প্রস্তুতি এবং ডেটা ইনিশিয়ালাইজেশন
import numpy as np
# একটি 2D এরে তৈরি করা যাতে 4টি রো এবং প্রতি রোতে 3টি কলাম রয়েছে।
# প্রতিটি রো এক ধরনের খাবারের ক্যাটাগরি প্রতিনিধিত্ব করে এবং প্রতিটি কলাম একটি উপকরণ।
ingredients = np.array([
["টমেটো", "পেঁয়াজ", "রসুন"],
["মুরগি", "মাছ", "মাটন"],
["আলু", "বেগুন", "কুমড়ো"],
["ধনেপাতা", "পুদিনা", "তুলসী"]
])
Pythonএখানে, ingredients
হল একটি 2D NumPy এরে, যা বিভিন্ন ধরনের উপকরণগুলি ধারণ করে।
স্লাইসিং: নির্দিষ্ট উপকরণ বাছাই
প্রথম রো বাছাই
# সবজির রো নির্বাচন করা।
vegetables = ingredients[0, :]
print(f"সবজি: {vegetables}")
Pythonএখানে, [0, :]
মানে হল প্রথম রো (0
ইনডেক্স) এবং সমস্ত কলাম নির্বাচন করা।
নির্দিষ্ট কলাম বাছাই
# প্রতিটি ক্যাটাগরি থেকে দ্বিতীয় উপকরণ নির্বাচন করা।
protein = ingredients[:, 1]
print(f"প্রোটিন: {protein}")
Pythonএখানে, [:, 1]
মানে হল সমস্ত রো থেকে দ্বিতীয় কলাম (1
ইনডেক্স) নির্বাচন করা।
নির্দিষ্ট রেঞ্জ বাছাই
# মুখ্য খাবারের উপকরণ নির্বাচন করা।
main_course = ingredients[1:3, :]
print(f"মুখ্য খাবার: {main_course}")
Python[1:3, :]
মানে হল দ্বিতীয় থেকে তৃতীয় রো (1
থেকে 2
ইনডেক্স পর্যন্ত) নির্বাচন করা, এবং সমস্ত কলাম অন্তর্ভুক্ত করা।
স্টেপিং ব্যবহার করে বাছাই
# প্রতি দ্বিতীয় উপকরণ বাছাই।
alternate_ingredients = ingredients[::2, ::2]
print(f"বিকল্প উপকরণ: {alternate_ingredients}")
Python[::2, ::2]
মানে হল প্রথম থেকে প্রতি দ্বিতীয় রো এবং প্রতি দ্বিতীয় কলাম নির্বাচন করা, যা আমাদের বিকল্প উপকরণের একটি সেট দেয়।
এই প্রজেক্টের মাধ্যমে আমরা দেখতে পাই কীভাবে NumPy এরে স্লাইসিং ব্যবহার করে নির্দিষ্ট ডেটা সেট অনুযায়ী উপকরণ নির্বাচন করা যায়। এটি ডেটা অ্যানালাইসিস, মেশিন লার্নিং মডেলিং, বা এমনকি দৈনন্দিন কাজে বিভিন্ন ধরনের ডেটা ম্যানেজ করার ক্ষেত্রে খুবই উপকারী।