عبدالباسط ابراهيم

بالإضافة للشرح الوافي ل reshape كما في التعليق السابق ولكن إذا كانت هناك العديد من الأبعاد وتحتاج عمل flat للكل عدا البعد الأخير يمكنك استخدام الحل التالي arr = numpy.zeros((50,100,25)) new_arr = arr.reshape(-1, arr.shape[-1]) new_arr.shape # (5000, 25) أو مثلاً عدا آخر بعدين arr = numpy.zeros((3, 4, 5, 6)) new_arr = arr.reshape(-1, *arr.shape[-2:]) new_arr.shape # (12, 5, 6) لاحظ مثال آخر arr = numpy.zeros((3, 4, 5, 6, 7, 8)) new_arr = arr.reshape(*arr.shape[:2], -1, *arr.shape[-2:]) new_arr.shape # (3, 4, 30, 7, 8)

تعتبر تقنية ال PWA ما هي إلا موقع تم أعداده مسبقاً للعمل ك PWA والفرق بين الموقع العادي وال PWA هو زيادة مميزات التطبيقات على الموقع مثل إمكانية العمل بدون إنترنت أو التنبيهات وإمكانية تثبيته كل هذه الخصائص يتم إضافتها للموقع من خلال تقنية ال PWA بواسطة service workers وweb app manifests يمكنك البحث عنهما للمزيد من المعلومات لذلك تعتمد تطبيقات ال PWA على المتصفح واللغات المستخدمة في الويب وهو ليس إطار عمل مثلاً بينما في react native and flutter يتم التعامل مع ال native api ويمكنك رفع تطبيق ال PWA على أي متجر ولكن ليس apple store على ما أعتقد ويعمل كأي تطبيق تم بناءه من خلال react native and flutter ولكن مع بعض الإختلافات البسيطة تعتبر تطبيقات ال PWA أكثر سهولة عن غيرها ولكن ليست في مثل قوة التطبيقات الأخرى لذلك يمكنك إختيار التيقنية التي تخدم أهدافك

يمكنك استخدام ravel أو flatten أو flat ولكن لكل دالة هدف حيث أن ravel تقوم بإرجاع view من المصفوفة أي أنه عند التغيير في المصفوفة الجديدة تطبق التغييرات على المصفوفة القديمة a = np.array([[1,2,3], [4,5,6]]) b = a.ravel() b array([1, 2, 3, 4, 5, 6]) بينما flatten تقوم بإرجاع نسخة أو copy من المصفوفة القديمة c = a.flatten() إنما flat تقوم بإرجاع iterator وليس مصفوفة d = a.flat

لاحظ هذا الرابط يحتوي على مسار كامل لبناء API أما بالنسبة التعامل مع خدمات التخزين السحابي AWS S3 فهناك تطبيق كامل لبناء موقع نستخدم فيه AWS S3

ربما تم تحديث المسارات ولكن بالنسبة للدروس الخاصة بال API فهي موجودة في هذا الرابط والدروس الخاصة بالتعامل مع خدمات التخزين السحابي AWS S3 فستجدها في المشروع تطبيق مشاركة الفيديوهات والجزء الخاص بال AWS S3 ستجده أيضاً في هذا الرابط بالطبع يمكنك الدخول للروابط السابقة إذا كنت مشترك في دورة تطوير تطبيقات الويب باستخدام لغة PHP ويفضل الإلتزام أيضاً بترتيب الدروس حتى لا تفوت جزء مهم من الشرح

يمكنك أيضاً بما أنك تستخدم list بواسطة python إنشاء list فارغة وإضافة البيانات التي تريدها ثم في الأخير تقوم بتحويلها ل numpy array import numpy as np list = [] list.append([1,3,5]) list.append([2,4,6]) array2 = np.array(list) print(array2) #الناتج: #[[1 3 5] # [2 4 6]] ولاحظ أنه في حالة كنت تستخدم for loop سيكون من الأفضل استخدام list ثم تحويلها لمصفوفة بدلاً من عمل append لمصفوفة numpy بداخل ال for loop إذا كنت تهتم للسرعة

يمكنك بالطبع عن طريق تغيير إعدادات الطباعة من خلال set_printoptions بواسطة المعامل suppress=True كما في التعليقات السابقة ولكن أحياناً تحتاج لتنفيذ هذه الإعدادت locally ويمكنك عمل ذلك من خلال context manager لذلك يكون الكود كالتالي x = np.random.random(10) with np.printoptions(precision=3, suppress=True): print(x) # [ 0.073 0.461 0.689 0.754 0.624 0.901 0.049 0.582 0.557 0.348] لاحظ أنه إذا قمت بالطباعة خارج هذا ال context manager سترجع إعدادات الطباعة كما كانت print(x) # [ 0.07334334 0.46132615 0.68935231 0.75379645 0.62424021 0.90115836 # 0.04879837 0.58207504 0.55694118 0.34768638]

نعم يمكنك تنفيذ المطلوب بواسطة الكود التالي app.get(/^\/(posts|articles)\/(.+)/, function (req, res, next) { }); لاحظ أن (+) يعني وجود slug حيث أن يجب أن يحتوي حرف واحد للتأكيد من وجود ال slig أو يمكنك استخدام الحل التالي app.get('/:type(posts|articles)/:id', ...)

كما تم التوضيح في التعليق السابق أنه sign لا تعني أن ال cookies ستكون مخفية ولكن سيتم إضافة توقيع إليها وهناك بعض الفروقات بين cookie و signed cookie لا يمكننا تحديد ما إذا كانت البيانات التي يتم إعادتها يتم تعديلها من قبل العميل أم لا. ذلك في حالة ال cookie بينما العكس في ال signed cookie يمكننا تحديد ما إذا كانت البيانات التي يتم إعادتها يتم تعديلها من قبل العميل أم لا ويضاف التوقيع كجزء من ال sigendCookie إلى جانب بيانات sigendCookie الفعلية وهذا التوقيع معروف من ناحية السيرفر فقط

يمكنك عمل untrack لمجلد أو ملف ما حيث عند عمل untrack له سيتجاهله git ولن يضيفه لقائمة التغييرات وهذا ما تبحث عنه ولكن كيف تقوم بذلك إنشاء ملف يسمى .gitignore لاحظ النقطة والتسمية وسنقوم بإنشاء هذا الملف في ال root للمشروع ثم تقوم بفتح الملف وتضع به اسم الملف أو المجلد فقط وبذلك تقوم بجعل هذا الملف untracked قم بهذه الخطوات وسيتم تنفيذ ما تريده يمكنك أيضًا القراءة عن هذا الموضوع عن طريق البحث عن gitignore

تختلف الشروط اللازمة لإستخراج بطاقة من دولة إلى أخرى فيجب عليك مراجعة الشروط الخاصة بالبنوك الموجودة في دولتك ولكن أعتقد أنه لا يمكنك إصدار بطاقة بعمر 13 عام ولكن يمكنك استخدام بطاقة أي شخص من عائلتك أو شخص تثق فيه وليس هناك مشكلة في ذلك قم بقراءة الإجابات على هذا السؤال أيضاً

يمكنك استخدام ال log-timestamp ببساطة من خلال إضافتها فقط أولاً تقوم بتثبيتها من خلال npm npm install log-timestamp ثانياً تقوم بإستدعائها والطباعة لرؤية الفرق console.log('Before'); require('log-timestamp'); //هذا السطر هو المطلوب فقط console.log('After'); كما يمكنك استخدام الحل التالي إذا كنت لا تحتاج لإستخدام أو إضافات خارجية var origlog = console.log; console.log = function( obj, ...placeholders ){ if ( typeof obj === 'string' ) placeholders.unshift( Date.now() + " " + obj ); else { // This handles console.log( object ) placeholders.unshift( obj ); placeholders.unshift( Date.now() + " %j" ); } origlog.apply( this, placeholders ); };

أولاً يعتبر الحصول على عمل من خلال منصات العمل الحر صعباً في البداية وهذا ليس له علاقة بمستواك في المجال إنما لأانك جديد على المنصة فليس هناك أعمال لك على الموقع أو تقييمات ولكن مع الإستمرار في تقديم العروض ستجد بعض المشاريع ولكن هنا بعض الأشياء التي تضمن لك الحصول على عمل أو تسرع من فرص حصولك عليه مثل ال profile الخاص بما يحتوي من الأعمال السابقة طريقة تقديم العرض على أي مشروع طريقة تعريف نفسك في ال profile يمكنك قراءة العديد من النصائح في إجابات هذه الأسئلة

حتى نستطيع عكس الترتيب للتنازلي بواسطة argsort ربما نحتاج لعكس المصفوفة الناتجة من هذه الدالة ويمكننا عكسها كالتالي avgDists=np.array([1, 8, 6, 9, 4]) ids = avgDists.argsort()[::-1][:3] #لعكس المصفوفة نستخدم [::-1] ids array([3, 1, 2]) أو يمكننا تحويل القيم لقيم بالسالب import numpy as np avgDists = np.array([2, 9, 7, 10, 5, 3]) ids = (-avgDists).argsort()[:n] #(-avgDists) لاحظ print(ids)

يمكنك استخدام الدالة np.place حيث يمكنك التحقق من الشرط أولاً ثم استبدال العناصر التي تريدها لاحظ المثال التالي import numpy as np # إنشاء مصفوفة 2*3 بالقيم من 0...5 arr = np.arange(6).reshape(2, 3) # استبدال الرقم 2 ب 3 np.place(arr, arr == 2, 3) كما يمكنك استخدام ال fancy indexing كالتالي arr[arr > 255] = x سيتم استبدال العناصر الأكبر من 255 بالقيمة x تعتبر الطريقة الثانية هي الأسرع

يمكنك استخدام الخاصية .size من numpy ولذلك لتنفيذ الكود السابق سيتم تعديله كالتالي import numpy as np a = np.array([[]]) if a.aize == 0: print('empty') else: print('not empty') لاحظ أن المصفوفة فارغة عندما ترجع ال a.size رقم 0 ولكن هناك مشكلة أن ال size تقوم بإرجاع واحد عند تنفيذها على np.array(None) import numpy as np np.array(None).size #1

كما تم الشرح في التعليقات السابقة فالمشكلة أن العناصر بداخل overlayer تأخذ نفس ال opacity من الأب وهو overlayer لذلك الحل لهذه المشكلة ببساطة هو جعل العناصر بداخل ال overlayer بنفس المستوى وهذه الطريقة هي المفضلة لعمل ال overlay لاحظ التعديل <div class="homeSection"> <div class="overlayer"></div> <div class="home-content"> <!--ووضعه بنفس المستوى overlayer قمت بإخراج هذا العنصر من --> <div> <h1 class="title">we are creative agency</h1> <p class="p"> <span class="nr">Nawwar</span> is an Egyptian IT-Training Center founded in 2012 We have identified the unique challenges people may face in learning a new technology and have exerted efforts in providing strategies to overcome them. We welcome your participation in our training </p> <button class="btn btn-start">Get started</button> <button class="btn btn-learn">Learn more</button> </div> </div> </div> وباستخدام هذه الطريقة لن تحتاج للتعديل في التنسيقات

يمكنك استخدام scipy.stats ونستخدم منه الدالة scoreatpercentile كالتالي from scipy import stats a = np.arange(100) stats.scoreatpercentile(a, 50) 49.5 كما يمكنك استخدام python فقط بدون numpy أي مكتبات أخرى عن طريق تخصيص دالة تقوم بذلك import math def percentile(data, perc: int): size = len(data) return sorted(data)[int(math.ceil((size * perc) / 100)) - 1] ومثال percentile([10.0, 9.0, 8.0, 7.0, 6.0, 5.0, 4.0, 3.0, 2.0, 1.0], 90) # 9.0 percentile([142, 232, 290, 120, 274, 123, 146, 113, 272, 119, 124, 277, 207], 50) # 146

توجد العديد من الطرق لتنفيذ ذلك حيث في التعليقات السابقة تم استخدام unique Counter و bincount ولكن يمكنك استخدام pandas أيضاً كالتالي >>> import pandas as pd >>> import numpy as np >>> x = np.array([1,1,1,2,2,2,5,25,1,1]) >>> pd.value_counts(x) 1 5 2 3 25 1 5 1 dtype: int64

كما شرح عبدالمجيد في التعليق السابق أنه يوجد Port مستخدم ولذلك يمكنك الكشف إذا كان port ما مستخدم أم لا ومن ثم إغلاقه عن طريق استخدام lsof lsof -i :<port no> سيعطيك الأمر السابق ال process id ثم يمكنك إيقاف العملية kill -9 <process id>

من خلال ترجمة الخطأ يبدو أنك نسيت إضافة الدالة serializeUser و deserializeUser كالتالي assport.serializeUser(function(user, done) { done(null, user.id); }); passport.deserializeUser(function(id, done) { User.findById(id, function(err, user) { done(err, user); }); }); كما يظهر في التوثيق الخاص بالمكتبة من هنا

توجد العديد من المكتبات الجتهزة لعمل المطلوب وربما تجد لكل مكتبة مميزات عن غيرها وكما في التعليقات السابقة يمكنك البحث لتجد المكتبة المناسبة لكل وإضافة يمكنك استخدام المكتبة skimage بسهولة كالتالي from skimage.io import imsave imsave('Path_to_your_folder/File_name.jpg',your_array) أو يمكنك استخدام حل آخر بدون استدعاء أي مكتبة كالتالي def saveAsPNG(array, filename): import struct if any([len(row) != len(array[0]) for row in array]): raise ValueError, "المصفوفة يجب أن تحتوي عناصر من نفس الحجم" flat = []; map(flat.extend, reversed(array)) buf = b''.join([struct.pack('>I', ((0xffFFff & i32)<<8)|(i32>>24) ) for i32 in flat]) data = write_png(buf, len(array[0]), len(array)) f = open(filename, 'wb') f.write(data) f.close() ويمكنك استخدام هذه الدالة كالتالي saveAsPNG([[0xffFF0000, 0xffFFFF00], [0xff00aa77, 0xff333333]], 'test_image.png')

يمكنك التحكم في تحويل الأرقام العشرية ل integer سواء لأقرب رقم الرقم الأكبر أو الأصغر من خلال الدوال >>> x = np.array([[1.0,2.3],[1.3,2.9]]) >>> z = np.ceil(x)#لأكبر رقم >>> t = np.floor(x)# لأصغر رقم >>> a = np.rint(x)# لأقرب رقم يمكنك أيضاً استخدام الدالة _np.int كالتالي >>> x = np.array([[1.0, 2.3], [1.3, 2.9]]) >>> np.int_(x) array([[1, 2], [1, 2]])

عند إنشاء DataFrame من مصفوفة تحتاج لتحديد ال data و ال index و ال columns كالتالي pd.DataFrame(data=data[1:,1:], # القيم index=data[1:,0], # العمود الأول columns=data[0,1:]) # الصف الأول ولكن ستلاحظ أن المصفوفة تحتوي على بيانات من نوع string ونوع integer لذلك تقوم numpy بتوحيد الأنواع ل string ونحن لا نريد ذلك وسنحول الأرقام ل integer مرة أخرى كالتالي بدلاً من data[1:,1:] نستخدم np.int_(data[1:,1:])

يمكنك قراءة ملفات ال html وإرسالها ببساطة كالتالي app.get('/', (req, res) => { fs.readFile(__dirname + '/public/index.html', 'utf8', (err, text) => { res.send(text); }); });