آموزش pip در پایتون

مقدمه

تصور کنید که به تازگی یادگیری پایتون را شروع کرده‌اید و با هیجان در حال ساخت پروژه‌های جذاب هستید. اما ناگهان برای افزودن یک قابلیت خاص متوجه می‌شوید که به یک ابزار یا کتابخانه نیاز دارید. در این لحظه، این سؤال در ذهنتان شکل می‌گیرد: چگونه این ابزارها را پیدا و نصب کنم؟ اگر چنین چالشی را تجربه کرده‌اید، آموزش pip در پایتون دقیقاً همان چیزی است که به آن نیاز دارید.

pip یک ابزار قدرتمند و همه‌فن‌حریف برای نصب و مدیریت کتابخانه‌های پایتون است. با کمک pip، می‌توانید به‌سادگی کتابخانه‌های موردنیاز پروژه خود را نصب، مدیریت یا حذف کنید، بدون اینکه نیاز باشد زمان زیادی صرف فرآیندهای دستی کنید.

اگر می‌خواهید بدانید pip چیست، چرا ضروری است و چگونه می‌تواند مدیریت بسته‌ها و کتابخانه‌های پایتون را برای شما ساده کند، در ادامه با ما همراه باشید تا این ابزار حیاتی را بهتر بشناسید و استفاده از آن را بیاموزید. 🚀

pip چیست؟

pip که مخفف Python Package Installer است، یک ابزار خط فرمان قدرتمند برای نصب و مدیریت کتابخانه‌ها و بسته‌های پایتون محسوب می‌شود. این ابزار به شما این امکان را می‌دهد تا کتابخانه‌های موردنیاز پروژه خود را به‌راحتی از مخازن آنلاین مانند PyPI (Python Package Index) دانلود و نصب کنید.

آموزش pip در پایتون یکی از مهارت‌های اساسی برای هر برنامه‌نویس پایتون است. به کمک pip، دیگر نیازی نیست که کتابخانه‌ها را به‌صورت دستی دانلود و تنظیم کنید. فرض کنید قصد دارید در پروژه خود از کتابخانه‌ای مثل requests برای ارسال درخواست‌های HTTP استفاده کنید. تنها با اجرای این دستور می‌توانید آن را نصب کنید:

pip install requests

pip نه ‌تنها در نصب کتابخانه‌ها کاربرد دارد، بلکه ابزار قدرتمندی برای مدیریت نسخه‌ها، به‌روزرسانی یا حذف بسته‌ها است. همین ویژگی‌ها باعث شده تا تسلط بر نحوه استفاده از pip برای مدیریت بهتر پروژه‌ها و وابستگی‌های آن‌ها ضروری باشد.

چرا pip اهمیت دارد؟

pip به دلایل زیر یکی از ابزارهای ضروری برای برنامه‌نویسان پایتون است:

1. سرعت و سادگی: نصب و مدیریت کتابخانه‌ها با pip تنها در چند ثانیه انجام می‌شود.
2. انعطاف‌پذیری بالا: pip امکان نصب از منابع مختلف، مانند مخازن Git، نسخه‌های خاص کتابخانه‌ها یا حتی مخازن سفارشی را فراهم می‌کند.
3. مدیریت وابستگی‌ها: می‌توانید وابستگی‌های پروژه را در فایل requirements.txt ذخیره کرده و به‌سادگی آن‌ها را در محیط‌های دیگر نصب کنید.
4. یکپارچگی با پایتون: pip به‌صورت پیش‌فرض در نسخه‌های جدید پایتون وجود دارد و با آن یکپارچه شده است.

شروع به کار با pip

قبل از شروع، مطمئن شوید که نصب pip در پایتون به‌درستی انجام شده است. در این بخش، مراحل اولیه کار با pip، از نصب گرفته تا استفاده در محیط‌های مختلف، بررسی خواهد شد.

پیدا کردن pip در سیستم شما

برای اطمینان از نصب بودن pip، می‌توانید از دستور زیر در ترمینال (برای لینوکس و مک) یا CMD (برای ویندوز) استفاده کنید:

pip –version

برای اطمینان از نصب بودن pip، می‌توانید از دستور زیر در ترمینال (برای لینوکس و مک) یا CMD (برای ویندوز) استفاده کنید:

pip 22.0.4 from /usr/lib/python3.10/site-packages (python 3.10)

در صورتی که pip نصب نباشد یا خطایی دریافت کنید، باید آن را نصب یا به‌روزرسانی کنید. معمولاً نسخه‌های جدید پایتون به‌طور پیش‌فرض همراه با pip عرضه می‌شوند. اگر نصب نبود، می‌توانید دستور زیر را اجرا کنید:

python -m ensurepip --upgrade

اجرای pip به‌عنوان یک ماژول پایتون

در برخی موارد، ممکن است pip به دلیل تنظیمات سیستم یا محدودیت‌های محیط قابل دسترسی نباشد. در چنین شرایطی، می‌توانید pip را به‌عنوان یک ماژول پایتون اجرا کنید. این روش تضمین می‌کند که pip از نسخه پایتونی که استفاده می‌کنید اجرا شود.

مثال: نصب کتابخانه requests با pip به‌عنوان ماژول:

python -m pip install requests

این روش همانند اجرای مستقیم pip عمل می‌کند و راه‌حل مناسبی برای محیط‌هایی است که دسترسی مستقیم به pip وجود ندارد.

استفاده از pip در محیط مجازی پایتون

یکی از بهترین راه‌ها برای جلوگیری از تداخل نسخه‌ها و وابستگی‌های کتابخانه‌ها در پروژه‌های مختلف، استفاده از محیط‌های مجازی (virtual environments) است. محیط مجازی به شما یک فضای ایزوله می‌دهد که فقط مربوط به یک پروژه خاص است.

ایجاد و فعال‌سازی محیط مجازی

1. ایجاد محیط مجازی
2. python -m venv myenv
3. فعال‌سازی محیط مجازی
   • در ویندوز: myenv\Scripts\activate
   • در لینوکس/مک: source myenv/bin/activate

پس از فعال‌سازی محیط مجازی، می‌توانید از pip برای نصب بسته‌ها استفاده کنید. تمام کتابخانه‌ها فقط در محدوده این محیط نصب خواهند شد.

مثال: نصب کتابخانه numpy

pip install numpy

نصب مجدد pip در صورت لزوم

اگر pip کار نمی‌کند یا با خطاهایی روبرو هستید، ممکن است نیاز باشد آن را دوباره نصب کنید. برای این کار، دستور زیر را اجرا کنید:

python -m ensurepip --upgrade

اگر مشکل همچنان پابرجا بود، می‌توانید از روش زیر برای نصب مجدد pip استفاده کنید:

1. دانلود اسکریپت نصب pip
2. curl //bootstrap.pypa.io/get-pip.py -o get-pip.py
3. اجرای اسکریپت
4. python get-pip.py

نصب بسته‌ها با pip

یکی از اصلی‌ترین قابلیت‌های pip، نصب کتابخانه‌ها و بسته‌های موردنیاز پروژه‌های پایتون است. با استفاده از این ابزار قدرتمند، می‌توانید کتابخانه‌ها را از منابع مختلف مانند شاخص اصلی پایتون (PyPI)، مخازن سفارشی یا حتی مخازن Git نصب کنید. در این بخش، روش‌های گوناگون نصب بسته‌ها با pip را بررسی می‌کنیم.

استفاده از شاخص بسته‌های پایتون (PyPI)

PyPI (Python Package Index) مخزن اصلی کتابخانه‌های پایتون است که تقریباً تمامی ابزارها و کتابخانه‌های موردنیاز شما در آن قابل دسترسی هستند. برای نصب یک بسته از PyPI کافی است از دستور زیر استفاده کنید:

pip install package_name

مثال

اگر بخواهید بسته محبوب requests را برای ارسال درخواست‌های HTTP نصب کنید، کافی است دستور زیر را اجرا کنید:

pip install requests

استفاده از شاخص بسته‌های پایتون (PyPI)

PyPI (Python Package Index) مخزن اصلی کتابخانه‌های پایتون است که تقریباً تمامی ابزارها و کتابخانه‌های موردنیاز شما در آن قابل دسترسی هستند. برای نصب یک بسته از PyPI کافی است از دستور زیر استفاده کنید:

pip install package_name

مثال

اگر بخواهید بسته محبوب requests را برای ارسال درخواست‌های HTTP نصب کنید، کافی است دستور زیر را اجرا کنید:

pip install requests

نصب نسخه خاص از یک بسته

گاهی اوقات ممکن است بخواهید نسخه مشخصی از یک کتابخانه را نصب کنید. برای این کار از دستور زیر استفاده کنید:

pip install requests==2.26.0

استفاده از شاخص بسته سفارشی

در برخی مواقع، ممکن است به دلایلی نتوانید از PyPI استفاده کنید؛ مانند محدودیت‌های اینترنتی یا نیاز به دسترسی به کتابخانه‌های اختصاصی شرکت یا سازمان خود. در این حالت، می‌توانید از یک شاخص بسته سفارشی استفاده کنید. برای این منظور از گزینه --index-url استفاده می‌شود:

pip install package_name --index-url //your-custom-index-url.com

این قابلیت به شما امکان می‌دهد کتابخانه‌های خاص را از منابع دیگر دریافت کنید، در حالی که بقیه بسته‌ها همچنان از PyPI نصب می‌شوند.

نصب بسته‌ها از مخازن Git

اگر کتابخانه‌ای خاص در PyPI منتشر نشده باشد یا بخواهید به نسخه توسعه‌یافته آن از GitHub دسترسی داشته باشید، می‌توانید بسته را مستقیماً از مخازن Git نصب کنید. کافی است آدرس مخزن Git را در دستور pip وارد کنید:

pip install git+//github.com/username/repository.git

مثال

برای نصب نسخه توسعه‌یافته کتابخانه requests از GitHub، از دستور زیر استفاده کنید:

pip install git+//github.com/psf/requests.git

این روش به شما امکان می‌دهد به جدیدترین نسخه یا نسخه‌ای خاص از کتابخانه‌ها که هنوز در PyPI منتشر نشده‌اند، دسترسی داشته باشید.

نصب بسته‌ها در حالت قابل ویرایش برای توسعه

اگر در حال توسعه یک کتابخانه یا پروژه هستید و می‌خواهید تغییرات کد خود را فوراً در پروژه آزمایش کنید، می‌توانید بسته را در حالت قابل ویرایش (Editable Mode) نصب کنید.

مراحل نصب در حالت ویرایش

1. ابتدا به دایرکتوری پروژه خود بروید: cd your_project_directory
2. سپس این دستور را اجرا کنید: pip install -e .

این دستور کتابخانه را به صورت قابل ویرایش نصب می‌کند. هر تغییری که در کد اعمال کنید، به‌طور خودکار در پروژه قابل استفاده خواهد بود. این قابلیت برای توسعه‌دهندگان بسیار کارآمد است و فرآیند تست و توسعه را سریع‌تر می‌کند.

استفاده از فایل‌های نیازمندی‌ها (requirements.txt)

استفاده از فایل‌های نیازمندی‌ها یکی از بهترین روش‌ها برای آموزش مدیریت وابستگی‌ها در پایتون و بهبود پایداری پروژه‌ها است. این فایل به شما امکان می‌دهد تا لیستی از کتابخانه‌ها و نسخه‌های موردنیاز پروژه خود را مشخص کنید و به راحتی آن‌ها را در محیط‌های دیگر نصب یا به‌روزرسانی کنید. در ادامه، به نحوه تنظیم دقیق فایل‌های نیازمندی‌ها برای پروژه‌های پایتون می‌پردازیم.

تعیین نسخه‌های دقیق وابستگی‌ها

برای حفظ پایداری پروژه، بسیار مهم است که نسخه‌های دقیق کتابخانه‌های موردنیاز مشخص شوند. چرا که ممکن است نسخه‌های جدید کتابخانه‌ها با کد پروژه شما ناسازگار باشند و باعث بروز مشکلات شوند.

نحوه مشخص کردن نسخه دقیق در فایل requirements.txt

در فایل requirements.txt، می‌توانید نسخه موردنظر هر کتابخانه را با استفاده از علامت == تعیین کنید

requests==2.26.0
numpy==1.21.2

این روش تضمین می‌کند که تمامی اعضای تیم شما یا هر کسی که پروژه را نصب می‌کند، از نسخه‌های یکسان و سازگار کتابخانه‌ها استفاده کنند. با این کار از مشکلات احتمالی ناسازگاری نسخه‌ها جلوگیری می‌شود.

تنظیم دقیق نیازمندی‌ها

گاهی اوقات ممکن است نخواهید نسخه‌ای خاص از یک کتابخانه را قفل کنید، اما در عین حال نمی‌خواهید نسخه‌های ناسازگار نصب شوند. برای این کار می‌توانید محدوده‌ای از نسخه‌ها را در فایل requirements.txt تعیین کنید.

مثال‌هایی از تنظیم دقیق نسخه‌ها

• بزرگ‌تر یا مساوی: numpy >=1.20
• کمتر از نسخه مشخص‌شده: numpy <1.22

این تنظیمات به شما انعطاف بیشتری می‌دهد و در عین حال تضمین می‌کند که نسخه‌های کتابخانه‌ها با پروژه شما سازگار باقی می‌مانند.

جداسازی وابستگی‌های تولید و توسعه

در پروژه‌های حرفه‌ای، بهتر است وابستگی‌های تولید (Production) و توسعه (Development) از یکدیگر جدا شوند. این جداسازی باعث می‌شود که محیط تولید سبک‌تر باشد و از نصب بسته‌های غیرضروری جلوگیری شود.

چگونه وابستگی‌ها را جدا کنیم؟

برای این کار می‌توانید از دو فایل جداگانه استفاده کنید:

1. requirements.txt (شامل وابستگی‌های تولید)
2. requirements-dev.txt (شامل ابزارها و کتابخانه‌های توسعه)

نمونه فایل‌های جداگانه

requirements.txt:

Django==4.0
gunicorn==20.1.0

requirements-dev.txt:

flake8==4.0.1
black==22.1.0
pytest==7.0.0

نصب وابستگی‌های توسعه

برای نصب این وابستگی‌ها، کافی است دستور زیر را اجرا کنید:

pip install -r requirements-dev.txt

این کار باعث مدیریت بهتر پروژه و کاهش پیچیدگی‌های محیط تولید می‌شود.

ثابت کردن نیازمندی‌ها برای تولید

برای تولید یک محیط پایدار و قابل‌اعتماد، می‌توانید از ابزار pip freeze برای ایجاد یک لیست کامل و ثابت‌شده از وابستگی‌ها استفاده کنید.

دستور ایجاد فایل ثابت نیازمندی‌ها:

pip freeze > requirements.txt

این دستور، تمامی بسته‌های نصب‌شده در محیط فعلی شما را همراه با نسخه‌های دقیق آن‌ها در فایل requirements.txt ثبت می‌کند. سپس می‌توانید این فایل را در محیط تولید استفاده کنید تا اطمینان حاصل شود که تمامی وابستگی‌ها دقیقاً مشابه محیط توسعه نصب شوند.

حذف بسته‌ها با pip

حذف کتابخانه‌های پایتون با استفاده از pip بسیار ساده است و به شما کمک می‌کند محیط پروژه خود را مدیریت کنید. این فرآیند به شما کمک می‌کند تا محیط پروژه‌تان تمیز و سازمان‌دهی‌شده باقی بماند.

دستور حذف بسته با pip

برای حذف یک بسته خاص، از دستور pip uninstall استفاده می‌شود. کافی است نام بسته موردنظر را وارد کنید:

pip uninstall package_name

اگر بخواهید بسته requests را حذف کنید، می‌توانید از دستور زیر استفاده کنید:

pip uninstall requests

پس از اجرای دستور، pip از شما تأیید می‌خواهد. با وارد کردن y، فرآیند حذف بسته انجام خواهد شد.

حذف چندین بسته به طور همزمان

اگر نیاز دارید چندین بسته را به صورت همزمان حذف کنید، می‌توانید نام تمام بسته‌ها را به ترتیب در یک دستور وارد کنید:

pip uninstall package1 package2 package3

برای حذف بسته‌های numpy، pandas و matplotlib:

pip uninstall numpy pandas matplotlib

این روش برای تمیز کردن محیط پروژه و حذف چندین وابستگی غیرضروری، بسیار کارآمد است.

حذف بسته‌ها با استفاده از فایل نیازمندی‌ها

گاهی ممکن است لیستی از بسته‌هایی که دیگر نیاز ندارید را در یک فایل requirements.txt ذخیره کرده باشید. برای حذف تمامی بسته‌های موجود در این فایل به طور همزمان، از دستور زیر استفاده کنید:

pip uninstall -r requirements.txt

این دستور تمامی بسته‌های مشخص‌شده در فایل requirements.txt را حذف می‌کند. این روش به ویژه زمانی مفید است که بخواهید وابستگی‌های مشخصی را در پروژه‌های بزرگ حذف کنید.

بررسی و مدیریت وابستگی‌های باقی‌مانده

پس از حذف یک بسته، ممکن است وابستگی‌های اضافی که دیگر موردنیاز نیستند، همچنان در محیط شما باقی بمانند. برای بررسی لیست تمامی بسته‌های نصب‌شده و شناسایی بسته‌های غیرضروری، می‌توانید از دستور زیر استفاده کنید:

pip list

برای جلوگیری از باقی ماندن بسته‌های اضافی، بهتر است از محیط‌های مجازی پایتون مانند venv استفاده کنید. این محیط‌ها به شما اجازه می‌دهند تا وابستگی‌های پروژه را به صورت ایزوله مدیریت کنید و تداخل نسخه‌ها یا باقی‌ماندن بسته‌های غیرضروری را به حداقل برسانید.

بررسی جایگزین‌های pip

اگرچه pip یکی از محبوب‌ترین و پراستفاده‌ترین ابزارها برای مدیریت بسته‌ها در پایتون است، اما در برخی موارد ممکن است نیاز به ابزارهای جایگزینی داشته باشید که قابلیت‌ها و انعطاف‌پذیری بیشتری ارائه دهند. این جایگزین‌ها به‌ویژه در پروژه‌های پیچیده یا تیمی، بسیار کاربردی هستند. در این بخش، به معرفی برخی از رایج‌ترین و بهترین جایگزین‌های pip می‌پردازیم.

۱. Poetry

Poetry ابزاری جامع برای مدیریت وابستگی‌ها و بسته‌ها در پایتون است که همچنین قابلیت مدیریت فایل‌های پروژه و نسخه‌های آن را دارد. این ابزار برخلاف pip، وابستگی‌های تولید (Production) و توسعه (Development) را به صورت پیش‌فرض جدا می‌کند و کار با فایل‌های نیازمندی‌ها را ساده‌تر می‌سازد.

ویژگی‌های کلیدی Poetry:

• مدیریت خودکار نسخه‌ها و وابستگی‌ها
• پشتیبانی از فایل‌های lock برای تضمین سازگاری محیط
• نصب ساده بسته‌ها با دستوری مانند: poetry add package_name

چه زمانی از Poetry استفاده کنیم؟

Poetry برای پروژه‌های بزرگ یا تیمی که نیاز به مدیریت پیشرفته وابستگی‌ها و نسخه‌ها دارند، انتخابی ایده‌آل است.

۲. Pipenv

Pipenv یکی از ابزارهای ترکیبی برای مدیریت بسته‌ها و محیط‌های مجازی است که روی pip ساخته شده است. این ابزار به شما کمک می‌کند تا هم وابستگی‌ها و هم محیط مجازی پروژه را به صورت یکپارچه مدیریت کنید.

مزایای Pipenv:

• ترکیب محیط‌های مجازی با مدیریت بسته‌ها
• استفاده آسان از دستورات نصب: pipenv install package_name

چه زمانی از Pipenv استفاده کنیم؟

Pipenv به‌ویژه برای پروژه‌هایی که نیاز به کنترل دقیق وابستگی‌ها و استفاده از محیط‌های مجازی دارند، مفید است. این ابزار گزینه‌ای عالی برای مدیریت پروژه‌های تیمی و پروژه‌های کوچک تا متوسط است.

۳. Conda

اگر در زمینه‌هایی مثل یادگیری ماشین یا علم داده فعالیت می‌کنید، احتمالاً با Conda آشنا هستید. این ابزار بخشی از پلتفرم Anaconda است و می‌تواند بسته‌ها و محیط‌هایی از زبان‌های مختلف (نه فقط پایتون) را مدیریت کند.

ویژگی‌های کلیدی Conda:

• مدیریت بسته‌ها و محیط‌های چندزبانه
• مناسب برای پروژه‌های علمی و داده‌محور
• نصب بسته‌ها با دستوری ساده: conda install package_name

چه زمانی از Conda استفاده کنیم؟

Conda برای پروژه‌های داده‌محور یا چندمنظوره که نیاز به نصب ابزارهای مختلف علمی (مثل NumPy، TensorFlow یا کتابخانه‌های زبان‌های دیگر) دارند، انتخابی عالی است.

۴. Flit

Flit ابزاری سبک برای بسته‌بندی و انتشار پروژه‌های پایتونی است. اگر هدف شما انتشار سریع کتابخانه‌ها یا پروژه‌ها در PyPI است، Flit می‌تواند گزینه مناسبی باشد. برخلاف pip یا Poetry، Flit بر مدیریت وابستگی‌ها تمرکز ندارد و تنها برای بسته‌بندی استفاده می‌شود.

کدام ابزار مناسب شماست؟

انتخاب جایگزین pip بستگی به نوع پروژه و نیازهای شما دارد. در جدول زیر، می‌توانید بهترین انتخاب‌ها را بر اساس نیازهای مختلف مشاهده کنید:

سوالات متداول

۱. آیا pip به صورت پیش‌فرض روی پایتون نصب شده است؟

بله، در نسخه‌های جدید پایتون، pip به صورت پیش‌فرض همراه با پایتون نصب می‌شود. اگر در سیستم شما نصب نبود، می‌توانید با دستور زیر pip را نصب کنید:

python -m ensurepip --upgrade

۲. چگونه می‌توان نسخه فعلی pip را بررسی کرد؟

برای بررسی نسخه فعلی pip، دستور زیر را در ترمینال یا CMD اجرا کنید:

pip --version

۳. چگونه می‌توان pip را به‌روزرسانی کرد؟

برای اطمینان از اینکه از جدیدترین نسخه pip با تمامی قابلیت‌ها و رفع اشکالات استفاده می‌کنید، از دستور زیر برای به‌روزرسانی pip استفاده کنید:

pip install --upgrade pip

۴. چگونه می‌توان لیست بسته‌های نصب‌شده را مشاهده کرد؟

برای مشاهده تمام بسته‌های نصب‌شده در محیط پایتون، از دستور زیر استفاده کنید:

 pip list

این لیست شامل نام و نسخه تمام بسته‌های نصب‌شده خواهد بود.

۵. اگر نصب بسته‌ای با خطا مواجه شد، چه باید کرد؟

اگر هنگام نصب یک بسته با خطا مواجه شدید:

• مطمئن شوید که اتصال اینترنت برقرار است.
• بررسی کنید که نام بسته را به درستی وارد کرده‌اید.
• در صورت ادامه مشکل، pip را با دسترسی مدیریتی اجرا کنید: sudo pip install package_name

۶. چگونه می‌توان یک بسته خاص را به نسخه قبلی برگرداند؟

برای بازگرداندن یک بسته به نسخه خاص، از دستور زیر استفاده کنید:

pip install package_name==version

۷. تفاوت pip با ابزارهایی مثل Poetry و Pipenv چیست؟

• pip ابزاری ساده و سریع برای نصب و مدیریت بسته‌ها است.
• Poetry و Pipenv قابلیت‌های بیشتری مانند مدیریت محیط‌های مجازی، قفل نسخه‌ها (Lock Files) و جداسازی وابستگی‌های تولید و توسعه ارائه می‌دهند. این ابزارها برای پروژه‌های بزرگ یا تیمی مناسب‌تر هستند.

جمع بندی

در این مقاله به طور کامل با آموزش pip در پایتون و نقش کلیدی آن در مدیریت بسته‌ها و کتابخانه‌های پایتونی آشنا شدیم. از نحوه نصب pip و کار با آن گرفته تا روش‌های پیشرفته‌تر مانند استفاده از شاخص‌های سفارشی، محیط‌های مجازی و مدیریت وابستگی‌ها در پروژه‌ها را بررسی کردیم. همچنین به اهمیت ابزارهای جایگزین مانند Poetry و Pipenv در پروژه‌های بزرگ‌تر و تیمی اشاره کردیم.

اگر به تازگی وارد دنیای برنامه‌نویسی با پایتون شده‌اید، توصیه می‌کنیم علاوه بر یادگیری ابزارهایی مثل pip، مهارت‌های خود را در آموزش زبان پایتون گسترش دهید. یادگیری مفاهیم پایه و پیشرفته پایتون، همراه با ابزارهای مدیریت پروژه مانند pip، به شما کمک می‌کند تا به یک برنامه‌نویس حرفه‌ای تبدیل شوید.

از همین امروز قدم اول را بردارید و آموزش زبان پایتون را در برنامه خود قرار دهید. موفق باشید!