পাইথনে অ্যারেগুলির জন্য গাইড

ভূমিকা

কল্পনা করুন আপনার ফোনে আপনার প্রিয় গানের একটি প্লেলিস্ট আছে। এই প্লেলিস্ট এমন একটি তালিকা যেখানে প্রতিটি গান একটি নির্দিষ্ট ক্রমে স্থাপন করা হয়। আপনি প্রথম গানটি চালাতে পারেন, দ্বিতীয়টিতে এড়িয়ে যেতে পারেন, পঞ্চমটিতে ঝাঁপিয়ে পড়তে পারেন এবং আরও অনেক কিছু। এই প্লেলিস্টটি অনেকটা কম্পিউটার প্রোগ্রামিং এর একটি অ্যারের মত।

অ্যারেগুলি সবচেয়ে মৌলিক এবং ব্যাপকভাবে ব্যবহৃত ডেটা স্ট্রাকচারগুলির মধ্যে একটি হিসাবে দাঁড়ায়।

সংক্ষেপে, একটি অ্যারে হল একটি নির্দিষ্ট ক্রমানুসারে একাধিক আইটেম (যেমন সংখ্যা, অক্ষর বা এমনকি অন্যান্য অ্যারে) সংরক্ষণ করার একটি কাঠামোগত উপায় এবং আপনি যদি কোনো আইটেমের অবস্থান (সূচী) জানেন তবে আপনি দ্রুত অ্যাক্সেস, পরিবর্তন বা অপসারণ করতে পারেন।

এই নির্দেশিকায়, আমরা আপনাকে অ্যারের ডেটা কাঠামোর একটি ব্যাপক ওভারভিউ দেব। প্রথমত, আমরা অ্যারেগুলি কী এবং তাদের প্রধান বৈশিষ্ট্যগুলি কী তা একবার দেখে নেব। তারপরে আমরা পাইথনের জগতে স্থানান্তর করব, কীভাবে অ্যারেগুলি বাস্তবায়িত, ম্যানিপুলেট এবং বাস্তব-বিশ্বের পরিস্থিতিতে প্রয়োগ করা হয় তা অন্বেষণ করব।

অ্যারে ডেটা স্ট্রাকচার বোঝা

অ্যারেগুলি কম্পিউটার বিজ্ঞান এবং প্রোগ্রামিংয়ে ব্যবহৃত প্রাচীনতম এবং সবচেয়ে মৌলিক ডেটা স্ট্রাকচারগুলির মধ্যে একটি। তাদের সরলতা, নির্দিষ্ট ক্রিয়াকলাপে তাদের দক্ষতার সাথে একত্রিত করে, ডেটা ব্যবস্থাপনা এবং ম্যানিপুলেশনের ক্ষেত্রে আগ্রহী যে কেউ তাদের জন্য একটি প্রধান বিষয় করে তোলে।

একটি অ্যারে হল আইটেমগুলির একটি সংগ্রহ, সাধারণত এর একই রকম, সঞ্চিত সংলগ্ন মেমরি অবস্থান.

এই সংলগ্ন সঞ্চয়স্থান অ্যারেগুলিকে তার সূচকের ভিত্তিতে যেকোনো উপাদানে ধ্রুবক-সময় অ্যাক্সেস প্রদান করতে দেয়। একটি অ্যারের প্রতিটি আইটেম একটি বলা হয় উপাদান, এবং অ্যারেতে একটি উপাদানের অবস্থান তার দ্বারা সংজ্ঞায়িত করা হয় সূচক, যা সাধারণত শূন্য থেকে শুরু হয়.

উদাহরণস্বরূপ, পূর্ণসংখ্যার একটি অ্যারে বিবেচনা করুন: [10, 20, 30, 40, 50]. এখানে, উপাদান 20 এর একটি সূচক আছে 1:

একাধিক আছে সুবিধাদি আমাদের ডেটা সংরক্ষণ করার জন্য অ্যারে ব্যবহার করে। উদাহরণস্বরূপ, তাদের মেমরি লেআউটের কারণে, অ্যারেগুলি অনুমতি দেয় ও (1) (ধ্রুবক) সময় জটিলতা যখন তার সূচক দ্বারা একটি উপাদান অ্যাক্সেস. এটি বিশেষভাবে উপকারী যখন আমাদের উপাদানগুলিতে র্যান্ডম অ্যাক্সেসের প্রয়োজন হয়। উপরন্তু, অ্যারে সংরক্ষণ করা হয় সংলগ্ন মেমরি অবস্থান, যা কিছু নির্দিষ্ট ক্রিয়াকলাপে আরও ভাল ক্যাশে স্থানীয়তা এবং সামগ্রিক কর্মক্ষমতা উন্নতির দিকে নিয়ে যেতে পারে। অ্যারে ব্যবহার করার আরেকটি উল্লেখযোগ্য সুবিধা হল, যেহেতু অ্যারেগুলির একটি নির্দিষ্ট আকার একবার ঘোষণা করা হয়, তাই মেমরি পরিচালনা করা এবং অপ্রত্যাশিত ওভারফ্লো বা মেমরির বাইরের ত্রুটিগুলি এড়ানো সহজ।

অন্য দিকে, অ্যারে তাদের নিজস্ব সেট নিয়ে আসে সীমাবদ্ধতা. ঐতিহ্যগত অ্যারেগুলির প্রাথমিক সীমাবদ্ধতাগুলির মধ্যে একটি হল তাদের নির্দিষ্ট আকার. একবার একটি অ্যারে তৈরি হয়ে গেলে, এর আকার পরিবর্তন করা যায় না। এটি নষ্ট মেমরি (যদি অ্যারেটি খুব বড় হয়) বা পুনরায় আকার দেওয়ার প্রয়োজন (যদি অ্যারেটি খুব ছোট হয়) এর মতো সমস্যা হতে পারে। তা ছাড়া, অ্যারের মাঝখানে একটি উপাদান সন্নিবেশ করা বা মুছে ফেলার জন্য উপাদানগুলির স্থানান্তর প্রয়োজন, যার ফলে উপর) এই অপারেশন জন্য সময় জটিলতা.

এই সমস্ত সংক্ষেপে, আসুন এই গাইডের শুরু থেকে গানের প্লেলিস্ট উদাহরণ ব্যবহার করে অ্যারেগুলির প্রধান বৈশিষ্ট্যগুলি ব্যাখ্যা করি। একটি অ্যারে একটি ডেটা কাঠামো যা:

• সূচিত করা হয়েছে: ঠিক যেমন আপনার প্লেলিস্টের প্রতিটি গানের একটি সংখ্যা (1, 2, 3, …), একটি অ্যারের প্রতিটি উপাদানের একটি সূচক রয়েছে। কিন্তু, বেশিরভাগ প্রোগ্রামিং ভাষায়, সূচী ০ থেকে শুরু হয়। সুতরাং, প্রথম আইটেমটি সূচক 0 এ, দ্বিতীয়টি সূচক 0 এ, এবং আরও অনেক কিছু।

• ফিক্সড সাইজ আছে: আপনি যখন 10টি গানের জন্য একটি প্লেলিস্ট তৈরি করেন, তখন আপনি প্রথমে একটি না সরিয়ে 11 তম গান যোগ করতে পারবেন না৷ একইভাবে, অ্যারেগুলির একটি নির্দিষ্ট আকার রয়েছে। একবার আপনি একটি নির্দিষ্ট আকারের অ্যারে তৈরি করলে, আপনি এর ক্ষমতার চেয়ে বেশি আইটেম যোগ করতে পারবেন না।

• সমজাতীয়: আপনার প্লেলিস্টের সব গানই মিউজিক ট্র্যাক৷ একইভাবে, অ্যারের সমস্ত উপাদান একই ধরণের। আপনার যদি পূর্ণসংখ্যার একটি অ্যারে থাকে তবে আপনি হঠাৎ এটিতে একটি পাঠ্য স্ট্রিং সংরক্ষণ করতে পারবেন না।

• সরাসরি অ্যাক্সেস আছে: আপনি যদি আপনার প্লেলিস্টের 7 তম গান শুনতে চান, আপনি সরাসরি এটিতে ঝাঁপ দিতে পারেন। একইভাবে, অ্যারেগুলির সাথে, আপনি অবিলম্বে কোনো উপাদান অ্যাক্সেস করতে পারেন যদি আপনি তার সূচক জানেন।

• অবিচ্ছিন্ন মেমরি: এটা একটু বেশি প্রযুক্তিগত। যখন কম্পিউটারের মেমরিতে একটি অ্যারে তৈরি করা হয়, তখন এটি মেমরির একটি অবিচ্ছিন্ন ব্লক দখল করে। স্কুলে লাগোয়া লকারের সারি মত এটি মনে করুন. প্রতিটি লকার অন্যটির পাশে, মাঝখানে কোন ফাঁক নেই।

পাইথন এবং অ্যারে

পাইথন, তার নমনীয়তা এবং ব্যবহারের সহজতার জন্য পরিচিত, অ্যারেগুলির সাথে কাজ করার একাধিক উপায় অফার করে। যদিও পাইথনের অন্যান্য ভাষার মতো একটি নেটিভ অ্যারে ডেটা স্ট্রাকচার নেই, এটি শক্তিশালী বিকল্প সরবরাহ করে যা একইভাবে কাজ করতে পারে এবং এমনকি বর্ধিত ক্ষমতাও অফার করতে পারে।

প্রথম নজরে, পাইথনের তালিকা একটি অ্যারের সমার্থক মনে হতে পারে, তবে বিবেচনা করার জন্য সূক্ষ্ম পার্থক্য এবং সূক্ষ্মতা রয়েছে:

তালিকা	বিন্যাস
একটি বিল্ট-ইন পাইথন ডেটা স্ট্রাকচার	পাইথনে নেটিভ নয় - তারা 'অ্যারে' মডিউল থেকে এসেছে
গতিশীল আকার	স্থির (পূর্বনির্ধারিত) আকার
বিভিন্ন ডাটা টাইপের আইটেম ধারণ করতে পারে	একই ধরনের আইটেম রাখা
ম্যানিপুলেশনের জন্য বিল্ট-ইন পদ্ধতির একটি পরিসীমা প্রদান করুন	বাহ্যিক মডিউল আমদানি করতে হবে
O(1) অ্যাক্সেস অপারেশনের জন্য সময় জটিলতা	O(1) অ্যাক্সেস অপারেশনের জন্য সময় জটিলতা
আরও মেমরি গ্রহণ করুন	আরও মেমরি দক্ষ

এই টেবিলের দিকে তাকালে স্বাভাবিকভাবেই প্রশ্ন আসে- "কোনটি কখন ব্যবহার করবেন?". ঠিক আছে, আপনার যদি এমন একটি সংগ্রহের প্রয়োজন হয় যা গতিশীলভাবে বাড়তে পারে বা সঙ্কুচিত হতে পারে এবং মিশ্র ডেটা টাইপ ধরে রাখতে পারে, পাইথনের তালিকাটি যেতে পারে। যাইহোক, একই ধরণের উপাদানগুলির সাথে আরও মেমরি-দক্ষ সংগ্রহের প্রয়োজনের পরিস্থিতিতে, আপনি পাইথনের ব্যবহার বিবেচনা করতে পারেন array মডিউল বা বাহ্যিক লাইব্রেরি যেমন NumPy।

সার্জারির বিন্যাস পাইথনে মডিউল

যখন বেশিরভাগ বিকাশকারীরা পাইথনে অ্যারে সম্পর্কে ভাবেন, তারা প্রায়শই তালিকা সম্পর্কে চিন্তা করতে ডিফল্ট হন। যাইহোক, পাইথন তার অন্তর্নির্মিত মাধ্যমে একটি আরো বিশেষ অ্যারে কাঠামো অফার করে array মডিউল এই মডিউলটি পাইথনে মৌলিক C-স্টাইল ডেটা টাইপের স্থান-দক্ষ স্টোরেজ প্রদান করে।

যদিও পাইথন তালিকাগুলি অবিশ্বাস্যভাবে বহুমুখী এবং যে কোনও ধরণের বস্তু সংরক্ষণ করতে পারে, সেগুলি কখনও কখনও অতিমাত্রায় হতে পারে, বিশেষত যখন আপনাকে কেবলমাত্র পূর্ণসংখ্যা বা ফ্লোটের মতো মৌলিক ডেটা প্রকারের সংগ্রহ সংরক্ষণ করতে হবে। দ্য array মডিউল অ্যারে তৈরি করার একটি উপায় প্রদান করে যা নির্দিষ্ট ডেটা প্রকারের তালিকার চেয়ে বেশি মেমরি দক্ষ।

একটি অ্যারে তৈরি করা হচ্ছে

ব্যবহার করতে array মডিউল, আপনাকে প্রথমে এটি আমদানি করতে হবে:

from array import array

একবার আমদানি করা হলে, আপনি ব্যবহার করে একটি অ্যারে তৈরি করতে পারেন array() নির্মাণকারী:

arr = array('i', [1, 2, 3, 4, 5])
print(arr)

এখানে 'i' আর্গুমেন্ট নির্দেশ করে যে অ্যারে সাইনড স্টোর করবে পূর্ণসংখ্যার. অন্যান্য বিভিন্ন ধরনের কোড উপলব্ধ আছে, যেমন 'f' ভাসা জন্য এবং 'd' দ্বিগুণ জন্য

উপাদান অ্যাক্সেস এবং পরিবর্তন

আপনি একটি অ্যারেতে উপাদানগুলি অ্যাক্সেস এবং সংশোধন করতে পারেন ঠিক যেমন আপনি একটি তালিকার সাথে চান:

print(arr[2]) 

এবং এখন, এর মান পরিবর্তন করে উপাদান পরিবর্তন করা যাক 6:

arr[2] = 6
print(arr) 

অ্যারে পদ্ধতি

সার্জারির array মডিউল অ্যারে ম্যানিপুলেট করার জন্য বিভিন্ন পদ্ধতি প্রদান করে:

• append() - অ্যারের শেষে একটি উপাদান যোগ করে:

  arr.append(7)
  print(arr) 

• extend() - শেষে পুনরাবৃত্তিযোগ্য উপাদান যোগ করে:

  arr.extend([8, 9])
  print(arr) 

• pop() - প্রদত্ত অবস্থানে উপাদানটিকে সরিয়ে দেয় এবং ফেরত দেয়:

  arr.pop(2)
  print(arr) 

• remove(): নির্দিষ্ট মানের প্রথম উপস্থিতি সরিয়ে দেয়:

  arr.remove(2)
  print(arr) 

• reverse(): অ্যারের ক্রম বিপরীত করে:

  arr.reverse()
  print(arr) 

যদিও array মডিউল মৌলিক ডেটা প্রকারগুলি সংরক্ষণ করার জন্য আরও মেমরি-দক্ষ উপায় অফার করে, এটি মনে রাখা অপরিহার্য সীমাবদ্ধতা. তালিকা থেকে ভিন্ন, অ্যারে হয় সজাতি. এর মানে অ্যারের সব উপাদান একই ধরনের হতে হবে। এছাড়াও, আপনি শুধুমাত্র সংরক্ষণ করতে পারেন মৌলিক সি-স্টাইল ডেটা প্রকার অ্যারেতে আপনি যদি কাস্টম অবজেক্ট বা অন্যান্য পাইথন প্রকারগুলি সঞ্চয় করতে চান তবে আপনাকে একটি তালিকা বা অন্য ডেটা কাঠামো ব্যবহার করতে হবে।

NumPy অ্যারে

NumPy, সংখ্যাসূচক পাইথনের জন্য সংক্ষিপ্ত, পাইথনে সংখ্যাসূচক গণনার জন্য একটি মৌলিক প্যাকেজ। এর প্রাথমিক বৈশিষ্ট্যগুলির মধ্যে একটি হল এর শক্তিশালী N-মাত্রিক অ্যারে অবজেক্ট, যা গাণিতিক, যৌক্তিক, আকৃতি ম্যানিপুলেশন, এবং আরও অনেক কিছু সহ অ্যারেতে দ্রুত অপারেশন অফার করে।

NumPy অ্যারেগুলি পাইথনের বিল্ট-ইন থেকে বহুমুখী array মডিউল এবং ডেটা সায়েন্স এবং মেশিন লার্নিং প্রকল্পের একটি প্রধান বিষয়।

কেন NumPy অ্যারে ব্যবহার করবেন?

প্রথম যেটা মনে আসে তা হল কর্মক্ষমতা. NumPy অ্যারেগুলি সি-তে প্রয়োগ করা হয় এবং অপ্টিমাইজ করা অ্যালগরিদম এবং সংলগ্ন মেমরি স্টোরেজের সুবিধার কারণে দক্ষ মেমরি স্টোরেজ এবং দ্রুত অপারেশনের জন্য অনুমতি দেয়।

যদিও পাইথনের অন্তর্নির্মিত তালিকা এবং অ্যারেগুলি এক-মাত্রিক, NumPy অ্যারেগুলি হতে পারে বহুমাত্রিক, ম্যাট্রিক্স বা টেনসর উপস্থাপনের জন্য তাদের আদর্শ করে তোলে।

অবশেষে, NumPy একটি প্রদান করে ফাংশন বিশাল অ্যারে মৌলিক গাণিতিক থেকে শুরু করে উন্নত গাণিতিক ক্রিয়াকলাপ, পুনর্নির্মাণ, বিভাজন এবং আরও অনেক কিছু এই অ্যারেগুলিতে কাজ করতে।

একটি NumPy অ্যারে তৈরি করা হচ্ছে

NumPy ব্যবহার করতে, আপনাকে প্রথমে এটি ইনস্টল করতে হবে (pip install numpy) এবং তারপর এটি আমদানি করুন:

import numpy as np

একবার আমদানি করা হলে, আপনি ব্যবহার করে একটি NumPy অ্যারে তৈরি করতে পারেন array() ফাংশন:

arr = np.array([1, 2, 3, 4, 5])
print(arr) 

আপনি বহুমাত্রিক অ্যারে তৈরি করতে পারেন:

matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(matrix)

এটি আমাদের দেবে:

[[1 2 3] [4 5 6] [7 8 9]]

এই মৌলিক উপায়গুলি ছাড়াও আমরা অ্যারে তৈরি করতে পারি, NumPy আমাদেরকে অন্যান্য চতুর উপায়গুলি সরবরাহ করে যা আমরা অ্যারে তৈরি করতে পারি। যার মধ্যে একটি হল arange() পদ্ধতি এটি নিয়মিত ক্রমবর্ধমান মান সহ অ্যারে তৈরি করে:

arr = np.arange(10)
print(arr) 

আরেকটি হল linspace() পদ্ধতি, যা একটি নির্দিষ্ট সংখ্যক উপাদানের সাথে অ্যারে তৈরি করে, নির্দিষ্ট শুরু এবং শেষ মানের মধ্যে সমানভাবে ব্যবধান করে:

even_space = np.linspace(0, 1, 5)
print(even_space) 

উপাদান অ্যাক্সেস এবং পরিবর্তন

একটি NumPy অ্যারেতে উপাদানগুলি অ্যাক্সেস করা এবং পরিবর্তন করা স্বজ্ঞাত:

print(arr[2]) arr[2] = 6
print(arr) 

বহুমাত্রিক অ্যারেগুলির জন্য প্রায় একই রকম করা হচ্ছে:

print(matrix[1, 2]) matrix[1, 2] = 10
print(matrix)

দ্বিতীয় সারিতে উপাদানটির মান পরিবর্তন করবে (সূচি 1) এবং তৃতীয় কলাম (সূচি 2):

[[1 2 3] [4 5 20] [7 8 9]]

একটি অ্যারের আকৃতি পরিবর্তন

NumPy ম্যানিপুলেট এবং অ্যারেতে কাজ করার জন্য অনেক ফাংশন এবং পদ্ধতি অফার করে। উদাহরণস্বরূপ, আপনি ব্যবহার করতে পারেন reshape() পদ্ধতি থেকে একটি অ্যারের আকৃতি পরিবর্তন করুন. বলুন আমাদের একটি সাধারণ অ্যারে আছে:

import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
print("Original Array:")
print(arr) 

এবং আমরা এটিকে 3×4 ম্যাট্রিক্সে পুনরায় আকার দিতে চাই। আপনাকে যা করতে হবে তা হল ব্যবহার করুন reshape() আর্গুমেন্ট হিসাবে পাস করা পছন্দসই মাত্রা সহ পদ্ধতি:

reshaped_arr = arr.reshape(3, 4)
print("Reshaped Array (3x4):")
print(reshaped_arr)

এর ফলে হবে:

Reshaped Array (3x4):
[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]]

ম্যাট্রিক্স গুণ

সার্জারির numpy.dot() পদ্ধতির জন্য ব্যবহার করা হয় ম্যাট্রিক্স গুণ. এটি দুটি অ্যারের ডট পণ্য প্রদান করে। এক-মাত্রিক অ্যারের জন্য, এটি হল অভ্যন্তরীণ পণ্য অ্যারের 2-মাত্রিক অ্যারেগুলির জন্য, এটি এর সমতুল্য ম্যাট্রিক্স গুণ, এবং ND এর জন্য, এটি একটি যোগফল পণ্য প্রথম অ্যারের শেষ অক্ষের উপরে এবং দ্বিতীয় অ্যারের দ্বিতীয়-থেকে-শেষ।

দেখা যাক এটা কিভাবে কাজ করে। প্রথমে, আসুন দুটি 1-D অ্যারের (ভেক্টরের অভ্যন্তরীণ পণ্য) এর ডট পণ্য গণনা করি:

import numpy as np vec1 = np.array([1, 2, 3])
vec2 = np.array([4, 5, 6])
dot_product_1d = np.dot(vec1, vec2) print("Dot product of two 1-D arrays:")
print(dot_product_1d) 

এর ফলে হবে:

Dot product of two 1-D arrays:
32

32 আসলে, দুটি অ্যারের অভ্যন্তরীণ পণ্য - (14 + 25 + 3*6). এর পরে, আমরা দুটি 2-ডি অ্যারের ম্যাট্রিক্স গুণন সম্পাদন করতে পারি:

mat1 = np.array([[1, 2], [3, 4]])
mat2 = np.array([[2, 0], [1, 3]])
matrix_product = np.dot(mat1, mat2) print("Matrix multiplication of two 2-D arrays:")
print(matrix_product) 

যা আমাদের দেবে:

Matrix multiplication of two 2-D arrays:
[[ 4 6] [10 12]]

NumPy অ্যারেগুলি পাইথনের অন্তর্নির্মিত তালিকা থেকে একটি উল্লেখযোগ্য পদক্ষেপ array মডিউল, বিশেষ করে বৈজ্ঞানিক এবং গাণিতিক গণনার জন্য। তাদের দক্ষতা, NumPy লাইব্রেরি দ্বারা প্রদত্ত সমৃদ্ধ কার্যকারিতার সাথে একত্রিত করে, যে কেউ পাইথনে সংখ্যাসূচক ক্রিয়াকলাপ করতে চায় তাদের জন্য তাদের একটি অপরিহার্য হাতিয়ার করে তোলে।

উপসংহার

অ্যারে, কম্পিউটার বিজ্ঞান এবং প্রোগ্রামিংয়ের একটি ভিত্তি, বিভিন্ন অ্যাপ্লিকেশন এবং ডোমেন জুড়ে তাদের মূল্য বার বার প্রমাণ করেছে। পাইথনে, এই মৌলিক ডেটা স্ট্রাকচার, তালিকার মত বিভিন্ন অবতারের মাধ্যমে array মডিউল, এবং শক্তিশালী NumPy অ্যারে, ডেভেলপারদের দক্ষতা, বহুমুখিতা এবং সরলতার মিশ্রণ অফার করে।

এই নির্দেশিকা জুড়ে, আমরা অ্যারেগুলির মৌলিক ধারণা থেকে পাইথনে তাদের ব্যবহারিক প্রয়োগগুলিতে যাত্রা করেছি। আমরা দেখেছি কিভাবে অ্যারেগুলি তাদের মেমরি-সংলগ্ন প্রকৃতির সাথে দ্রুত অ্যাক্সেসের সময় প্রদান করে এবং কিভাবে পাইথনের গতিশীল তালিকাগুলি নমনীয়তার একটি অতিরিক্ত স্তর নিয়ে আসে। এছাড়াও আমরা NumPy-এর বিশেষায়িত জগতের সন্ধান করেছি, যেখানে অ্যারেগুলি সংখ্যাসূচক গণনার জন্য শক্তিশালী সরঞ্জামগুলিতে রূপান্তরিত হয়।

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• উত্স: https://stackabuse.com/guide-to-arrays-in-python/