Advanced Data Types (অ্যাডভান্সড ডেটা টাইপস)

ম্যাটল্যাব (MATLAB) - Computer Programming

319

Advanced Data Types in MATLAB (অ্যাডভান্সড ডেটা টাইপস)

MATLAB-এ অ্যাডভান্সড ডেটা টাইপস ব্যবহার করে আরও জটিল এবং বহুমুখী ডেটা স্ট্রাকচার তৈরি করা যায়, যা বিভিন্ন ধরনের ডেটা সংরক্ষণ এবং পরিচালনায় সহায়ক। অ্যাডভান্সড ডেটা টাইপস MATLAB-এ ডেটা বিশ্লেষণ, বড় আকারের ডেটা ম্যানেজমেন্ট এবং ফাংশনাল প্রোগ্রামিংয়ের জন্য অত্যন্ত কার্যকর। এখানে MATLAB-এর কিছু গুরুত্বপূর্ণ অ্যাডভান্সড ডেটা টাইপ এবং তাদের ব্যবহার নিয়ে আলোচনা করা হলো।

১. সেল অ্যারে (Cell Array)

সেল অ্যারে হলো একটি ডেটা স্ট্রাকচার, যা ভিন্ন ভিন্ন ধরনের ডেটা একসাথে সংরক্ষণ করতে পারে। এতে সংখ্যাসূচক ডেটা, স্ট্রিং, ম্যাট্রিক্স এবং অন্যান্য ডেটা টাইপ সংরক্ষণ করা যায়।

সেল অ্যারে তৈরি:

C = {1, 'Hello', [1, 2, 3]; pi, true, magic(3)};
disp(C);

সেল অ্যারে থেকে উপাদান অ্যাক্সেস:

সেল অ্যারের কোনো উপাদানে অ্যাক্সেস করতে {} ব্র্যাকেট ব্যবহার করা হয়।

element1 = C{1, 2};   % 'Hello'
element2 = C{2, 1};   % pi এর মান

২. স্ট্রাকচার (Structure)

স্ট্রাকচার হলো MATLAB-এ একটি ডেটা টাইপ, যা ভিন্ন ভিন্ন ধরনের ডেটা ফিল্ড হিসেবে সংরক্ষণ করতে পারে। স্ট্রাকচার সাধারণত বড় ডেটাসেট বা কমপ্লেক্স ডেটা সংগঠনের জন্য ব্যবহার করা হয়।

স্ট্রাকচার তৈরি:

student.name = 'John Doe';
student.age = 21;
student.grades = [90, 85, 88];
disp(student);

স্ট্রাকচার ফিল্ড অ্যাক্সেস:

name = student.name;    % 'John Doe'
age = student.age;      % 21
grades = student.grades; % [90, 85, 88]

৩. টেবিল (Table)

টেবিল হলো একটি বিশেষ ডেটা টাইপ যা রো এবং কলাম ভিত্তিক ডেটা সংরক্ষণ করতে ব্যবহৃত হয়। এটি ডেটাসেট এবং টেবুলার ডেটা বিশ্লেষণে ব্যবহৃত হয়।

টেবিল তৈরি:

T = table([1; 2; 3], {'A'; 'B'; 'C'}, [90; 85; 88], ...
          'VariableNames', {'ID', 'Name', 'Score'});
disp(T);

টেবিলের ডেটা অ্যাক্সেস:

id = T.ID;             % ID কলামের ডেটা
name = T.Name(2);      % দ্বিতীয় রোয়ের নাম 'B'
score = T.Score;       % Score কলামের ডেটা

৪. টাইমটেবল (Timetable)

টাইমটেবল হলো টেবিলের একটি উন্নত সংস্করণ, যা টাইম সিরিজ ডেটা ব্যবস্থাপনার জন্য ব্যবহৃত হয়। এতে প্রতিটি রো টাইম স্ট্যাম্প দিয়ে সূচিত হয়।

টাইমটেবল তৈরি:

time = datetime(2023, 1, 1):days(1):datetime(2023, 1, 5);
temperature = [30, 32, 31, 29, 28]';
TT = timetable(time', temperature);
disp(TT);

টাইমটেবল ডেটা অ্যাক্সেস:

day1_temp = TT.temperature(1); % প্রথম দিনের তাপমাত্রা

৫. ম্যাপ (Map)

ম্যাপ (Containers.Map) একটি কন্টেইনার ডেটা টাইপ যা কী-ভ্যালু জোড় আকারে ডেটা সংরক্ষণ করে। ম্যাপ ব্যবহার করে দ্রুত অ্যাক্সেস এবং সার্চ করা যায়।

ম্যাপ তৈরি:

keys = {'a', 'b', 'c'};
values = [1, 2, 3];
M = containers.Map(keys, values);
disp(M);

ম্যাপের উপাদান অ্যাক্সেস:

value = M('a');       % 'a' কী এর মান 1

৬. ক্যাটেগরিক্যাল অ্যারে (Categorical Array)

ক্যাটেগরিক্যাল অ্যারে হলো এমন একটি ডেটা টাইপ যা শ্রেণীভিত্তিক ডেটা সংরক্ষণ করতে ব্যবহৃত হয়। এটি ডেটার বিভিন্ন ক্যাটেগরি বা শ্রেণী নির্ধারণ করে।

ক্যাটেগরিক্যাল অ্যারে তৈরি:

G = categorical({'male', 'female', 'male', 'female'});
disp(G);

৭. ফাংশন হ্যান্ডল (Function Handle)

ফাংশন হ্যান্ডল হলো এমন একটি ডেটা টাইপ যা MATLAB-এ একটি ফাংশনের জন্য রেফারেন্স বা পয়েন্টার হিসেবে ব্যবহৃত হয়। এটি ফাংশনকে প্যারামিটার হিসেবে পাস করার সুবিধা দেয়।

ফাংশন হ্যান্ডল তৈরি:

f = @sin;
result = f(pi/2);     % আউটপুট: 1
disp(result);

ফাংশন হ্যান্ডল ব্যবহার:

functions = {@sin, @cos, @tan};
result_sin = functions{1}(pi/2);  % sin(pi/2) এর মান

উদাহরণ: অ্যাডভান্সড ডেটা টাইপসের ব্যবহার

ধরা যাক, একটি ডেটাসেট তৈরি করতে হবে যেখানে একজন শিক্ষার্থীর পরিচয়, তার বিষয়ের নাম এবং প্রতিটি বিষয়ের নম্বর সংরক্ষণ করা হবে।

% স্ট্রাকচার
student.name = 'John Doe';
student.age = 21;
student.subjects = {'Math', 'Physics', 'Chemistry'};
student.scores = [90, 85, 88];

% টেবিল
T = table([1; 2; 3], student.subjects', student.scores', ...
          'VariableNames', {'SubjectID', 'Subject', 'Score'});

% টেবিলের ডেটা দেখা
disp(T);

% ম্যাপ ব্যবহার করে গ্রেড সংরক্ষণ
grades = {'A', 'B', 'C'};
grade_points = [4, 3, 2];
G = containers.Map(grades, grade_points);

% ফাংশন হ্যান্ডল দিয়ে প্রতিটি বিষয়ের স্কোর সবারেজ বের করা
averageScore = @(scores) mean(scores);
disp(['Average Score: ', num2str(averageScore(student.scores))]);

সংক্ষেপে

MATLAB-এর অ্যাডভান্সড ডেটা টাইপস ডেটা ব্যবস্থাপনা এবং বিশ্লেষণকে আরও কার্যকর এবং বহুমুখী করে তোলে। সেল অ্যারে, স্ট্রাকচার, টেবিল, টাইমটেবল, ম্যাপ, ক্যাটেগরিক্যাল অ্যারে এবং ফাংশন হ্যান্ডল ব্যবহার করে জটিল ডেটাসেট সংরক্ষণ এবং পরিচালনা করা যায়। অ্যাডভান্সড ডেটা টাইপস MATLAB-এ ডেটা বিশ্লেষণ এবং স্টোরেজের জন্য অত্যন্ত সহায়ক।

Content added By

Azizar Rahman Aziz

Cell Arrays এবং এর ব্যবহার

310

Cell Arrays এবং এর ব্যবহার (Cell Arrays and Its Usage)

Cell Array MATLAB-এর একটি বিশেষ ডেটা টাইপ যা বিভিন্ন ধরনের ডেটা একসাথে সংরক্ষণ করতে পারে। সাধারণত, ম্যাট্রিক্স এবং অ্যারে শুধুমাত্র এক ধরনের ডেটা সংরক্ষণ করতে পারে, কিন্তু Cell Array বিভিন্ন ধরনের ডেটা (যেমন সংখ্যা, স্ট্রিং, ম্যাট্রিক্স) একই সাথে সংরক্ষণ করতে সক্ষম।

Cell Array তৈরির সময় { } (ক্যারলি ব্রেসেস) ব্যবহার করা হয়, এবং এর প্রতিটি উপাদান একটি আলাদা ঘর বা সেল হিসেবে থাকে। এখানে MATLAB-এ Cell Array এর বিভিন্ন ব্যবহার নিয়ে আলোচনা করা হয়েছে।

Cell Array তৈরি করা

Cell Array তৈরি করতে { } ব্যবহার করতে হয়, এবং এর প্রতিটি সেলে ভিন্ন ভিন্ন ধরনের ডেটা রাখা যায়।

% একটি Cell Array তৈরি
myCellArray = {3.14, 'Hello', [1, 2, 3; 4, 5, 6], true};

এখানে myCellArray একটি Cell Array যেখানে:

প্রথম সেলে একটি সংখ্যা (3.14)
দ্বিতীয় সেলে একটি স্ট্রিং ('Hello')
তৃতীয় সেলে একটি ম্যাট্রিক্স ([1, 2, 3; 4, 5, 6])
চতুর্থ সেলে একটি লজিক্যাল মান (true)

Cell Array এর উপাদান অ্যাক্সেস করা

Cell Array এর উপাদান অ্যাক্সেস করার জন্য { } ব্যবহার করা হয়। একটি নির্দিষ্ট সেল থেকে ডেটা অ্যাক্সেস করতে { } ব্রেস ব্যবহার করতে হবে, এবং একাধিক সেল অ্যাক্সেস করতে ( ) ব্র্যাকেট ব্যবহার করা যেতে পারে।

% একটি নির্দিষ্ট সেল থেকে মান অ্যাক্সেস
value = myCellArray{1};    % আউটপুট: 3.14

% একাধিক সেল অ্যাক্সেস করে Cell Array তৈরি করা
subset = myCellArray(2:3); % আউটপুট: একটি Cell Array যার মধ্যে দ্বিতীয় এবং তৃতীয় সেল আছে

Cell Array এ মান যোগ এবং পরিবর্তন করা

Cell Array এ মান যোগ করার জন্য নির্দিষ্ট ইন্ডেক্সে মান সংযোজন করা হয়। একইভাবে, ইন্ডেক্সের মাধ্যমে মান পরিবর্তনও করা যায়।

% নতুন মান সংযোজন
myCellArray{5} = 'New Element';    % পঞ্চম সেলে একটি নতুন মান যোগ

% বিদ্যমান মান পরিবর্তন
myCellArray{2} = 'MATLAB';         % দ্বিতীয় সেলের মান পরিবর্তন করা হলো

Cell Array এর সাইজ বের করা

Cell Array এর সাইজ বের করার জন্য size এবং length ফাংশন ব্যবহার করা যায়।

% সাইজ নির্ধারণ
[row, col] = size(myCellArray);    % আউটপুট: 1x5 (যদি myCellArray এর সেল সংখ্যা ৫ হয়)

Cell Array এর উপর লুপ চালানো

Cell Array এর প্রতিটি উপাদান অ্যাক্সেস করতে for লুপ ব্যবহার করা যায়।

% Cell Array এর উপর লুপ চালানো
for i = 1:length(myCellArray)
    disp(myCellArray{i});
end

এই কোডটি myCellArray এর প্রতিটি সেল থেকে মান নিয়ে প্রদর্শন করবে।

Cell Array Concatenation (সেল অ্যারে যুক্ত করা)

Cell Array এর সাথে অন্যান্য Cell Array যুক্ত করতে {} ব্রেস ব্যবহার করে Vertically বা Horizontally Concatenate করা যায়।

% দুটি Cell Array সংযুক্ত করা
A = {1, 2, 3};
B = {'a', 'b', 'c'};
C = [A; B];    % Vertical Concatenation
D = [A, B];    % Horizontal Concatenation

Cell Arrays এবং ফাংশন

MATLAB এর বেশ কিছু ফাংশন সেল অ্যারের সাথে কাজ করতে পারে। উদাহরণস্বরূপ, cellfun ফাংশন ব্যবহার করে Cell Array এর প্রতিটি সেলে একটি নির্দিষ্ট ফাংশন প্রয়োগ করা যায়।

% সেল অ্যারের প্রতিটি উপাদানে একটি ফাংশন প্রয়োগ
numCells = {1, 2, 3; 4, 5, 6};
squaredCells = cellfun(@(x) x^2, numCells);

এই উদাহরণে, numCells এর প্রতিটি সংখ্যাকে স্কয়ার করা হয়েছে।

উদাহরণ: Cell Array এর ব্যবহার

ধরা যাক, আমাদের একটি সেল অ্যারে আছে যেখানে বিভিন্ন শিক্ষার্থীর নাম, বয়স এবং গ্রেড সংরক্ষিত আছে।

students = {'Alice', 20, 85; 
            'Bob', 22, 90; 
            'Charlie', 21, 88};
        
% প্রতিটি শিক্ষার্থীর তথ্য প্রদর্শন
for i = 1:size(students, 1)
    name = students{i, 1};
    age = students{i, 2};
    grade = students{i, 3};
    disp(['Name: ', name, ', Age: ', num2str(age), ', Grade: ', num2str(grade)]);
end

এই কোডটি প্রতিটি শিক্ষার্থীর নাম, বয়স, এবং গ্রেড প্রদর্শন করবে।

সংক্ষেপে

MATLAB-এর Cell Array ব্যবহার করে বিভিন্ন ধরনের ডেটা একই অ্যারেতে সংরক্ষণ করা যায়। এটি বিভিন্ন ধরণের তথ্য সংরক্ষণ এবং পরিচালনার জন্য বিশেষভাবে উপযোগী, এবং এর মাধ্যমে টেবিল আকারে তথ্য সংগ্রহ করা এবং ফাংশনের মাধ্যমে প্রক্রিয়াকরণ করা সম্ভব। Cell Array MATLAB-এ ডেটা ম্যানিপুলেশন এবং বিশ্লেষণের জন্য একটি শক্তিশালী ডেটা টাইপ।

Content added By

Azizar Rahman Aziz

Structures এবং Nested Structures

342

MATLAB এ Structures এবং Nested Structures

MATLAB-এ Structures এবং Nested Structures ব্যবহার করা হয় ডেটা সংগঠিত করার জন্য যেখানে বিভিন্ন ধরণের তথ্য (যেমন, সংখ্যা, টেক্সট, বা অন্যান্য স্ট্রাকচার) একত্রে সংরক্ষণ করা যায়। Structures হল একটি ডেটা টাইপ যা একাধিক ভেরিয়েবল বা ফিল্ডের মাধ্যমে তথ্য রাখে, এবং এগুলোর প্রতিটি ফিল্ডের নাম আলাদা হতে পারে। Nested Structures হল স্ট্রাকচার যেখানে একটি স্ট্রাকচারের ভিতরে অন্য স্ট্রাকচার থাকতে পারে।

1. Structures (স্ট্রাকচার)

স্ট্রাকচার হল এমন একটি ডেটা টাইপ যা একাধিক ভিন্ন ধরনের ডেটা একত্রে রাখার সুযোগ দেয়। প্রতিটি ডেটা ফিল্ডের নাম থাকে এবং সেই নাম ব্যবহার করে ডেটা অ্যাক্সেস করা যায়।

Structure Syntax:

structureName.fieldName = value;

এখানে:

structureName: স্ট্রাকচারের নাম।
fieldName: স্ট্রাকচারের ফিল্ডের নাম।
value: ফিল্ডের মান।

Structure Example:

% Structure creation
person.name = 'John';
person.age = 30;
person.height = 175.5;
person.isStudent = false;

% Accessing structure fields
disp(person.name);      % 'John'
disp(person.age);       % 30
disp(person.height);    % 175.5
disp(person.isStudent); % false

এখানে person একটি স্ট্রাকচার যা name, age, height, এবং isStudent নামক ফিল্ড ধারণ করে। প্রতিটি ফিল্ডের মান আলাদা ডেটা টাইপ হতে পারে।

Accessing Structure Fields:

স্ট্রাকচারের ফিল্ডগুলোর মান অ্যাক্সেস করতে আপনাকে ফিল্ডের নাম ব্যবহার করতে হয়:

name = person.name;  % Access 'name' field
age = person.age;    % Access 'age' field

2. Nested Structures (নেস্টেড স্ট্রাকচার)

Nested Structures হল স্ট্রাকচার যেখানে একটি স্ট্রাকচারের ভিতরে অন্য একটি স্ট্রাকচার থাকতে পারে। এটি জটিল ডেটা সংরক্ষণ করতে সহায়ক হয়, যেখানে একটি স্ট্রাকচারের মধ্যে আরো অনেক ছোট ছোট স্ট্রাকচার থাকে।

Nested Structure Syntax:

structureName.fieldName1.fieldName2 = value;

Nested Structure Example:

% Nested structure creation
person.name = 'John';
person.age = 30;
person.address.street = '123 Main St';
person.address.city = 'New York';
person.address.zip = '10001';

% Accessing nested structure fields
disp(person.name);          % 'John'
disp(person.address.city);  % 'New York'
disp(person.address.zip);   % '10001'

এখানে, person একটি স্ট্রাকচার যা name, age, এবং address ফিল্ড ধারণ করে। address একটি নেস্টেড স্ট্রাকচার যা আরও তিনটি ফিল্ড street, city, এবং zip ধারণ করে।

Accessing Nested Structure Fields:

নেস্টেড স্ট্রাকচারের ফিল্ডের মান অ্যাক্সেস করতে আপনি পিরিয়ড (.) চিহ্ন দিয়ে ধাপে ধাপে অ্যাক্সেস করতে পারেন:

street = person.address.street;  % Access 'street' field of nested structure

3. Working with Arrays of Structures (স্ট্রাকচার অ্যারে)

একটি স্ট্রাকচার অ্যারে তৈরি করা যেতে পারে, যেখানে একাধিক স্ট্রাকচার থাকে। প্রতিটি স্ট্রাকচারের মধ্যে ভিন্ন ডেটা থাকতে পারে এবং আপনি সেই স্ট্রাকচারগুলোর মান অ্যাক্সেস করতে পারেন।

Structure Array Example:

% Creating an array of structures
students(1).name = 'Alice';
students(1).age = 21;
students(1).grade = 'A';

students(2).name = 'Bob';
students(2).age = 22;
students(2).grade = 'B';

% Accessing the fields of the structure array
disp(students(1).name);  % 'Alice'
disp(students(2).grade); % 'B'

এখানে students একটি স্ট্রাকচার অ্যারে যার দুটি উপাদান আছে। প্রতিটি উপাদান একটি স্ট্রাকচার যা name, age, এবং grade ফিল্ড ধারণ করে।

4. Modifying Structure Fields

স্ট্রাকচারের মান পরিবর্তন বা আপডেট করার জন্য আপনি সরাসরি ফিল্ডের মান সেট করতে পারেন।

Example:

person.age = 35;  % Update the age field
person.address.city = 'Los Angeles';  % Update the nested field

এখানে, person এর age এবং address.city ফিল্ডের মান আপডেট করা হয়েছে।

5. Functions with Structures

স্ট্রাকচারগুলিকে ফাংশনের আর্গুমেন্ট হিসেবে ব্যবহার করা যেতে পারে। ফাংশনে স্ট্রাকচার পাঠানোর সময়, আপনি সেই স্ট্রাকচারের ফিল্ড অ্যাক্সেস করতে পারবেন।

Function Example:

function printPersonInfo(person)
    disp(['Name: ', person.name]);
    disp(['Age: ', num2str(person.age)]);
end

% Create a structure
person.name = 'John';
person.age = 30;

% Call the function
printPersonInfo(person);

এখানে printPersonInfo ফাংশনটি person স্ট্রাকচারকে আর্গুমেন্ট হিসেবে গ্রহণ করেছে এবং তার ফিল্ড name এবং age প্রদর্শন করেছে।

6. Combining Structures

ম্যাটল্যাব-এ বিভিন্ন স্ট্রাকচারকে একত্রিত করা যায়। আপনি নতুন স্ট্রাকচার তৈরি করে পুরানো স্ট্রাকচারের মান সেট করতে পারেন।

Example:

student1.name = 'Alice';
student1.age = 21;

student2.name = 'Bob';
student2.age = 22;

% Combining two structures into one
combinedStudent = struct('student1', student1, 'student2', student2);

disp(combinedStudent.student1.name);  % 'Alice'
disp(combinedStudent.student2.age);   % 22

এখানে, student1 এবং student2 দুটি স্ট্রাকচারকে combinedStudent নামক নতুন স্ট্রাকচারে একত্রিত করা হয়েছে।

Summary

বৈশিষ্ট্য	Structure	Nested Structure
ডেটার ধরন	একাধিক ভিন্ন ডেটা টাইপ (যেমন, সংখ্যা, টেক্সট) একত্রে রাখা যায়।	একটি স্ট্রাকচারের ভিতরে আরেকটি স্ট্রাকচার থাকতে পারে।
অ্যাক্সেসিং	`structureName.fieldName` ব্যবহার করে অ্যাক্সেস করা হয়।	`structureName.fieldName1.fieldName2` ব্যবহার করে অ্যাক্সেস করা হয়।
ব্যবহার	সহজ ডেটা সংরক্ষণ এবং অ্যাক্সেসের জন্য।	জটিল ডেটা কাঠামো তৈরি করতে।
উদাহরণ	`person.name = 'John';`	`person.address.city = 'New York';`

Conclusion

Structure হলো একটি গাণিতিক ডেটা কাঠামো যেখানে একাধিক ভিন্ন ধরনের ডেটা রাখা যায়।
Nested Structure হল একটি স্ট্রাকচার যার ভিতরে আরেকটি স্ট্রাকচার থাকতে পারে, এটি আরও জটিল ডেটা সংগঠনের জন্য ব্যবহৃত হয়।
MATLAB-এ স্ট্রাকচার এবং নেস্টেড স্ট্রাকচারগুলি অত্যন্ত শক্তিশালী টুল, যা জটিল ডেটা সংরক্ষণ এবং পরিচালনার জন্য ব্যবহৃত হয়।

Content added By

Azizar Rahman Aziz

Handle Objects এবং Class Definition

343

MATLAB-এ Handle Objects এবং Class Definition

MATLAB-এ Handle Objects এবং Class Definition-এ কাজ করার জন্য Object-Oriented Programming (OOP) ব্যবহার করা হয়। Handle Objects হলো এমন অবজেক্ট যা সঠিকভাবে মেমরির রেফারেন্স পাস করে এবং একাধিক অবজেক্টের মধ্যে শেয়ার করা যায়। অন্যদিকে, Class Definition ব্যবহার করে আপনি নিজস্ব ক্লাস তৈরি করতে পারেন, যা অবজেক্ট-ভিত্তিক প্রোগ্রামিংয়ের একটি গুরুত্বপূর্ণ অংশ।

এখানে আমরা Handle Objects এবং Class Definition নিয়ে বিস্তারিত আলোচনা করব।

১. Handle Objects (হ্যান্ডল অবজেক্ট)

MATLAB এ Handle Objects হল একটি বিশেষ ধরনের অবজেক্ট, যেখানে অবজেক্টটি মেমরিতে একটি রেফারেন্স দ্বারা পরিচালিত হয়। যখন আপনি একটি হ্যান্ডল অবজেক্ট তৈরি করেন, তখন সেই অবজেক্টটির একটি রেফারেন্স তৈরি হয় এবং একাধিক ভেরিয়েবল বা অবজেক্ট সেটি শেয়ার করতে পারে। যদি আপনি হ্যান্ডল অবজেক্টের কোনো একটি অংশ পরিবর্তন করেন, তবে এটি সেই রেফারেন্সগুলির সমস্ত অনুলিপি প্রতিফলিত করবে।

সিনট্যাক্স:

classdef MyClass < handle
    properties
        Property1
    end
    methods
        function obj = MyClass(val)
            obj.Property1 = val;
        end
        
        function displayProperty(obj)
            disp(['Property1: ', num2str(obj.Property1)]);
        end
    end
end

এখানে, classdef দ্বারা একটি নতুন ক্লাস তৈরি করা হয়েছে, যা handle থেকে উত্তরাধিকারী।
< handle নির্দেশ করে যে এটি একটি হ্যান্ডল অবজেক্ট ক্লাস।

উদাহরণ ১: Handle Object ব্যবহার করা

% ক্লাস সংজ্ঞায়িত করা
classdef MyClass < handle
    properties
        Value
    end
    methods
        function obj = MyClass(val)
            obj.Value = val;
        end
        function changeValue(obj, newVal)
            obj.Value = newVal;
        end
    end
end

% অবজেক্ট তৈরি করা
obj1 = MyClass(10);
obj2 = obj1;  % obj2 এখন obj1 এর হ্যান্ডল

% প্রথম অবজেক্টের মান পরিবর্তন
obj1.changeValue(20);

% দ্বিতীয় অবজেক্টের মানও পরিবর্তিত হবে
disp(['obj1 Value: ', num2str(obj1.Value)]);
disp(['obj2 Value: ', num2str(obj2.Value)]);

আউটপুট:

obj1 Value: 20
obj2 Value: 20

এখানে, obj1 এবং obj2 একই হ্যান্ডল শেয়ার করছে, তাই obj1 এর মান পরিবর্তন করার পর obj2 এর মানও পরিবর্তিত হয়েছে।

২. Class Definition (ক্লাস সংজ্ঞায়ন)

Class Definition ব্যবহারের মাধ্যমে আপনি MATLAB-এ নতুন ক্লাস তৈরি করতে পারেন। ক্লাসগুলি ডেটা এবং ফাংশন একত্রিত করার উপায় প্রদান করে, যা অবজেক্ট-ওরিয়েন্টেড প্রোগ্রামিংয়ের (OOP) একটি গুরুত্বপূর্ণ অংশ। MATLAB-এ ক্লাস তৈরি করতে classdef কিওয়ার্ড ব্যবহার করা হয়।

সিনট্যাক্স:

classdef ClassName
    properties
        Property1
        Property2
    end
    methods
        function obj = ClassName(val1, val2)
            obj.Property1 = val1;
            obj.Property2 = val2;
        end
        function displayProperties(obj)
            disp(['Property1: ', num2str(obj.Property1)]);
            disp(['Property2: ', num2str(obj.Property2)]);
        end
    end
end

properties ব্লকে ক্লাসের প্রপার্টি বা ভেরিয়েবল ডিফাইন করা হয়।
methods ব্লকে ক্লাসের ফাংশন বা মেথড ডিফাইন করা হয়।

উদাহরণ ২: নতুন ক্লাস তৈরি এবং ব্যবহার

classdef Person
    properties
        Name
        Age
    end
    
    methods
        function obj = Person(name, age)
            obj.Name = name;
            obj.Age = age;
        end
        
        function displayInfo(obj)
            disp(['Name: ', obj.Name]);
            disp(['Age: ', num2str(obj.Age)]);
        end
    end
end

% নতুন অবজেক্ট তৈরি করা
person1 = Person('John', 30);

% অবজেক্টের মেথড কল করা
person1.displayInfo();

আউটপুট:

Name: John
Age: 30

এখানে, Person ক্লাসটি Name এবং Age প্রপার্টি ধারণ করে এবং displayInfo মেথডের মাধ্যমে সেই তথ্য প্রদর্শন করা হয়।

৩. Handle Objects এবং Class Definition-এ পার্থক্য

বৈশিষ্ট্য	Handle Objects	Normal Class Objects
মেমরি ব্যবস্থাপনা	হ্যান্ডল অবজেক্টগুলি রেফারেন্সের মাধ্যমে শেয়ার করা হয়, তাই একটি অবজেক্টের পরিবর্তন অন্য অবজেক্টেও প্রতিফলিত হয়।	প্রতিটি অবজেক্ট আলাদাভাবে কাজ করে, একটির পরিবর্তন অন্যটির উপর প্রভাব ফেলে না।
ক্লাসের ডিফাইনেশন	`classdef ClassName < handle`	`classdef ClassName`
অবজেক্ট রেফারেন্স	একাধিক ভেরিয়েবল একই অবজেক্টের রেফারেন্স শেয়ার করতে পারে।	প্রতিটি অবজেক্ট আলাদা থাকে এবং একে অপরের সাথে শেয়ার হয় না।

৪. Constructor Methods (কনস্ট্রাক্টর মেথড)

ক্লাসের জন্য কনস্ট্রাক্টর মেথড ডিফাইন করা হয়, যা অবজেক্ট তৈরির সময় প্রাথমিক মান সেট করার জন্য ব্যবহৃত হয়। কনস্ট্রাক্টর মেথডটি সাধারণত ক্লাসের নামের মতোই নামকরণ করা হয়।

উদাহরণ: কনস্ট্রাক্টর মেথড

classdef Circle
    properties
        Radius
    end
    
    methods
        function obj = Circle(r)  % কনস্ট্রাক্টর মেথড
            if nargin > 0
                obj.Radius = r;  % রেডিয়াস সেট করা
            end
        end
        
        function area = calculateArea(obj)
            area = pi * obj.Radius^2;  % বৃত্তের এলাকা
        end
    end
end

% অবজেক্ট তৈরি করা
circle1 = Circle(5);  % রেডিয়াস 5 দিয়ে বৃত্ত তৈরি

% এলাকা বের করা
disp(['Area of the circle: ', num2str(circle1.calculateArea())]);

আউটপুট:

Area of the circle: 78.5398

এখানে, Circle ক্লাসের কনস্ট্রাক্টর মেথড Radius প্রপার্টি সেট করতে ব্যবহার করা হয়েছে।

সারসংক্ষেপ

Handle Objects:
- MATLAB-এ handle objects এমন অবজেক্ট যা মেমরিতে রেফারেন্স দ্বারা পরিচালিত হয়, এবং একাধিক ভেরিয়েবল বা অবজেক্ট একই অবজেক্ট শেয়ার করতে পারে। এর মাধ্যমে একটি অবজেক্টের পরিবর্তন অন্য সব রেফারেন্সে প্রতিফলিত হয়।
Class Definition:
- Class definition আপনাকে আপনার নিজস্ব ক্লাস তৈরি করতে দেয়, যেখানে আপনি প্রপার্টি (অথবা ভেরিয়েবল) এবং মেথড (অথবা ফাংশন) সংজ্ঞায়িত করতে পারেন।
Constructor Methods:
- কনস্ট্রাক্টর মেথড ব্যবহার করে আপনি অবজেক্ট তৈরি করার সময় প্রাথমিক মান নির্ধারণ করতে পারেন।

MATLAB-এ Object-Oriented Programming (OOP) কনসেপ্ট আপনাকে ডেটা এবং ফাংশনগুলিকে একটি ইউনিটে প্যাকেজ করার সুযোগ দেয়, যা কোডের পুনঃব্যবহারযোগ্যতা এবং পরিচালনীয়তা উন্নত করতে সহায়ক।

Content added By

Azizar Rahman Aziz

Data Manipulation Techniques

415

Data Manipulation Techniques in MATLAB

Data Manipulation হল ডেটা পরিবর্তন, বিশ্লেষণ এবং পুনর্বিন্যাস করার প্রক্রিয়া। MATLAB একটি শক্তিশালী প্রোগ্রামিং ভাষা যা ডেটার উপর বিভিন্ন ধরনের অপারেশন করতে সক্ষম, যেমন ডেটা নির্বাচন, ফিল্টারিং, পুনর্বিন্যাস, গ্রুপিং এবং রূপান্তর। এই ডেটা ম্যানিপুলেশন টেকনিকগুলি ব্যবহার করে ডেটা প্রস্তুতি, বিশ্লেষণ এবং ফলস্বরূপ প্রক্রিয়া খুব সহজে করা যায়।

MATLAB-এ ডেটা ম্যানিপুলেশনের জন্য অনেক গুরুত্বপূর্ণ ফাংশন এবং টেকনিক রয়েছে যা ডেটাকে সাজানো, ফিল্টার করা, সংগ্রহ করা, এবং পরিবর্তন করা সম্ভব করে।

এখানে Data Manipulation এর কিছু সাধারণ টেকনিকের আলোচনা করা হলো:

1. Accessing and Modifying Elements (এলিমেন্ট এক্সেস এবং পরিবর্তন)

MATLAB-এ ডেটার নির্দিষ্ট উপাদানগুলি অ্যাক্সেস করা এবং তাদের পরিবর্তন করা খুব সহজ।

Accessing Elements (এলিমেন্ট এক্সেস)

Vectors: ভেক্টরের একটি নির্দিষ্ট উপাদান অ্যাক্সেস করতে ইনডেক্স ব্যবহার করা হয়।
```
A = [10, 20, 30, 40, 50];
disp(A(3));  % Output: 30
```
Matrices: ম্যাট্রিক্সে নির্দিষ্ট সারি এবং কলাম অ্যাক্সেস করা।
```
M = [1, 2, 3; 4, 5, 6; 7, 8, 9];
disp(M(2, 3));  % Output: 6 (second row, third column)
```

Modifying Elements (এলিমেন্ট পরিবর্তন)

Modify single element:

A(3) = 100;
disp(A);  % [10, 20, 100, 40, 50]

Modify multiple elements:

A(2:4) = [200, 300, 400];
disp(A);  % [10, 200, 300, 400, 50]

2. Indexing and Logical Indexing (ইনডেক্সিং এবং লজিক্যাল ইনডেক্সিং)

Indexing হল ডেটা থেকে নির্দিষ্ট উপাদান বা উপসেট সংগ্রহ করার জন্য ইনডেক্স ব্যবহার করা। Logical indexing ব্যবহার করে শর্ত অনুযায়ী ডেটা নির্বাচন করা যায়।

Logical Indexing Example:

A = [10, 20, 30, 40, 50];
% Logical index for elements greater than 25
index = A > 25;
disp(A(index));  % Output: [30, 40, 50]

এখানে, A > 25 একটি লজিক্যাল অ্যারে তৈরি করেছে, যা কেবল সেগুলি নির্বাচন করবে যেগুলি ২৫ এর চেয়ে বড়।

3. Data Sorting (ডেটা সাজানো)

MATLAB-এ sort ফাংশন ব্যবহার করে ডেটা সাজানো যায়।

Sorting Example:

A = [5, 2, 9, 1, 3];
sortedA = sort(A);
disp(sortedA);  % Output: [1, 2, 3, 5, 9]

Sort with indices:

আপনি ইনডেক্স সহ ডেটা সাজাতে পারেন:

[A, I] = sort(A);
disp(A);  % Sorted data
disp(I);  % Indices of sorted data

এখানে, I হলো সেই ইনডেক্সগুলির অ্যারে যা A কে সাজানোর জন্য ব্যবহৃত হয়।

4. Reshaping Data (ডেটা রিশেপিং)

Reshaping হল ডেটার আকার পরিবর্তন করার প্রক্রিয়া, যেমন ভেক্টরকে ম্যাট্রিক্সে রূপান্তর করা।

Reshaping Example:

A = [1, 2, 3, 4, 5, 6];
B = reshape(A, [2, 3]);  % Reshape into a 2x3 matrix
disp(B);

এখানে, A ভেক্টরকে 2x3 ম্যাট্রিক্সে রূপান্তর করা হয়েছে।

5. Merging and Concatenating Data (ডেটা একত্রিতকরণ)

ডেটা একত্রিত করার জন্য cat(), horzcat(), এবং vertcat() ফাংশন ব্যবহার করা হয়।

Vertical Concatenation:

A = [1, 2, 3];
B = [4, 5, 6];
C = vertcat(A, B);  % Combine A and B vertically
disp(C);  % Output: [1, 2, 3; 4, 5, 6]

Horizontal Concatenation:

C = horzcat(A, B);  % Combine A and B horizontally
disp(C);  % Output: [1, 2, 3, 4, 5, 6]

6. Data Filtering (ডেটা ফিল্টারিং)

MATLAB-এ ডেটা ফিল্টার করার জন্য বিভিন্ন শর্ত বা লজিক্যাল ইনডেক্স ব্যবহার করা হয়। এটি নির্দিষ্ট শর্ত পূরণকারী ডেটা নির্বাচন করতে সহায়ক।

Filtering Example:

A = [10, 15, 20, 25, 30];
filteredA = A(A > 20);  % Select elements greater than 20
disp(filteredA);  % Output: [25, 30]

এখানে, A > 20 শর্তটি ব্যবহার করে কেবল সেই উপাদানগুলো নির্বাচিত হচ্ছে যা ২০ এর বেশি।

7. Handling Missing Data (অনুপস্থিত ডেটা হ্যান্ডলিং)

MATLAB-এ অনুপস্থিত ডেটা NaN (Not a Number) দিয়ে প্রতিনিধিত্ব করা হয়। isnan(), fillmissing(), এবং অন্যান্য ফাংশন ব্যবহার করে অনুপস্থিত ডেটা মোকাবেলা করা হয়।

Detecting NaN values:

A = [1, 2, NaN, 4, NaN];
isNaN = isnan(A);  % Detect NaN values
disp(isNaN);  % Output: [0, 0, 1, 0, 1]

Filling Missing Data:

A = [1, 2, NaN, 4, NaN];
A = fillmissing(A, 'constant', 0);  % Fill NaN with 0
disp(A);  % Output: [1, 2, 0, 4, 0]

8. Grouping Data (ডেটা গ্রুপিং)

MATLAB-এ ডেটাকে গ্রুপ করা এবং একটি নির্দিষ্ট বৈশিষ্ট্য অনুযায়ী উপাদানগুলো একত্রিত করা যায়। grouping ফাংশন বা findgroups এবং splitapply ফাংশনগুলো ব্যবহৃত হয়।

Group Data Example:

A = [1, 2, 3, 4, 5, 6];
group = [1, 1, 2, 2, 3, 3];

% Group the data
G = findgroups(group);
disp(G);  % Output: [1, 1, 2, 2, 3, 3]

এখানে, findgroups() ফাংশনটি ডেটাকে গ্রুপ আউটপুট প্রদান করে।

9. Mathematical Operations (গাণিতিক অপারেশন)

MATLAB-এ ডেটা উপাদানগুলির উপর গাণিতিক অপারেশন করা যায়। যেমন অ্যাডিশন, মাল্টিপ্লিকেশন, ডিভিশন, স্ট্যাটিস্টিক্স ইত্যাদি।

Example of Mathematical Operations:

A = [10, 20, 30];
B = [1, 2, 3];

% Element-wise addition
C = A + B;

% Element-wise multiplication
D = A .* B;

% Matrix multiplication
E = A * B';  % Dot product

10. File I/O (ফাইল ইনপুট/আউটপুট)

MATLAB-এ ডেটা ফাইল থেকে পড়া এবং ফাইলে লেখা খুবই সহজ। fopen(), fwrite(), fread(), fclose() ফাংশন ব্যবহার করে ফাইলের সাথে কাজ করা যায়।

Example of Reading and Writing Data to File:

% Writing to a file
fileID = fopen('data.txt', 'w');
fprintf(fileID

, 'Hello, MATLAB!\n');
fclose(fileID);

% Reading from a file
fileID = fopen('data.txt', 'r');
data = fscanf(fileID, '%s');
fclose(fileID);
disp(data);  % Output: Hello, MATLAB!

Conclusion

MATLAB-এ Data Manipulation হল ডেটার সাথে বিভিন্ন প্রক্রিয়া সম্পাদন করার ক্ষমতা, যেমন ডেটা অ্যাক্সেস, পরিবর্তন, ফিল্টারিং, সাজানো, পুনর্বিন্যাস, এবং গ্রুপিং। এই টেকনিকগুলো ডেটা প্রস্তুতি, বিশ্লেষণ এবং মডেলিং এর জন্য অত্যন্ত গুরুত্বপূর্ণ এবং MATLAB এর শক্তিশালী ফাংশনগুলি এই কাজগুলিকে সহজ ও কার্যকর করে তোলে।

Content added By

Azizar Rahman Aziz

MATLAB এর ভূমিকা (Introduction to MATLAB) MATLAB Development Environment সেটআপ (Setting Up MATLAB Environment) ম্যাট্রিক্স এবং ভেক্টর অপারেশন (Matrix and Vector Operations) ডেটা টাইপ এবং ভেরিয়েবলস (Data Types and Variables) Control Flow Statements (নিয়ন্ত্রণ প্রবাহ স্টেটমেন্টস)