Vectorization
📘 লুপ ছাড়াই দ্রুত গণনা।
🌐 Fast math without Python loops.
🔢
1
ধারণা · Concept
কী এবং কেন📘 বাংলা ব্যাখ্যা:
লুপ ছাড়াই দ্রুত গণনা।
লুপ ছাড়াই দ্রুত গণনা।
🌐 English:
Fast math without Python loops.
Fast math without Python loops.
🗂 কোথায় পড়ে
২. ডেটা বিশ্লেষণ → নামপাই → Vectorization
🎯 এই শাখার লক্ষ্য
Vectorised array math, broadcasting, linear algebra
🧰 টুলস
NumPy
🪜
ধাপে ধাপে শিখুন · Step-by-step
কেন শিখবেন → কীভাবে শিখবেন → উদাহরণ → সাধারণ ভুল💡 কেন গুরুত্বপূর্ণ?
Python লুপের চেয়ে ১০–১০০ গুণ দ্রুত—বড় ডেটায় অপরিহার্য।
- ধাপ 1লুপ চিনুন: প্রতিটি উপাদানে একই গণনা
- ধাপ 2ufunc দিয়ে বদলান: np.sqrt(a), np.exp(a), a*2+1
- ধাপ 3অ্যাগ্রিগেশন: a.sum(), a.mean(axis=0) (কলামভিত্তিক), axis=1 (সারিভিত্তিক)
- ধাপ 4শর্তভিত্তিক: np.where(a > 0, a, 0)
🧪 বাস্তব উদাহরণ
১০ লাখ দূরত্ব হিসাব: লুপে ~১ সেকেন্ড, np.sqrt(dx**2+dy**2)-তে ~০.০১ সেকেন্ড।
⚠️ সাধারণ ভুল
axis-এর অর্থ গুলিয়ে ফেলা—axis=0 মানে সারিগুলো "ভেঙে" কলামপ্রতি ফল।
🔑 মূল শব্দ (Key terms)
vectorizationufuncaggregationaxisnp.where
3
সাব-টপিক ও বিস্তারিত · Sub-topics
টপিক → সাব-টপিক → সাব-সাব টপিক4.1 ইউনিভার্সাল ফাংশন4.1.1 np.sqrt4.1.2 np.exp
4.2 অ্যাগ্রিগেশন4.2.1 sum4.2.2 mean4.2.3 axis
4.3 গতি4.3.1 Python লুপের চেয়ে ১০–১০০ গুণ দ্রুত
🎬
ভিডিও · Videos (বাংলা ও English)
ক্লিক করলে সাইটের ভেতরেই ফ্লোটিং প্লেয়ারে চলবে · ভিডিও MySQL-এ সংরক্ষিত📺 আরও খুঁজুন
💻
হাতে-কলমে · Try it (NumPy)
এডিট করে Run চাপুন · Ctrl+Enterimport numpy as np
a=np.arange(12).reshape(3,4); print(a)
print("column means:",a.mean(axis=0)); print("a>5:",a[a>5])
print("broadcast +[10,20,30,40]:\n",a+np.array([10,20,30,40]))
rng=np.random.default_rng(42); print("random:",rng.normal(0,1,5).round(2))❓
সেল্ফ-চেক · Self check
1. “np.sqrt, np.exp” — এটি কোন সাব-টপিকের বর্ণনা?
2. “sum, mean, axis” — এটি কোন সাব-টপিকের বর্ণনা?
3. “Python লুপের চেয়ে ১০–১০০ গুণ দ্রুত” — এটি কোন সাব-টপিকের বর্ণনা?
🔗