Python for AI/Data Structures আরও গভীরে/Lesson 12

List Comprehension

Loop আর append-এর চার লাইন এক লাইনে — transform, filter, আর dict/set comprehension। Pythonic code-এর সবচেয়ে চেনা চিহ্ন।

সময়: 20 মিনিট
Exercise: 1
Challenge: 1
Quiz: 3 প্রশ্ন

সহজ ভাষায়

খুব common একটা pattern: একটা list-এর প্রতিটা item নিয়ে কিছু একটা করে নতুন list বানানো।

main.py

prices = [100, 250, 80]

with_vat = []
for p in prices:
    with_vat.append(p * 1.15)

print(with_vat)

চার লাইন। List comprehension দিয়ে একই কাজ এক লাইনে:

main.py

prices = [100, 250, 80]
with_vat = [p * 1.15 for p in prices]
print(with_vat)

পড়ো এভাবে: "prices-এর প্রতিটা p-এর জন্য, p × 1.15 — এগুলো দিয়ে একটা list।"

কেন দরকার?

ছোট আর পরিষ্কার — উদ্দেশ্যটা এক নজরে বোঝা যায়।
একটু দ্রুতও — loop + append-এর চেয়ে।
সবখানে দেখবে — Kaggle notebook, PyTorch code, open-source library — Python developer-রা প্রতিদিন এটা লেখে। না চিনলে অন্যের code পড়তে কষ্ট হবে।

কাঠামো

[ expression   for item in iterable   if condition ]
  ^^^^^^^^^^   ^^^^^^^^^^^^^^^^^^^^   ^^^^^^^^^^^^
  কী বানাবো      কোথা থেকে               (ঐচ্ছিক) কোনগুলো রাখবো

Transform

main.py

names = ["rafi", "mim", "tanvir"]
print([n.upper() for n in names])
print([len(n) for n in names])
print([n ** 2 for n in range(1, 6)])

Filter

শেষে if দিলে শুধু শর্ত মানা item থাকে:

main.py

marks = [35, 67, 82, 40, 29, 91]
passed = [m for m in marks if m >= 40]
print(passed)

Transform + Filter একসাথে

main.py

files = ["data.csv", "model.pt", "train.csv", "notes.txt"]
csv_names = [f.replace(".csv", "") for f in files if f.endswith(".csv")]
print(csv_names)

if-else দিয়ে মান বদলানো

প্রতিটা item রাখতে চাও কিন্তু শর্ত অনুযায়ী আলাদা মান — তখন if-else যায় সামনে:

main.py

marks = [35, 67, 82, 29]
results = ["pass" if m >= 40 else "fail" for m in marks]
print(results)

মনে রাখার উপায়: শুধু if (filter) → শেষে। if ... else (মান বাছাই) → সামনে।

Dict ও Set Comprehension

একই কৌশল dictionary আর set-এও:

main.py

names = ["Rafi", "Mim", "Tanvir"]

name_lengths = {n: len(n) for n in names}
print(name_lengths)

first_letters = {n[0] for n in names + ["Rina"]}
print(first_letters)

কখন ব্যবহার করবে না?

Comprehension এক লাইনে পড়া যায় এমন কাজের জন্য। Logic জটিল হলে সাধারণ loop-ই ভালো:

main.py

# এটা পড়া কঠিন — এড়িয়ে চলো
result = [x * y for x in range(3) for y in range(3) if x != y if x + y > 1]
print(result)

নিয়ম: একবার পড়ে বুঝতে না পারলে, loop লেখো। Clever code-এর চেয়ে পরিষ্কার code বেশি মূল্যবান।

Exercise

Score normalize করো

+20 XP

scores list-এর প্রতিটা মানকে 100 দিয়ে ভাগ করে normalized list বানাও — list comprehension দিয়ে, এক লাইনে।

(ML-এ input-কে 0 থেকে 1-এর মধ্যে আনা খুব common — একে বলে normalization।)

solution.py

scores = [72, 85, 90, 64, 78]

normalized = []

print(normalized)

Quiz

Q1[x * 2 for x in range(4)]-এর মান কী?
[2, 4, 6, 8][0, 2, 4, 6][0, 1, 2, 3, 0, 1, 2, 3]
Q2[n for n in [5, -2, 8, -1] if n > 0]-এর মান কী?
[5, 8][True, False, True, False][-2, -1]
Q3{x % 3 for x in range(10)}-এর মান কী?
{0, 1, 2}[0, 1, 2, 0, 1, 2, 0, 1, 2, 0]{0: 0, 1: 1, 2: 2}

0/3 answered

Challenge

Stop word বাদ দিয়ে শব্দের দৈর্ঘ্য

+50 XP

sentence-এর শব্দগুলো থেকে একটা dictionary বানাও lengths নামে: key হবে শব্দ (ছোট হাতের অক্ষরে), value হবে শব্দের দৈর্ঘ্য।

কিন্তু stop_words-এ থাকা শব্দগুলো বাদ যাবে। Dict comprehension ব্যবহার করো।

solution.py

sentence = "The model is learning the Patterns in Data"
stop_words = {"the", "is", "in"}

lengths = {}

print(lengths)

বাস্তবে কোথায় ব্যবহার হয়?

Text preprocessing — model-এ দেওয়ার আগে review পরিষ্কার করা:

main.py

reviews = ["  Great phone!  ", "", "Battery is BAD ", "   "]
cleaned = [r.strip().lower() for r in reviews if r.strip()]
print(cleaned)

আর label-কে সংখ্যায় রূপান্তর (model শুধু সংখ্যা বোঝে):

main.py

labels = ["cat", "dog", "cat", "bird"]
classes = sorted(set(labels))
label_to_id = {name: i for i, name in enumerate(classes)}
encoded = [label_to_id[l] for l in labels]

print(label_to_id)
print(encoded)

এই label_to_id dictionary-টা প্রায় প্রতিটা classification project-এ বানাতে হয়।

Interview প্রশ্ন

Beginner: List comprehension-কে সাধারণ for loop-এ লিখে দেখাও।
Intermediate: [x for x in data] আর (x for x in data)-এর পার্থক্য কী? (দ্বিতীয়টা generator — সব মান একসাথে memory-তে রাখে না।)
Advanced: ১০ GB-র একটা file লাইন ধরে process করতে হলে list comprehension কেন সমস্যা, আর কী ব্যবহার করবে?

এরপর কী?

Real-world data — API response, JSON file, config — সাধারণত list-এর ভেতরে dictionary, তার ভেতরে আবার list। পরের lesson: Nested Data।