সহজ কথায়, আমরা দ্বি-মাত্রিক অ্যারেকে অন্য অ্যারের মধ্যে একটি অ্যারে হিসাবে সংজ্ঞায়িত করতে পারি। এর সূচকটি '0' দিয়ে শুরু হয় এবং অ্যারের আকারে '-1' শেষ হয়। অ্যারেগুলি অ্যারের মধ্যে n বার তৈরি করা যেতে পারে। একটি দ্বি-মাত্রিক অ্যারে উভয় দিকে উল্লম্ব এবং অনুভূমিকভাবে আকার পরিবর্তন করতে পারে।
বাক্য গঠন
একটি অ্যারে ঘোষণা করার সিনট্যাক্স নিম্নরূপ:
array_name = [ r_arr ] [ c_arr ]
array_name হল অ্যারের নাম যা আমরা তৈরি করতে চাই। যেখানে, “r_arr” হল অ্যারের সারি এবং “c_arr” হল অ্যারের কলাম। এই সিনট্যাক্স আমাদের মেমরি অবস্থান তৈরি করতে দেয় যেখানে অ্যারে সংরক্ষণ করা হবে, অথবা আমরা বলতে পারি যে মেমরি অবস্থানটি অ্যারের জন্য সংরক্ষিত হতে পারে।
একটি 2D অ্যারে ঘোষণা করার আরেকটি পদ্ধতি আছে:
array_name = [ [ R1C1 , R1C2 , R1C3 , ... ] , [ R2C2 , R2C2 , R2C3 , ... ] , . . .. ]
উপরের সিনট্যাক্সে, অ্যারের নাম হল অ্যারের নাম যেখানে “R1C1”, “R2C1”, … n হল অ্যারের উপাদান যেখানে “R” সারি এবং “c” কলামকে নির্দেশ করে। যেমন আমরা প্রথম বর্গাকার ধনুর্বন্ধনীতে দেখতে পাচ্ছি, সারির সংখ্যা পরিবর্তন হচ্ছে যখন কলাম একই থাকে। এর কারণ হল, অ্যারের মধ্যে, আমরা একাধিক অ্যারে ব্যবহার করে কলামগুলিকে সংজ্ঞায়িত করি যখন সারিগুলি ভিতরের অ্যারেগুলির মধ্যে সংজ্ঞায়িত করা হয়।
উদাহরণ # 01: একটি দ্বি-মাত্রিক অ্যারে তৈরি করা
আসুন আমরা একটি দ্বি-মাত্রিক অ্যারে তৈরির একটি ব্যবহারিক উদাহরণ দিই এবং কীভাবে দ্বি-মাত্রিক অ্যারে তৈরি হয় সে সম্পর্কে আরও ভাল ধারণা পাই। একটি 2D অ্যারে তৈরি করতে, আমরা প্রথমে আমাদের NumPy লাইব্রেরি আমদানি করব যা আমাদেরকে কিছু প্যাকেজ বাস্তবায়ন করতে সক্ষম করবে যা NumPy অ্যারে তৈরি করার জন্য আমাদের সরবরাহ করে। এর পরে, আমরা একটি ভেরিয়েবল শুরু করব যা একটি অ্যারে তৈরি করতে দ্বি-মাত্রিক অ্যারে ধারণ করে। আমরা np.array() ফাংশনটি পাস করব যা আমাদের দুজনকে 1D, 2D বা আরও কিছু যেকোন ধরণের অ্যারে তৈরি করতে দেয়। সেই ফাংশনে, আমরা এই অ্যারের মধ্যে একাধিক অ্যারে পাস করব যা আমাদের একটি 2-মাত্রিক অ্যারে তৈরি করতে দেয়।
আমরা নীচের স্ক্রিনশটে দেখতে পাচ্ছি, দ্বিতীয় লাইনে, আমরা সেই ফাংশনে তিনটি অ্যারে পাস করেছি যার মানে আমাদের তিনটি সারি রয়েছে এবং সেই অ্যারেগুলির মধ্যে, আমরা প্রতিটিতে 6টি উপাদান পাস করেছি যার অর্থ 6টি কলাম রয়েছে। একটি বিষয় লক্ষ্য করুন, আমরা কি সবসময় বর্গাকার বন্ধনীতে উপাদানগুলি পাস করি যার অর্থ আমরা অ্যারে উপাদানগুলি পাস করছি এবং আমরা দেখতে পাচ্ছি যে আমরা একক অ্যারের মধ্যে একাধিক অ্যারে পাস করেছি।
আমদানি নম্র হিসাবে যেমন
অ্যারে = যেমন অ্যারে ( [ [ 1 , দুই , 3 , 4 , 5 , 6 ] , [ 4 , 5 , 6 , 7 , 8 , 9 ] , [ 7 , 8 , 9 , 10 , এগারো , 12 ] ] )
ছাপা ( অ্যারে )
শেষ পর্যন্ত, আমরা একটি প্রিন্ট স্টেটমেন্ট ব্যবহার করে অ্যারে প্রিন্ট করেছি। নীচের স্ক্রিনশটটিতে যেমন দেখানো হয়েছে, আমরা দেখতে পাচ্ছি যে অ্যারেটি প্রদর্শিত হয়েছে যাতে 3টি সারি এবং 6টি কলাম রয়েছে।
উদাহরণ # 02: মান অ্যাক্সেস করা
আমরা 2D অ্যারে তৈরি করার পদ্ধতিটি অধ্যয়ন করার সময়, একটি জিনিস অবশ্যই আমাদের মনে ক্লিক করেছে: আমরা কীভাবে 2D অ্যারের উপাদানগুলি অ্যাক্সেস করতে পারি? 2D অ্যারের উপাদান অ্যাক্সেস করার সময় একটি বড় সমস্যা নয়। Numpy আমাদেরকে কোডের একটি সাধারণ লাইন দ্বারা অ্যারের উপাদানগুলিকে ম্যানিপুলেট করতে সক্ষম করে:
অ্যারে [ সারি সূচক ] [ কলাম সূচক ]অ্যারে হল সেই অ্যারের নাম যেখান থেকে আমাদের ডেটা অ্যাক্সেস বা আনতে হবে যেখানে রো ইনডেক্স হল সারির মেমরি অবস্থান। এবং কলাম ইনডেক্স হল কলামের অবস্থান যেখানে অ্যাক্সেস করা হবে, ধরুন আমাদের সারির সূচী '2' উপাদান এবং একটি কলামের সূচক '0' উপাদান অ্যাক্সেস করতে হবে।
আমরা নীচের চিত্রে দেখতে পাচ্ছি, আমরা প্রথমে NumPy-এর প্যাকেজগুলি অ্যাক্সেস করতে NumPy লাইব্রেরি আমদানি করেছি। তারপরে, আমরা ভেরিয়েবলের নাম 'অ্যারে' ঘোষণা করেছি যা 2D অ্যারে ধারণ করে এবং তারপরে আমরা এটিতে যে মানগুলি সংরক্ষণ করতে চাই তা পাস করি। আমরা প্রথমে অ্যারেটি প্রদর্শন করেছি যা আমরা শুরু করেছি। তারপর, আমরা আমাদের প্রিন্ট() স্টেটমেন্টে ইনডেক্স সহ অ্যারেটি পাস করেছি যা ইনডেক্স '2' এ সংরক্ষিত পুরো অ্যারে প্রদর্শন করবে। কোডের পরবর্তী লাইনে, আমরা আবার দুটি সূচক সহ অ্যারেটি print() স্টেটমেন্টে পাস করেছি। প্রথমটি অ্যারের সারি এবং দ্বিতীয়টি অ্যারের কলাম যা “0” এবং “2”।
আমদানি নম্র হিসাবে যেমনঅ্যারে = যেমন অ্যারে ( [ [ 1 , দুই , 3 , 4 , 5 , 6 ] , [ 4 , 5 , 6 , 7 , 8 , 9 ] , [ 7 , 8 , 9 , 10 , এগারো , 12 ] ] )
ছাপা ( 'অ্যারে প্রদর্শন:' , অ্যারে )
ছাপা ( 'দ্বিতীয় সারি প্রদর্শন করুন:' , অ্যারে [ দুই ] )
ছাপা ( 'প্রথম সারি এবং 2 কলাম উপাদান প্রদর্শন করুন:' , অ্যারে [ 0 ] [ দুই ] )
কোড কম্পাইলার চালানোর সময় নিম্নলিখিত আউটপুটটি ফেরত দেওয়া হয় অ্যারেটিকে যেমন আছে প্রিন্ট করে। তারপর, কোড অনুযায়ী দ্বিতীয় সারি. সবশেষে, কম্পাইলার সেই উপাদানটি ফেরত দেয় যা সারিগুলির জন্য সূচক '0' এ সংরক্ষিত থাকে এবং কলামের জন্য সূচী '2' দেয়।
উদাহরণ #03: মান আপডেট করা
আমরা ইতিমধ্যেই 2D অ্যারের মধ্যে ডেটা বা উপাদানগুলি কীভাবে তৈরি বা অ্যাক্সেস করতে পারি তার পদ্ধতি নিয়ে আলোচনা করেছি, কিন্তু যখন আমাদের অ্যারের উপাদানগুলি পরিবর্তন করতে হবে, তখন আমরা কেবল NumPy প্যাকেজগুলি দ্বারা সরবরাহ করা পদ্ধতিটি ব্যবহার করতে পারি যা আমাদের অনুমতি দেয় একটি অ্যারের মধ্যে পছন্দসই মান আপডেট করতে।
মান আপডেট করতে, আমরা ব্যবহার করি:
অ্যারে [ row_index ] [ column_index ] = [ মান ]উপরের সিনট্যাক্সে, অ্যারেটি অ্যারের নাম। রো ইনডেক্স হল সেই স্থান বা অবস্থান যা আমরা সম্পাদনা করব। কলাম সূচক হল কলামের অবস্থান যেখানে মান আপডেট করা হয়, যেখানে মানটি পছন্দসই সূচকে যোগ করা উচিত।
আমরা দেখতে পাচ্ছি, আমরা প্রথমে আমাদের NumPy লাইব্রেরি আমদানি করি। এবং তারপর 3x6 আকারের একটি অ্যারে ঘোষণা করে এবং এর পূর্ণসংখ্যা মান পাস করে। তারপর, আমরা অ্যারেতে “21” মানটি পাস করেছি যার অর্থ আমরা একটি সারির “0” এবং একটি কলামের “2” অ্যারেতে “21” মান সংরক্ষণ করতে চাই যার মানে আমরা এটিকে সূচকে সংরক্ষণ করতে চাই। প্রথম সারির এবং 3 rd অ্যারের কলাম। তারপর উভয় অ্যারে প্রিন্ট করুন, আসলটি এবং আমরা অ্যারেতে সংরক্ষিত উপাদানটিও।
আমদানি নম্র হিসাবে যেমনঅ্যারে = যেমন অ্যারে ( [ [ 1 , দুই , 3 , 4 , 5 , 6 ] , [ 4 , 5 , 6 , 7 , 8 , 9 ] , [ 7 , 8 , 9 , 10 , এগারো , 12 ] ] )
অ্যারে [ 0 ] [ দুই ] = একুশ
ছাপা ( 'অ্যারে প্রদর্শন:' , অ্যারে )
ছাপা ( 'প্রথম সারি এবং 2 কলাম উপাদান প্রদর্শন করুন:' , অ্যারে [ 0 ] [ দুই ] )
নীচে প্রদর্শিত হিসাবে, NumPy প্যাকেজ দ্বারা সরবরাহ করা কোডের একটি সাধারণ লাইন যোগ করে অ্যারেতে মান সফলভাবে আপডেট করা হয়েছে।
উপসংহার
এই নিবন্ধে, আমরা দ্বি-মাত্রিক অ্যারে তৈরি করার বিভিন্ন উপায় ব্যাখ্যা করেছি এবং NumPy-এর অন্তর্নির্মিত ফাংশনগুলি ব্যবহার করে কীভাবে আমরা তাদের ম্যানিপুলেট করতে পারি। আমরা আলোচনা করেছি কিভাবে আমরা অ্যারের মধ্যে উপাদানগুলি অ্যাক্সেস করতে পারি এবং তাদের আপডেট করতে পারি। Numpy আমাদেরকে কোডের একক লাইন দ্বারা বহু-মাত্রিক অ্যারে তৈরি এবং পরিচালনা করতে সক্ষম করে। Numpy অ্যারেগুলি পাইথন তালিকার চেয়ে পরিষ্কার এবং আরও কার্যকর।