برنامه نویسی پایتون بخش ششم (Identifiers)

دانلود رایگان نرم افزار ArcGIS Pro 2.8

ابر نقطه ای چیست ؟

انواع نقشه ها در سیستم اطلاعات جغرافیایی: 25 روش مختلف و جذاب برای نمایش داده های مکانی در GIS

تصحیحات اتمسفری در سنجش از دور چیست ؟

سیستم های تصویر نقشه چیست ؟ و چرا بعضا برای ما گمراه کننده هستند ؟

ژئودزی: ریاضیات مکان

گیرنده های GPS چگونه کار می کنند ؟ سه گانه سازی در مقابل مثلث بندی

مأموریت توپوگرافی رادار شاتل (SRTM)

چرا پنجره اتمسفری در علوم زمین دارای اهمیت است ؟

تصاویر ماهواره ای DigitalGlobe: وردویو(Worldview)، ژئوآی(GeoEye) و آیکونوس (IKONOS)

راهنمای طبقه بندی نزدیکترین همسایه در e-Cognition

نقشه های کروپلت – مقدمه ای بر طبقه بندی داده

تصاویر چند طیفی (Multi-spectral) در مقایسه با تصاویر ابر طیفی (Hyper-spectral)

فتوگرافی هوایی (Aerial Photography) در مقابل ارتوفوتوگرافی (Orthophotography)

راهنمای جامع لیدار (Light Detection and Ranging – LiDAR)

سنجش از دور چیست ؟

منابع داده GIS رایگان در سطح جهانی : داده های رستری و برداری

مقدمه ای بر سرویس های نقشه کشی تحت وب (WMS)

علم داده مکانی چیست ؟

تحلیل عوارض سه بعدی

ژئوانالیتیکس: آنالیز داده های مکانی حجیم

فرمت های داده در سیستم اطلاعات جغرافیایی بخش سوم

فرمت های داده در سیستم اطلاعات جغرافیایی بخش دوم

فرمت های GIS و پسوندهای داده مکانی بخش اول

آموزش برنامه نویسی پایتون بخش سی ام

انتشار نخستین تصاویر لندست 9 توسط سازمان هوا و فضای آمریکا (NASA)

آموزش برنامه نویسی پایتون بخش بیست و نهم

آموزش برنامه نویسی پایتون بخش بیست و هشتم

آموزش برنامه نویسی پایتون بخش بیست و هفتم

آموزش برنامه نویسی پایتون بخش بیست و ششم

آموزش برنامه نویسی پایتون بخش بیست و پنجم

معرفی سامانه WEB GIS

نقشه متوسط دمای سطح زمین ایران (LST)

آموزش برنامه نویسی پایتون بخش بیست و چهارم

آموزش برنامه نویسی پایتون بخش یازدهم (تبدیل نوع و گرد کردن)

آموزش برنامه نویسی پایتون بخش دهم (اپراتورهای انتساب گمارشی)

آموزش برنامه نویسی پایتون بخش نهم (نمادهای علمی، ارزیابی عبارات و اولویت اجرای اپراتورها)

برنامه نویسی پایتون بخش هشتم (انتساب چندگانه، ثابت ها، نوع-داده های عددی و اپراتورها)

برنامه نویسی پایتون بخش هفتم (متغیرها، دستور انتساب و عبارات)

آموزش برنامه نویسی پایتون بخش ششم

در این قسمت در مورد مفهوم شناسه یا Identifier در زبان برنامه نویسی پایتون می پردازیم. همچنین به اصول و قواع خاصی که در تعریف شناسه ها در پایتون وجود دارد، نیز اشاره خواهیم داشت.

شناسه یا Identifiers در پایتون

به صورت خلاصه و ساده شناسه ها یا Identifier اسامی یا نام هایی هستند که برای تعیین هویت و تشخیص المان هایی همچون متغیرها (Variables) و توابع (Functions) یا کلاس ها (Class) در یک برنامه مورد استفاده قرار می گیرند. استفاده از شناسه ها در زبان برنامه نویسی پایتون از اصول و قواعدی پیروی می کند که در صورت عدم رعایت آنها مفسر پایتون ما را با خطای Syntax متوقف خواهد کرد.

اصول و قواعد تعریف شناسه ها در پایتون

■ شناسه یا Identifier رشته ای از کاراکترهایی است که شامل حروف، رقوم و همچنین زیرخط (_) یا Underscore می گردد.
■ شناسه بایستی با حروف و یا زیر خط یا _ آغاز شود. شناسه ها نمی توانند با اعداد آغاز شوند.

■ شناسه ها در پایتون نمی توانند دقیقا مشابه کلمات کلیدی تعریف شوند. لیست کلمات کلیدی یا کلمات رزو شده در پایتون در شکل زیر آورده شده است.

■ شناسه ها می توانند به مقدار دلخواه از کاراکترها استفاده کنند و محدودیتی در این باره وجود ندارد.

■ در صورتی که نیاز به تعریف یک شناسه چند کلمه ای بود، نباید بین کلمات فاصله قرار بگیرد. برای اتصال کلمات به یکدیگر می توانید از زیر خط یا _ استفاده کنید.

به طور نمونه، شناسه های area، radius و یا number1 همگی قابل قبول هستند در حالی که شناسه های 2A و یا d+4 مورد قبول نمی باشند، زیرا آنها قواعد ذکر شده در فوق را رعایت نکرده اند. زمانی که پایتون یک شناسه نا معتبر را تشخیص دهد با خطای Syntax Error از اجرای برنامه جلوگیری می کند.

برای مشاهده لیست کلمات کلید (Keywords) یا کلمات رزرو شده (Reserved words) در پایتون می توانید کتابخانه keywords را ابتدا import نموده و سپس از متد kwlist به صورتی که در شکل زیر نشان داده شده است، استفاده کنید. در تعریف شناسه ها در پایتون بایستی توجه داشته باشید که از این کلمات استفاده نکنید.

>>> import keyword # Press Enter

>>> keyword.kwlist # Press Enter

نکته

به دلیل آنکه زبان برنامه نویسی پایتون به حروف بزرگ و کوچک حساس می باشد یا به عبارت دیگر case sensetive است، شناسه های area، Area، AREA، aREA، ArEA همگی شناسه هایی معتبر و البته متفاوت محسوب خواهند شد.

نکته

شناسه های توصیفی برنامه های نوشته شده را خواناتر می سازد. در نتیجه بهتر است هنگام تعریف شناسه ها چه در مورد متغیرها و چه در مورد توابع و کلاس ها، شناسه هایی را تعریف کنید که نام شناسه با مفهوم آن تطابق داشه باشد. روش دیگر تعریف شناسه ها استفاده از شناسه های مخفف می باشد. به عنوان مثال برای تعریف شناسه ای با عنوان Digital Number از کلمه مخفف شده DN استفاده شود. این روش تعریف شناسه در بسیاری مواقع باعث کاهش خوانایی کدها می شود و بهتر است تا حد امکان از این سیستم استفاده نشود. البته در مواقعی که نیاز به تعریف شناسه هایی همچون شمارنده ها یا شناسه های مجازی داشته باشیم می توان از شناسه هایی همچون n,x,y,i,j,k و …. استفاده نمود.

نکته

عادت خوب برنامه نویسی در تعریف شناسه ها آن است که حروف متغیرها با حروف کوچک تعریف گردد مثلا شناسه های radius یا area که تمام حروف آنها کوچک هستند. در صورتی که یک شناسه یا نام متغیری دارای بیش از یک کلمه باشد بهتر است که حرف اول کلمه اول را به صورت کوچک نوشته سپس تمامی کلمات بعدی را به هم متصل نموده و تنها حروف اول آن کلمات را با حروف بزرگ بنویسیم. به مثال زیر توجه کنید:

>>> sumOfStudent = 100

>>> studentScore = 20

استایلی که در بالا به آن اشاره شده به نام استایل یا استاندارد camelCase نامیده می شود. استایل دیگری که در تعریف شناسه های چند کلمه ای می توانید مورد استفاده قرار دهید آن است که بین کلمات از زیر خط با _ استفاده کنید.

>>> sum_of_Student = 100

>>> student_score = 20

توجه داشته باشید در صورتی که تعریف شناسه ها از دو استایل فوق الذکر استفاده نشود خوانایی کد پائین می آید به شکل زیر توجه کنید متوجه می شوید که در تشخیص نام متغیر با مکث و مشکل رو به رو می شوید.

>>> sumofstudent = 100

>>> studentscore = 20