NumPy (Numerical Python) হলো পাইথনের একটি শক্তিশালী লাইব্রেরি, যা বৈজ্ঞানিক গণনার জন্য ব্যবহৃত হয়। এটি মূলত অ্যারে এবং ম্যাট্রিক্স অপারেশনে দক্ষ এবং উচ্চ-গতিসম্পন্ন গণনার জন্য খুবই উপযোগী। NumPy-এর মূল ডেটা স্ট্রাকচার হলো ndarray, যা একটি N-dimensional array।
NumPy ইনস্টলেশন
NumPy ইনস্টল করার জন্য নিম্নোক্ত কমান্ডটি ব্যবহার করতে পারেন:
pip install numpy
NumPy অ্যারে তৈরি
NumPy অ্যারে হলো পাইথনের লিস্টের মতো, তবে এটি অনেক দ্রুত এবং মেমোরি ব্যবহারেও দক্ষ।
import numpy as np
# এক-ডাইমেনশনাল অ্যারে
arr1 = np.array([1, 2, 3, 4, 5])
print("1D Array:", arr1)
# দুই-ডাইমেনশনাল অ্যারে (ম্যাট্রিক্স)
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print("2D Array:\n", arr2)
অ্যারে অপারেশন
NumPy অ্যারের উপর বিভিন্ন গণিত এবং লজিক্যাল অপারেশন করতে পারে। নিচে কিছু সাধারণ অপারেশন দেখানো হলো:
# অ্যারে তৈরি
arr = np.array([10, 20, 30, 40, 50])
# অ্যারের প্রতিটি উপাদানে একটি নির্দিষ্ট মান যোগ করা
print("Add 5 to each element:", arr + 5) # আউটপুট: [15 25 35 45 55]
# অ্যারের প্রতিটি উপাদানে গুণফল
print("Multiply each element by 2:", arr * 2) # আউটপুট: [20 40 60 80 100]
# অ্যারের সকল উপাদানের যোগফল
print("Sum of elements:", arr.sum()) # আউটপুট: 150
# সর্বোচ্চ এবং সর্বনিম্ন মান
print("Maximum:", arr.max()) # আউটপুট: 50
print("Minimum:", arr.min()) # আউটপুট: 10
ম্যাট্রিক্স (২D অ্যারে) অপারেশন
NumPy-এর মাধ্যমে ম্যাট্রিক্স অপারেশন করা খুব সহজ। এটি ম্যাট্রিক্স যোগফল, বিয়োগফল, গুণফল, ডট প্রোডাক্ট ইত্যাদি করতে
# দুইটি ম্যাট্রিক্স তৈরি
matrix1 = np.array([[1, 2], [3, 4]])
matrix2 = np.array([[5, 6], [7, 8]])
# ম্যাট্রিক্স যোগফল
print("Matrix Addition:\n", matrix1 + matrix2)
# ম্যাট্রিক্স বিয়োগফল
print("Matrix Subtraction:\n", matrix1 - matrix2)
# উপাদানভিত্তিক গুণ
print("Element-wise Multiplication:\n", matrix1 * matrix2)
# ম্যাট্রিক্স ডট প্রোডাক্ট
print("Dot Product:\n", np.dot(matrix1, matrix2))
অ্যারে রিসেপিং এবং ফ্ল্যাটেনিং
রিসেপিং (Reshaping)
NumPy-তে একটি অ্যারের আকার পরিবর্তন করা যায় reshape() ফাংশন ব্যবহার করে।
arr = np.array([1, 2, 3, 4, 5, 6])
reshaped_arr = arr.reshape(2, 3) # 2x3 ম্যাট্রিক্সে রিসেপ করা
print("Reshaped Array:\n", reshaped_arr)
ফ্ল্যাটেনিং (Flattening)
একটি ম্যাট্রিক্সকে এক-ডাইমেনশনাল অ্যারেতে পরিণত করতে flatten() মেথড ব্যবহার করা যায়।
matrix = np.array([[1, 2, 3], [4, 5, 6]])
flattened = matrix.flatten()
print("Flattened Array:", flattened)
ট্রান্সপোজ (Transpose) এবং ইনভার্স (Inverse)
ট্রান্সপোজ
ম্যাট্রিক্সের সারি ও কলাম বিনিময় করতে transpose() ফাংশন ব্যবহার করা হয়।
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print("Transpose:\n", matrix.T)
ইনভার্স
ম্যাট্রিক্সের ইনভার্স বের করতে numpy.linalg.inv() ফাংশন ব্যবহার করা হয়।
matrix = np.array([[1, 2], [3, 4]])
inverse_matrix = np.linalg.inv(matrix)
print("Inverse:\n", inverse_matrix)
সারসংক্ষেপ
NumPy পাইথনের একটি শক্তিশালী লাইব্রেরি যা অ্যারে এবং ম্যাট্রিক্স অপারেশন করতে সক্ষম। এটি গণনা সহজ করে এবং মেমোরি ব্যবহারে দক্ষ। এর মাধ্যমে আমরা বড় ডেটাসেট নিয়ে দ্রুত কাজ করতে পারি, যা বিজ্ঞান, ইঞ্জিনিয়ারিং, এবং ডেটা সায়েন্সের ক্ষেত্রে অত্যন্ত উপকারী।
