill حتى تأخذ الصورة نفس مقاس ال container كما في المثال التالي

<div style={{ position: "relative", width: "100%", paddingBottom: "20%" }} >
  <Image
    alt="Image Alt"
    src="/image.jpg"
    layout="fill"
    objectFit="contain" //container تأخذ أقل حجم ليتناسب مع ال 
  />
</div>

3 سبتمبر 2021

أحياناً عند التعامل مع proxies يعيدون أحياناً ip متعددة في HTTP_X_FORWARDED_FOR ولذلك للحصول على ال ip الحقيقي سيكون آخر ip في ال list لذلك سينستخدم إجابة سامح مع تعديل بسيط كالتالي

def get_client_ip(request):
    x_forwarded_for = request.META.get('HTTP_X_FORWARDED_FOR')
    if x_forwarded_for:
        ip = x_forwarded_for.split(',')[-1].strip()
    else:
        ip = request.META.get('REMOTE_ADDR')
    return ip

3 سبتمبر 2021

يمكنك التواصل مع مركز المساعدة من خلال هذا الرابط وسيقوم الفريق بمساعدتك في الغاء اشتراكك واسترجاع المبلغ

2 سبتمبر 2021

هناك بعض الإختلافات البسيطة بينهم كالتالي

Express-handlebars تعتبر هذه الحزمة هي الأشهر والأكثر إستخداماً فهي كما أن لديها توثيق جيد لكل الخصائص الموجودة بها كما أن أحد الاختلافات مقارنة بالحزم الأخرى هو القدرة على استخدام Hooks
hbs يعتبر من أسهل حزمة إدارة القوالب في الموقع كما تعطيك تقريباً نفس الخصائص الموجودة ب Express-handlebars ، ولكن النشاط الأخير كان قبل 4 أشهر. أي لم تعد تحدث كما في Express-handlebars
express-hbs يمكن أن تستخدم مع كل من الإصدارات express 3/4. والميزة في هذه الحزمة أنها تدعم i18 n لذلك إذا كنت تحتاج لذلك سيكو ن خيار جيد ، بالرغم أنه من السهل دمج i18 n في الحزم الأخرى لذلك لا تعتبر ميزة تختار من أجلها هذه الحزمة

2 سبتمبر 2021

يمكنك الإبقاء على نفس ال style الخاص بال angular والتغيير فقط في أسلوب الكتابة في الtemplate Handlebars عن طريق إنشاء raw helper كالتالي

Handlebars.registerHelper('raw-helper', function(options) {
    return options.fn();
});

ثم يمكنك استخدامه عن طريق أربع أقواس {{{{ كما في المثال التالي

{{{{raw-helper}}}}
<div class="container" ng-controller="AppCtrl">
    Total Members: {{members.length}}
</div>
{{{{/raw-helper}}}}

2 سبتمبر 2021

يمكنك استخدام التابع pd.MultiIndex.from_product ك index في dataframe جديد ثم عمل reset لل index كما في المثال التالي

a = [1, 2, 3]
b = ["a", "b", "c"]

index = pd.MultiIndex.from_product([a, b], names = ["a", "b"])

pd.DataFrame(index = index).reset_index()

الناتج يكون كالتالي

2 سبتمبر 2021

بداية من نسخة panda 0.24.0 ، يمكنك استخدام الدالة .to_flat_index والتي تقوم بتنفيذ المطلوب كما في المثال التالي

dat = df.loc[:,['name','workshop_period','class_size']].groupby(['name','workshop_period']).describe()
print(dat.columns)
# MultiIndex(levels=[['class_size'], ['count', 'mean', 'std', 'min', '25%', '50%', '75%', 'max']],
#            codes=[[0, 0, 0, 0, 0, 0, 0, 0], [0, 1, 2, 3, 4, 5, 6, 7]])

dat.columns = dat.columns.to_flat_index()
print(dat.columns)
# Index([('class_size', 'count'),  ('class_size', 'mean'),
#     ('class_size', 'std'),   ('class_size', 'min'),
#     ('class_size', '25%'),   ('class_size', '50%'),
#     ('class_size', '75%'),   ('class_size', 'max')],
#  dtype='object')

وللفصل بين اسماء الأعمدة يمكنك استخدام الحل التالي

dat.columns = ["_".join(a) for a in dat.columns.to_flat_index()]

1 سبتمبر 2021

بتاريخ 6 دقائق مضت قال Omar Montage:

انا اقصد انا عندي كلاسين في الكلاس الثاني أريد أن أنشيْ دالة تنشيْ object من الكلاس الأول وأستطيع بعد ذلك أن أتصفح ال object والدخول علي خصائصه

ربما تقصد الوراثة في اللغة لاحظ المثال التالي

class Person {
  constructor(first, last, age, gender, interests) {
    this.name = {
      first,
      last
    };
    this.age = age;
    this.gender = gender;
    this.interests = interests;
  }

}

وللوراثة من هذا الكلاس نقوم باستخدام المعامل extends كالتالي

class Teacher extends Person {
  constructor(first, last, age, gender, interests, subject, grade) {
    super(first, last, age, gender, interests);

    // subject و grade  Personخاصة بالكلاس
    this.subject = subject;
    this.grade = grade;
  }
}

1 سبتمبر 2021

كما وضح عبود فإنه يمكنك إنشاء دالة تقوم بإنشاء كائنات بواسطة المعامل new

ولكن هناك طريقة أحدث وهي استخدام ال class وهي تعمل مع الإصدار ecmascript 6 لاحظ الكود التالي

class Person {

  constructor(name) {
    this.name = name;
  }

  introduce() {
    console.log(`Hello, my name is ${this.name}`);
  }

}

const ahmed = new Person('Ahmed');

ahmed.introduce();

وتعتبر هذه الطريقة تغيير في كتابة الكود فقط أي في ال syntax ولكن طريقة العمل واحدة في اللغة ولقراءة الموضوع بشكل أكثر تعمقاً يمكنك قراءة هذه المقالة

1 سبتمبر 2021

يوجد عدة طرق لتنفيذ المطلوب كما شرح أحمد في التعليق السابق ولكن في بعض الأحيان تحتاج لمكتبة لتسهيل الأمر وإضافة بعض المميزات ويمكنك استخدام المكتبة fuzzymatcher لتنفيذ المطلوب

قم بتثبيتها كالتالي

pip install fuzzymatcher

لاحظ المثال التالي

from fuzzymatcher import link_table, fuzzy_left_join

left_on = ["fname", "mname", "lname",  "dob"]

right_on = ["name", "middlename", "surname", "date"]

fuzzymatcher.link_table(df_left, df_right, left_on, right_on)

1 سبتمبر 2021

كما شرح سامح في التعليق السابق أنه يمكنك أن تقوم بتنفيذ المطلوب من خلال delete سواء باستخدام get أو filter

SomeModel.objects.get(pk=1).delete()
# أو
SomeModel.objects.filter(pk=1).delete()

# SQL المكافئ ل
# delete from table_name where id = 1;

ولكن إذا أردت تحديد عدة قيم لحذفها يمكنك استخدام التابع __in كما في المثال التالي

SomeModel.objects.fitler(pk__in=[1,2,3,4,5,...]).delete()

# SQL المكافئ ل
# delete from table_name where id in (1,2,4,5,...);

31 أغسطس 2021

أولاً عند دراسة مسار معين أو محاولة فهم درس من مسار ما بطريقة سريعة أو ( لآخذ فكرة شمولية ) فالطبيعي أن تكون هناك بعض المفاهيم الغير مفهومة وذلك طبيعي بسبب طريقة الدراسة

أما بانسبة لمسار ال databases فهو ليس مرتبط بالمسارات السابقة بشكل مباشر إنما عند دراسة المسارات السابقة تساعدك بشكل كبير في فهم المسار أسرع وأفضل والحظ أن هذه المسارات تم ترتيبها بشكل دقيق فلا يجوز التنقل بين المسارات بشكل عشوائي

يتم فتح المسار الأول من كل دورة مباشرة

إذا واجهت أي مُشكلة في الوصول إلى الدروس يُمكنك مراسلة الدعم الفني من خلال هذا الرابط: و سيقوم الفريق بمساعدتك في أقرب وقت

31 أغسطس 2021

يمكنك أيضاً استخدام الدالة notnull ببساطة كالتالي

import pandas as pd
df = df[pd.notnull(df['value'])]

أو يمكنك عكس الدالة isnull كالتالي

 df[~df.value.isnull()]

أو isnan

df[~np.isnan(df.value)]

ريادة الأعمال

البرمجة

التصميم

DevOps

التسويق والمبيعات

العمل الحر

البرامج والتطبيقات

آخر التحديثات

قصص نجاح

أسئلة وأجوبة

كتب

دورات

أجوبة بواسطة عبدالباسط ابراهيم