NumPy: অ্যারেতে দ্রুত হিসাব

import numpy as np

scores = np.array([72, 85, 90, 64, 78])
print(scores)
print(scores.shape, scores.dtype)

print(scores + 5)            # প্রতিটা উপাদানে যোগ হয়
print(scores * 1.1)
print(scores.mean(), scores.max(), scores.std().round(2))

[72 85 90 64 78]
(5,) int64
[77 90 95 69 83]
[79.2 93.5 99.  70.4 85.8]
77.8 90 9.22

import numpy as np

prices = [100, 200, 300]
print(prices * 2)                 # লিস্ট নিজেকেই পুনরাবৃত্তি করে
print(np.array(prices) * 2)       # অ্যারে প্রতিটা উপাদান গুণ করে

[100, 200, 300, 100, 200, 300]
[200 400 600]

import numpy as np

# ৩ জন শিক্ষার্থী × ৪টা পরীক্ষা
marks = np.array([
    [70, 82, 91, 65],
    [88, 79, 94, 90],
    [55, 61, 72, 58],
])
print(marks.shape)            # (সারি, কলাম)
print(marks[1])               # সারি 1: দ্বিতীয় শিক্ষার্থী
print(marks[:, 2])            # কলাম 2: সবার তৃতীয় পরীক্ষা
print(marks[0, 3])            # সারি 0, কলাম 3

print(marks.mean(axis=1))     # প্রতি শিক্ষার্থীর গড় (কলাম জুড়ে)
print(marks.mean(axis=0))     # প্রতি পরীক্ষার গড় (সারি বরাবর)

(3, 4)
[88 79 94 90]
[91 94 72]
65
[77.   87.75 61.5 ]
[71.         74.         85.66666667 71.        ]

import numpy as np

confidences = np.array([0.91, 0.42, 0.77, 0.30, 0.88])
labels = np.array(["cat", "dog", "cat", "bird", "dog"])

sure = confidences > 0.75          # True/False-এর একটা অ্যারে
print(sure)
print(labels[sure])                # শুধু True যেখানে, সেগুলো রাখো
print(sure.sum(), "confident predictions")
print(np.where(confidences > 0.75, labels, "unsure"))

[ True False  True False  True]
['cat' 'cat' 'dog']
3 confident predictions
['cat' 'unsure' 'cat' 'unsure' 'dog']

import numpy as np

marks = np.array([[70, 82], [88, 79], [55, 61]])
bonus = np.array([5, 0])          # শুধু প্রথম পরীক্ষায় +5
print(marks + bonus)              # সারিটা প্রত্যেক শিক্ষার্থীর ওপর "টেনে" বসানো হয়

rng = np.random.default_rng(42)   # seed দেওয়া এলোমেলো জেনারেটর
noise = rng.normal(0, 1, size=(2, 3)).round(2)
print(noise)
print(np.zeros((2, 3)), np.arange(0, 10, 3), np.linspace(0, 1, 5))

[[75 82]
 [93 79]
 [60 61]]
[[ 0.3  -1.04  0.75]
 [ 0.94 -1.95 -1.3 ]]
[[0. 0. 0.]
 [0. 0. 0.]] [0 3 6 9] [0.   0.25 0.5  0.75 1.  ]

import numpy as np

# ধরে নেওয়া এমবেডিং: আসলগুলোতে শত শত বা হাজার হাজার সংখ্যা থাকে।
sentences = ["How do I reset my password?", "I forgot my login password", "What is the price of the pro plan?"]
vectors = np.array([
    [0.90, 0.10, 0.05],
    [0.85, 0.20, 0.10],
    [0.05, 0.10, 0.95],
])

def cosine_similarity(a, b):
    return a @ b / (np.linalg.norm(a) * np.linalg.norm(b))

query = vectors[0]
for sentence, vector in zip(sentences, vectors):
    print(f"{cosine_similarity(query, vector):.3f}  {sentence}")

1.000  How do I reset my password?
0.991  I forgot my login password
0.118  What is the price of the pro plan?