Home › Lectures › Data Analysis

🔢 নামপাই · NumPy

দ্রুত সংখ্যাগত গণনার ভিত্তি লাইব্রেরি।

The foundation library for fast numerical computing.

📅 ২. ডেটা বিশ্লেষণ⏳ ~1 সপ্তাহ📘 6 টপিক🧩 18 সাব-টপিক🎬 0 ভিডিও💻 রানযোগ্য কোড

🎯 যা শিখবেন / Outcomes

Vectorised array math, broadcasting, linear algebra

🧰 টুলস / Tools

NumPy

🏁 প্রজেক্ট / Capstone

Image as array: flip, crop, brighten

📌 পূর্বশর্ত / Prerequisites

🐍 Python Programming

📅

সাপ্তাহিক পরিকল্পনা · Weekly plan

~২ ঘণ্টা/দিন ধরে

Week 1

NumPy Arrays
Array Indexing & Slicing
Broadcasting
Vectorization
NumPy Linear Algebra
Random Module

NumPy Arrays

ndarray for fast numerical computing.

Beginner

📘 বাংলা: দ্রুত সংখ্যাগত গণনার জন্য ndarray।

🌐 English: ndarray for fast numerical computing.

💡 pandas, scikit-learn, PyTorch—সবার ভেতরে NumPy অ্যারে; সংখ্যাগত কাজের ভিত্তি।

1
import numpy as np; np.array([1,2,3]) দিয়ে তৈরি
2
তৈরির শর্টকাট: np.zeros((3,4)), np.ones, np.arange(0,10,2), np.linspace(0,1,5)
3
বৈশিষ্ট্য দেখুন: a.shape, a.ndim, a.dtype, a.size
4
reshape(3,4) দিয়ে আকার বদলান (মোট উপাদান একই থাকতে হবে)

তৈরিnp.array, zeros, ones, arange, linspace

বৈশিষ্ট্যshape, dtype, ndim

reshapeআকার পরিবর্তন

📖 বিস্তারিত নোট, ভিডিও ও কুইজ →

Array Indexing & Slicing

Select parts of an array.

Beginner

📘 বাংলা: অ্যারের নির্দিষ্ট অংশ বের করা।

🌐 English: Select parts of an array.

💡 ডেটার নির্দিষ্ট অংশ বের করা—ছবির ক্রপ, টাইম-সিরিজের জানালা, শর্তে ফিল্টার।

1
১-মাত্রিক: a[0] প্রথম, a[-1] শেষ, a[2:5] স্লাইস
2
২-মাত্রিক: a[row, col], a[:, 0] পুরো প্রথম কলাম
3
বুলিয়ান মাস্ক: a[a > 30] শর্ত মেলে এমন মান
4
ফ্যান্সি ইনডেক্সিং: a[[0,2,4]] নির্দিষ্ট অবস্থান

ইনডেক্সিংa[0], a[1,2]

স্লাইসিংa[1:4], a[:,0]

বুলিয়ান মাস্কa[a>5]

📖 বিস্তারিত নোট, ভিডিও ও কুইজ →

Broadcasting

Arithmetic across arrays of different shapes.

Intermediate

📘 বাংলা: ভিন্ন আকারের অ্যারেতে গণনা।

🌐 English: Arithmetic across arrays of different shapes.

💡 লুপ ছাড়াই ভিন্ন আকারের অ্যারেতে গণনা—কোড ছোট ও দ্রুত।

1
নিয়ম: ডান দিক থেকে মাত্রা তুলনা; সমান বা একটি ১ হলে মেলে
2
(3,4) + (4,) → প্রতিটি সারিতে ভেক্টর যোগ
3
কলামভিত্তিক করতে (3,1) আকার দিন: v[:, None]
4
না মিললে "operands could not be broadcast" এরর

নিয়মডান দিক থেকে মাত্রা মেলানো

উদাহরণম্যাট্রিক্স + ভেক্টর

সতর্কতাঅনিচ্ছাকৃত শেপ মিল

📖 বিস্তারিত নোট, ভিডিও ও কুইজ →

Vectorization

Fast math without Python loops.

Intermediate

📘 বাংলা: লুপ ছাড়াই দ্রুত গণনা।

🌐 English: Fast math without Python loops.

💡 Python লুপের চেয়ে ১০–১০০ গুণ দ্রুত—বড় ডেটায় অপরিহার্য।

1
লুপ চিনুন: প্রতিটি উপাদানে একই গণনা
2
ufunc দিয়ে বদলান: np.sqrt(a), np.exp(a), a*2+1
3
অ্যাগ্রিগেশন: a.sum(), a.mean(axis=0) (কলামভিত্তিক), axis=1 (সারিভিত্তিক)
4
শর্তভিত্তিক: np.where(a > 0, a, 0)

ইউনিভার্সাল ফাংশনnp.sqrt, np.exp

অ্যাগ্রিগেশনsum, mean, axis

গতিPython লুপের চেয়ে ১০–১০০ গুণ দ্রুত

📖 বিস্তারিত নোট, ভিডিও ও কুইজ →

NumPy Linear Algebra

Matrix products, inverses and eigenvalues.

Advanced

📘 বাংলা: ম্যাট্রিক্স গুণ, ইনভার্স, আইগেনভ্যালু।

🌐 English: Matrix products, inverses and eigenvalues.

💡 রিগ্রেশন, PCA, নিউরাল নেট—সবার পেছনে লিনিয়ার অ্যালজেব্রা।

1
ম্যাট্রিক্স গুণ A @ B, ডট np.dot
2
np.linalg.inv, det, norm
3
সমীকরণ সিস্টেম np.linalg.solve(A, b)
4
আইগেন np.linalg.eig, SVD np.linalg.svd, লিস্ট-স্কোয়ার np.linalg.lstsq

ম্যাট্রিক্স গুণA @ B

np.linalginv, det, solve

eig ও svdআইগেন ও SVD

📖 বিস্তারিত নোট, ভিডিও ও কুইজ →

Random Module

Random numbers and simulation.

Advanced

📘 বাংলা: র‍্যান্ডম সংখ্যা ও সিমুলেশন।

🌐 English: Random numbers and simulation.

💡 সিমুলেশন, ডেটা ভাগ, মডেলের শুরুর ওজন—সবখানে র‍্যান্ডম সংখ্যা।

1
rng = np.random.default_rng(42) — seed দিলে প্রতিবার একই ফল
2
বিতরণ: rng.normal(0,1,100), rng.uniform, rng.integers
3
rng.choice দিয়ে নমুনা, rng.permutation দিয়ে এলোমেলো ক্রম
4
মন্টে কার্লো: হাজারবার সিমুলেশন করে সম্ভাবনা অনুমান

np.random.default_rngআধুনিক জেনারেটর

বিতরণnormal, uniform, choice

seedপুনরুৎপাদনযোগ্য ফল

📖 বিস্তারিত নোট, ভিডিও ও কুইজ →

💻

হাতে-কলমে কোড · Hands-on code

Run চাপুন — পাইথন আপনার ব্রাউজারেই চলবে (Ctrl+Enter)

import 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))

📝