Python for AI/Python শুরু/Lesson 07

Lists

অনেকগুলো মান এক জায়গায় — list তৈরি, indexing, slicing, append, sort আর len/sum/max। Dataset-এর প্রথম রূপ।

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

সহজ ভাষায়

এখন পর্যন্ত একটা variable-এ একটাই মান রেখেছি। কিন্তু ১০০ জন student-এর marks রাখতে ১০০টা variable? না! List হলো একটা ক্রমানুসারে সাজানো সংগ্রহ, যেখানে অনেকগুলো মান একসাথে রাখা যায়:

main.py

marks = [72, 85, 90, 64, 78]
cities = ["Dhaka", "Chattogram", "Sylhet"]
mixed = [1, "AI", 3.5, True]

print(marks)
print(cities)
print(len(marks))

Square bracket [ ], ভেতরে comma দিয়ে আলাদা করা মান।

কেন দরকার?

Dataset আসলে কী? অনেকগুলো data point-এর সংগ্রহ। List হলো Python-এ data সংগ্রহ রাখার সবচেয়ে মৌলিক উপায়। পরে NumPy array আর Pandas DataFrame শিখব — সেগুলো list-এরই অনেক শক্তিশালী রূপ।

Indexing ও Slicing

String-এর মতোই — index 0 থেকে শুরু:

marks = [ 72, 85, 90, 64, 78 ]
index:     0   1   2   3   4
          -5  -4  -3  -2  -1

main.py

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

print(marks[0])
print(marks[-1])
print(marks[1:4])
print(marks[:2])

List বদলানো যায় (mutable)

String-এর সাথে বড় পার্থক্য: list-এর item বদলানো যায়।

main.py

fruits = ["আম", "কাঁঠাল", "লিচু"]

fruits[1] = "পেয়ারা"
print(fruits)

fruits.append("কলা")
print(fruits)

fruits.insert(0, "জাম")
print(fruits)

fruits.remove("লিচু")
print(fruits)

last = fruits.pop()
print(last, fruits)

Method	কাজ
`.append(x)`	শেষে যোগ
`.insert(i, x)`	i position-এ যোগ
`.remove(x)`	প্রথম x মুছে ফেলে
`.pop()`	শেষেরটা বের করে আনে
`.sort()`	মূল list sort করে
`.copy()`	নতুন কপি বানায়

দরকারি Built-in Functions

main.py

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

print("মোট:", sum(scores))
print("সর্বোচ্চ:", max(scores))
print("সর্বনিম্ন:", min(scores))
print("গড়:", sum(scores) / len(scores))
print("Sorted:", sorted(scores))
print("বড় থেকে ছোট:", sorted(scores, reverse=True))
print(90 in scores)

সাবধান: একই list-এর দুই নাম

main.py

a = [1, 2, 3]
b = a
b.append(4)
print("a:", a)

c = a.copy()
c.append(5)
print("a:", a, "c:", c)

b = a কপি বানায় না — দুটো নাম একই list-কে নির্দেশ করে। ML-এ data preprocessing করতে গিয়ে এই ভুল অনেকে করে, আর মূল data নষ্ট হয়ে যায়।

Exercise

Marks-এর হিসাব

+20 XP

marks = [72, 85, 90, 64, 78] দেওয়া আছে। নিচের variable-গুলো বানাও:

highest — সর্বোচ্চ মার্ক
lowest — সর্বনিম্ন মার্ক
average — গড় (মোট ÷ সংখ্যা)

Built-in function ব্যবহার করো, হাতে হিসাব করে মান বসিও না।

solution.py

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

highest = 0
lowest = 0
average = 0

print(highest, lowest, average)

Quiz

Q1nums = [3, 1, 2]; nums.append(5) — এরপর nums কী?
[5, 3, 1, 2][3, 1, 2, 5][1, 2, 3, 5]
Q2sorted(nums) আর nums.sort()-এর পার্থক্য কী?
কোনো পার্থক্য নেইsorted() নতুন list return করে, .sort() মূল list-টাই বদলে দেয় এবং None return করে.sort() নতুন list return করে
Q3নিচের code-এর output কী?
```
a = [1, 2, 3]
b = a
b.append(4)
print(a)
```
[1, 2, 3][1, 2, 3, 4]Error

0/3 answered

Challenge

Train/Test split (হাতে বানানো)

+50 XP

ML-এ data-কে দুই ভাগ করা হয়: model শেখে train অংশ থেকে, আর পরীক্ষা হয় test অংশে।

data list-এর প্রথম ৮০% যাবে train-এ আর বাকি ২০% যাবে test-এ। Slicing ব্যবহার করো, আর ভাগের index len(data) থেকে হিসাব করো যাতে যেকোনো দৈর্ঘ্যের list-এ কাজ করে।

solution.py

data = [10, 20, 30, 40, 50, 60, 70, 80, 90, 100]

split_index = 0  # len(data) থেকে হিসাব করো
train = []
test = []

print("train:", train)
print("test:", test)

বাস্তবে কোথায় ব্যবহার হয়?

তুমি challenge-এ যা বানালে, scikit-learn-এর train_test_split() function ঠিক সেটাই করে (সাথে data এলোমেলো করে নেয়)। আর training চলাকালে প্রতিটা epoch-এর loss সাধারণত একটা list-এ জমা রাখা হয়, পরে graph আঁকার জন্য:

main.py

losses = []
for loss in [0.9, 0.6, 0.45, 0.38, 0.35]:
    losses.append(loss)

print("শেষ loss:", losses[-1])
print("সবচেয়ে কম loss:", min(losses))

Interview প্রশ্ন

Beginner: List আর tuple-এর পার্থক্য কী?
Intermediate: b = a আর b = a.copy()-এর পার্থক্য কী? Nested list-এ .copy() কি যথেষ্ট?
Advanced: List-এর শেষে append আর শুরুতে insert — কোনটার time complexity কত এবং কেন?

এরপর কী?

List-এ ১০০টা মান রাখলাম। এখন প্রতিটার ওপর একই কাজ করতে চাই — হাতে ১০০ লাইন লিখে না। পরের lesson: Loops।