ডেটা স্ট্রাকচার ও অ্যালগরিদম: দ্রুত কোড লেখা

def linear_search(items, target):
    """একে একে প্রতিটা আইটেম দেখে। ফেরত দেয় (অবস্থান, ধাপ)।"""
    steps = 0
    for i, item in enumerate(items):
        steps += 1
        if item == target:
            return i, steps
    return -1, steps


def binary_search(items, target):
    """আইটেমগুলো সাজানো থাকতে হবে। প্রতি ধাপে খোঁজার পরিসর অর্ধেক।"""
    low, high, steps = 0, len(items) - 1, 0
    while low <= high:
        steps += 1
        mid = (low + high) // 2
        if items[mid] == target:
            return mid, steps
        if items[mid] < target:
            low = mid + 1          # লক্ষ্য ডান অর্ধেকে
        else:
            high = mid - 1         # লক্ষ্য বাম অর্ধেকে
    return -1, steps


ids = list(range(0, 2_000_000, 2))     # সাজানো দশ লাখ জোড় সংখ্যা
print(linear_search(ids, 1_999_998))
print(binary_search(ids, 1_999_998))

(999999, 1000000)
(999999, 20)

import timeit

ids_list = list(range(1_000_000))
ids_set = set(ids_list)

in_list = timeit.timeit(lambda: 999_999 in ids_list, number=100)
in_set = timeit.timeit(lambda: 999_999 in ids_set, number=100)
print(f"list: {in_list * 1000:.1f} ms for 100 lookups")
print(f"set:  {in_set * 1000:.3f} ms for 100 lookups")
print(f"the set was about {in_list / in_set:,.0f} times faster")

list: 813.8 ms for 100 lookups
set:  0.006 ms for 100 lookups
the set was about 131,255 times faster

from collections import deque

# স্ট্যাক: শেষে ঢোকে, আগে বের হয় — undo-র ইতিহাস
history = []
history.append("typed 'Hello'")
history.append("made it bold")
history.append("deleted a line")
print("undo:", history.pop())
print("undo:", history.pop())
print("left:", history)

# কিউ: আগে ঢোকে, আগে বের হয় — রেট-লিমিটেড API-র জন্য অপেক্ষমাণ রিকোয়েস্ট
waiting = deque(["summarise doc1", "summarise doc2"])
waiting.append("summarise doc3")
while waiting:
    print("sending:", waiting.popleft())

undo: deleted a line
undo: made it bold
left: ["typed 'Hello'"]
sending: summarise doc1
sending: summarise doc2
sending: summarise doc3

import heapq

# প্রতিটা ডকুমেন্ট একটা প্রশ্নের সাথে কতটা মেলে (এমবেডিং থেকে, পাতা ১৩)
scores = {"refunds.md": 0.91, "shipping.md": 0.42, "warranty.md": 0.77,
          "privacy.md": 0.18, "returns.md": 0.88, "careers.md": 0.05}

top3 = heapq.nlargest(3, scores.items(), key=lambda pair: pair[1])
print(top3)

# প্রায়োরিটি কিউ: সবচেয়ে ছোট সংখ্যা আগে বের হয়
jobs = []
heapq.heappush(jobs, (2, "nightly report"))
heapq.heappush(jobs, (0, "customer is waiting"))
heapq.heappush(jobs, (1, "retry failed call"))
while jobs:
    priority, job = heapq.heappop(jobs)
    print(priority, job)

[('refunds.md', 0.91), ('returns.md', 0.88), ('warranty.md', 0.77)]
0 customer is waiting
1 retry failed call
2 nightly report

def count_values(data):
    """নেস্টেড dict আর লিস্টের ভেতরের প্রতিটা সাধারণ মান গোনে।"""
    if isinstance(data, dict):
        return sum(count_values(v) for v in data.values())
    if isinstance(data, list):
        return sum(count_values(v) for v in data)
    return 1                       # বেস কেস: একটা মাত্র মান


response = {
    "model": "gpt-5.5",
    "output": [
        {"type": "text", "text": "Hello!"},
        {"type": "tool_call", "name": "search", "args": {"query": "tokens", "limit": 3}},
    ],
    "usage": {"input_tokens": 12, "output_tokens": 5},
}
print(count_values(response))

9

from functools import cache

calls = 0

def fib(n):
    global calls
    calls += 1
    return n if n < 2 else fib(n - 1) + fib(n - 2)

print(fib(25), "calls:", calls)

calls = 0

@cache
def fib_fast(n):
    global calls
    calls += 1
    return n if n < 2 else fib_fast(n - 1) + fib_fast(n - 2)

print(fib_fast(25), "calls:", calls)

75025 calls: 242785
75025 calls: 26