تمرین‌های پایتون برای دانشجویان – از شرط‌ها تا داده‌کاوی

🐍  مقدمه: چرا تمرین مهم‌تر از تئوریه؟

یادگیری پایتون مثل یاد گرفتن شناست؛ هیچ‌کس با خوندن کتاب شناگر نمی‌شه، مگر اینکه بره داخل آب. برای پایتون هم دقیقاً همینطوره — هرچقدر هم مقاله یا ویدیو ببینی، تا دست‌به‌کد نشی، پیشرفت نمی‌کنی. توی این مقاله، قراره تمرین‌های واقعی و سطح‌بندی‌شده رو یاد بگیری که از مفاهیم پایه مثل شرط‌ها و حلقه‌ها شروع می‌شن و می‌رن تا داده‌کاوی! تمام تمرین‌ها مخصوص دانشجوها طراحی شدن تا هم پروژه‌های دانشگاهی‌ت بهتر بشن، هم رزومه‌ت قوی‌تر. اگه میخوای مسیر یادگیری پایتون برای دانشجویان؛ از صفر تا پروژه‌های کوچک داده‌کاوی رو هم یاد بگیری، مقاله قبلی رو بخون.

🧩 مرحله اول: تمرین‌های شروع از صفر

اینجا با مفاهیم پایه‌ی برنامه‌نویسی سر و کار داری: متغیر، دستور شرطی، حلقه و تابع.

🎯 تمرین ۱: حسابگر ساده

برنامه‌ای بنویس که از کاربر دو عدد بگیره و جمع، تفریق، ضرب و تقسیمش رو چاپ کنه.

نکته: سعی کن برای هر عمل یه تابع جدا بنویسی؛ مثلاً:

pythonnote_add

def add(x, y):

return x + y

🎯 تمرین ۲: بررسی زوج یا فرد بودن عدد

برنامه‌ای بنویس که یه عدد بگیره و بگه زوجه یا فرد.

🎯 تمرین ۳: تخمین سن با شرط‌ها

ورودی: سال تولد

خروجی: سن و دسته‌ی سنی (دانش‌آموز، دانشجو، شاغل)

هدف: تمرین با شرط‌های if و elif.

⚙️ مرحله دوم: کار با حلقه‌ها و تابع‌ها

تمرین‌هایی برای تقویت منطق و تفکر الگوریتمی.

🎯 تمرین ۴: جدول ضرب

کدی بنویس که جدول ضرب ۱ تا ۱۰ رو چاپ کنه.

استفاده از حلقه‌ی تودرتو (nested loop) امتیاز اضافه داره 😎

🎯 تمرین ۵: پیدا کردن اعداد اول

برنامه‌ای بنویس که تا عدد N، همه‌ی اعداد اول رو فهرست کنه.

🎯 تمرین ۶: فاکتوریل عدد

از کاربر عدد بگیر و حاصل فاکتوریلش رو با حلقه یا تابع بازگشتی محاسبه کن.

📁 مرحله سوم: کار با فایل و داده‌های واقعی

اینجا وارد دنیای داده‌ها می‌شی. تمرین‌ها بهت کمک می‌کنن پروژه‌های کاربردی‌تر بسازی.

🎯 تمرین ۷: مدیریت فایل متنی

برنامه‌ای بنویس که:

1. متن داخل فایل data.txt رو بخونه
2. تعداد خطوط و کاراکترها رو حساب کنه
3. خروجی رو داخل یه فایل جدید بنویسه

🎯 تمرین ۸: میانگین نمرات از CSV

فرض کن فایلی داری به شکل:

Name,Score

Ali,18

Sara,16

Reza,19

برنامه‌ای بنویس که میانگین نمره‌ها رو با استفاده از کتابخونه‌ی csv حساب کنه.

🧠 مرحله چهارم: تحلیل داده مقدماتی با NumPy و Pandas

توی این بخش یاد می‌گیری چطور داده‌هات رو تحلیل و خلاصه‌سازی کنی.

🎯 تمرین ۹: کار با NumPy

یک آرایه بساز، مجموع و میانگین عناصرش رو حساب کن:

import numpy as np

arr = np.array([10, 20, 30, 40])

🎯 تمرین ۱۰: DataFrame ساده

با pandas یه جدول از نمرات بساز و نام دانشجویی که بالاترین نمره رو داره پیدا کن.

📊 مرحله پنجم: مصورسازی داده‌ها 🎨

تحلیل بدون تصویر، نصفه‌ست! حالا وقتشه الگوها رو ببینی.

🎯 تمرین ۱۱: رسم نمودار

یه سری داده‌ی ساده بساز و با matplotlib نمودار خطی‌ش رو رسم کن.

مثلاً:

years = [2020, 2021, 2022, 2023]

scores = [15, 16, 18, 17]

نمودار روند تغییر نمرات رو نشون بده.

🎯 تمرین ۱۲: هیستوگرام داده‌ها

مجموعه‌ای از ۵۰ عدد تصادفی بساز و توزیعش رو به شکل هیستوگرام نمایش بده.

🔢 مرحله ششم: داده‌کاوی مقدماتی با Scikit-learn

حالا وارد بخش جذاب داده‌کاوی می‌شیم! 🤖

🎯 تمرین ۱۳: رگرسیون خطی ساده

با Scikit-learn یه مدل خطی بساز که رابطه‌ی بین ساعات مطالعه و نمره نهایی رو پیش‌بینی کنه.

from sklearn.linear_model import LinearRegression

🎯 تمرین ۱۴: خوشه‌بندی داده‌ها (K-Means)

یه مجموعه داده‌ی فرضی از دانشجوها بساز شامل سن و معدل، بعد با الگوریتم K-Means اون‌ها رو خوشه‌بندی کن.

🚀 مرحله هفتم: پروژه‌های کاربردی برای دانشگاه

در این مرحله باید تمرین‌ها رو تبدیل به پروژه واقعی کنی.

💡 ایده ۱: پیش‌بینی عملکرد دانشجوها

با داده‌های نمرات و ساعت مطالعه، یه مدل بساز که معدل رو پیش‌بینی کنه.

💡 ایده ۲: تحلیل پرسش‌نامه‌ی کلاسی

داده‌های نظرسنجی رو وارد کن و نمودار رضایت دانشجوها رو رسم کن.

💡 ایده ۳: تحلیل داده‌های آزمایشگاهی

با NumPy و Pandas داده‌های آزمایش رو تحلیل کن و انحراف معیار و میانگین‌ها رو حساب کن.

🧩 مرحله هشتم: چطور تمرین‌ها رو حرفه‌ای‌تر کنی؟

برای اینکه از تمرین‌ها بیشتر یاد بگیری، چند پیشنهاد کلیدی وجود داره:

1. تمرین‌ها رو تغییر بده: مثلاً به جای نمره، داده‌ی دما یا قیمت استفاده کن.
2. کد هر بخش رو توضیح بده: با گذاشتن کامنت‌های معنی‌دار.
3. نمایش نتایج با تصویر: استفاده از نمودار، به جای چاپ ساده.
4. پروژه رو گسترش بده: مثلاً ذخیره‌ی خروجی توی دیتابیس کوچک SQLite.

🔍 اشتباهات رایج دانشجوها در تمرین‌های پایتون

• یاد نگرفتن مفهوم حلقه‌های تودرتو
• اشتباه در نوع داده‌ها (مثلاً تبدیل رشته به عدد)
• نادیده گرفتن خطاهای ورودی
• تمرکز فقط روی کد، بدون درک منطق الگوریتم

برای حرفه‌ای شدن، باید هر خط از کدت رو درک کنی، نه فقط حفظ.

💪 جمع‌بندی: تمرین یعنی تبدیل دانش به مهارت

هر تمرین کوچیکی که انجام می‌دی، یه قدم به یادگیری واقعی نزدیک‌تر می‌شی. پایتون یه زبان ساده‌ست، اما قدرتش بی‌نهایت. توی هر مرحله از تمرین‌ها تلاش کن خروجی برنامه‌ت رو بفهمی و تغییرش بدی. اگر مقاله‌ی اول نقشه‌راهت بود، این یکی قطب‌نمای تمرینیه ✅ پس ازش نهایت استفاده رو ببر، مرحله‌به‌مرحله تمرین‌ها رو انجام بده و به پروژه داده‌کاوی نهایی برسی.