Python-3.4.3/C3/Statistics/Bengali

Time	Narration
00:01	"Statistics” using Python এর স্পোকেন টিউটোরিয়ালে আপনাদের স্বাগত।
00:07	এই টিউটোরিয়ালের শেষে আপনি নিম্ন শিখতে সক্ষম হবেন - Python এ statistical অপারেশন করা।
00:14	সংখ্যার সেটের Sum করা এবং তাদের mean, median এবং standard deviation সন্ধান করা।
00:22	টিউটোরিয়ালটি রেকর্ড করতে ব্যবহার করছি Ubuntu Linux 16.04 অপারেটিং সিস্টেম
00:29	Python 3.4.3 এবং IPython 5.1.0
00:36	টিউটোরিয়ালটি অনুশীলন করতে আপনার ফাইল থেকে ডেটা লোড করার পদ্ধতি জানতে হবে।
00:42	Lists এর ব্যবহার এবং Arrays এর অংশ কিভাবে অ্যাক্সেস করে।
00:47	না হলে এই ওয়েবসাইটে পাইথনের প্রাক-প্রয়োজনীয় টিউটোরিয়াল দেখুন।
00:53	এই টিউটোরিয়ালের জন্য, আমরা student_record.txt ডাটা ফাইল ব্যবহার করব যা আমরা আগের টিউটোরিয়ালে ব্যবহার করেছি।
01:03	আপনি এই ফাইল এই টিউটোরিয়ালের Code Files লিঙ্কেও পেতে পারি।
01:08	এটি Home directory তে ডাউনলোড করুন এবং এটি ব্যবহার করুন।
01:12	আমরা এই array structured file এ mathematical এবং logical অপারেশন ব্যবহার করব। এর জন্য আমাদের Numpy সংস্থাপন করা প্রয়োজন।
01:22	NumPy অর্থাৎ Numerical Python
01:26	এটি একটি গ্রন্থাগার যা mathematical এবং numerical রুটিনের জন্য pre-compiled functions সমন্বিত।
01:33	NumPy আলাদাভাবে সংস্থাপন করতে হবে।
01:37	প্রথমে Ctrl + Alt + T কী একসাথে টিপে টার্মিনাল খুলুন।
01:45	সর্বশেষ pip সংস্থাপন করি। pip কমান্ডের ব্যবহার python libraries সংস্থাপন করতে ব্যবহৃত হয়।
01:53	লিখুন, sudo apt-get install python3 hyphen pip এবং এন্টার টিপুন।
02:03	সংস্থাপনের জন্য আপনার root অ্যাক্সেস থাকা দরকার কারণ এটি admin password এর জন্য জিজ্ঞাসা করে।
02:15	এরপর আমাদের numpy library সংস্থাপিত করতে হবে কারণ আমরা টিউটোরিয়াল জুড়ে numpy library ব্যবহার করব।
02:24	লিখুন, sudo pip3 install numpy is equal to is equal to 1.13.3 এবং এন্টার টিপুন।
02:38	সংস্থাপন সফলভাবে শেষ হয়েছে। আমরা কোনো এরর ছাড়াই terminal prompt দেখতে পারি।
02:47	এরপর আমরা loadtxt() ফাংশন সম্পর্কে শিখব।
02:52	array হিসাবে ডেটা পেতে, আমরা loadtxt() ফাংশনটি ব্যবহার করি।
02:58	loadtxt() ফাংশনের জন্য আমাদের প্রথমে numpy library ইম্পোর্ট করতে হবে।
03:04	টার্মিনালে ফিরে যান. এখন লিখুন ipython3 এবং এন্টার টিপুন।
03:12	লিখুন import numpy as np এবং এন্টার টিপুন। যেখানে np numpy এর জন্য উপনাম রয়েছে এবং এটি যে কোনো নাম হতে পারে।
03:24	একটি array হিসাবে student_record.txt ফাইল থেকে ডেটা লোড করি।
03:32	লিখুন, L is equal to np dot loadtxt বন্ধনীতে উদ্ধৃতিতে student_record.txt comma usecols is equal to বন্ধনীতে 3 comma 4 comma 5 comma 6 comma 7 comma delimiter is equal to উদ্ধৃতিতে সেমিকোলন এবং এন্টার টিপুন।
04:04	লিখুন L এবং এন্টার টিপুন।
04:07	আমরা array হিসাবে আউটপুট পাই।
04:11	loadtxt একটি বাহ্যিক ফাইল থেকে ডেটা লোড করে।
04:16	Delimiter ক্যারেক্টারের ধরণ নির্দিষ্ট করে যার থেকে ডেটা ফীল্ড পৃথক হয়। usecols ব্যবহৃত কলাম নির্দিষ্ট করে।
04:27	loadtxt, delimiter এবং usecols হল কীওয়ার্ড।
04:33	সুতরাং student_record.txt থেকে columns 3,4,5,6,7 এখানে লোড করা হয়েছে।
04:42	column numbers এর মাঝে comma যুক্ত করা হয়েছে কারণ usecols একটি ক্রম।
04:49	যেমনকি আমরা দেখতে পাচ্ছি L একটি অ্যারে। আমরা shape দ্বারা এই array এর আকার পেতে পারি।
04:58	লিখুন L dot shape এবং এন্টার টিপুন।
05:04	আমরা যথাক্রমে rows এবং columns এর সংখ্যা সহ tuple পাই।
05:11	এই উদাহরণে, array L এ এক লক্ষ পঁচাশি হাজার ছয়শত সাতটি সারি এবং 5 টি কলাম রয়েছে।
05:22	student_record.txt ফাইলে ফিরে যাই।
05:28	এগুলির উপর statistical ক্রিয়াকলাপ প্রয়োগ করা শুরু করি। আপনি প্রথম শিক্ষার্থীর জন্য সকল বিষয়ের অঙ্কের যোগফল কিভাবে পেতে পারেন?
05:39	টার্মিনালে ফিরে যান। array তে প্রথম সারি অ্যাক্সেস করতে আমরা লিখব L বর্গাকার বন্ধনীতে 0 এবং এন্টার টিপব।
05:54	এখন এর যোগফলের জন্য লিখুন, totalmarks is equal to sum বন্ধনীতে L বর্গাকার বন্ধনীতে 0 এবং এন্টার টিপুন।
06:09	লিখুন totalmarks এবং এন্টার টিপুন। আমরা প্রথম শিক্ষার্থীর সকল বিষয়ের নম্বর পেয়েছি।
06:19	এখন mean পেতে আমরা অ্যারের দৈর্ঘ্য দ্বারা totalmarks কে ভাগ করতে পারি।
06:26	লিখুন, totalmarks divided by len বন্ধনীতে L বর্গাকার বন্ধনীতে 0 এবং এন্টার টিপুন।
06:40	বা function mean ব্যবহার করুন। লিখুন np dot mean বন্ধনীতে L বর্গাকার বন্ধনীতে 0 এবং এন্টার টিপুন।
06:55	কিন্তু আমাদের কাছে বড় data set রয়েছে। এবং এক এক করে প্রতিটি শিক্ষার্থীর mean এর গণনা করতে সময় নেয়।
07:04	এখানে কাজ কমানোর কি কোনো উপায় রয়েছে? এই জন্য, আমরা mean এর ডকুমেন্টেশন দেখবো।
07:12	লিখুন np dot mean questionmark এবং এন্টার টিপুন। আরো তথ্যের জন্য টেক্সট পড়ুন।
07:23	documentation থেকে প্রস্থান করতে q লিখুন।
07:28	উপরের উদাহরণে, L matrix এর মত two dimensional array রয়েছে।
07:35	আমরা অ্যারের প্রতিটি axis এ mean এর গণনা করতে পারি।
07:41	rows এর axis 0 এবং কলাম 1 দ্বারা উল্লেখ করা হয়।
07:48	সকল columns এ mean গণনা করতে, আমাদের axis এর জন্য অতিরিক্ত parameter 1 পাস করতে হবে।
07:57	টার্মিনালে ফিরে যান।
08:00	এখন প্রতিটি বিষয়ের জন্য সমস্ত শিক্ষার্থী দ্বারা প্রাপ্ত অঙ্কের mean গণনা করি।
08:07	লিখুন np dot mean বন্ধনীতে L comma 0 এবং এন্টার টিপুন।
08:18	এরপর সকল শিক্ষার্থীর জন্য ইংরেজী অঙ্কের median গণনা করব।
08:25	লিখুন L বর্গাকার বন্ধনীতে colon comma 0 এবং এন্টার টিপুন।
08:35	লক্ষ্য করুন colon comma zero, array তে প্রথম column প্রদর্শন করে যা হল English Mark.
08:45	median পেতে আমরা function median ব্যবহার করব।
08:51	লিখুন np dot median বন্ধনীতে L বর্গাকার বন্ধনীতে colon comma 0 এন্টার টিপুন।
09:04	সকল বিষয়ের জন্য, আমরা এখানে দেখানো হিসাবে median function দ্বারা সকল rows জুড়ে median গণনা করতে পারি।
09:13	লিখুন np dot median বন্ধনীতে L comma 0 এন্টার টিপুন।
09:24	একইভাবে standard deviation গণনা করতে আমরা function std ব্যবহার করব।
09:31	ইংরেজী বিষয়ের জন্য Standard deviation নিম্ন লিখতে পাওয়া যেতে পারে np dot std বন্ধনীতে L বর্গাকার বন্ধনীতে colon comma 0 এন্টার টিপুন।
09:50	এবং সকল rows এর জন্য, আমরা লিখব np dot std বন্ধনীতে L comma 0 এবং এন্টার টিপুন।
10:03	এখানে ভিডিওটি থামান, নিম্ন অনুশীলনী অভ্যাস করুন এবং ভিডিওটি আবার শুরু করুন।
10:09	ফাইল football.txt রেফার করুন যা এই টিউটোরিয়ালের Code Files লিঙ্কে উপলব্ধ।
10:18	ফাইলটি ডাউনলোড করুন এবং বর্তমান working directory তে সংরক্ষণ করুন।
10:23	এখন working directory হল Home directory.
10:28	football.txt তে, প্রথম কলাম হল player name,
10:34	দ্বিতীয়টি হল ঘরের খেলায় goals এবং তৃতীয়টি হল বাইরের খেলায় goals.
10:42	প্রতিটি প্লেয়ারের জন্য মোট গোল, ঘরের বা বাইরের খেলায় গোলের Mean,
10:50	ঘরের এবং বাইরের খেলার গোলের Standard deviation নির্ণয় করা।
10:55	টার্মিনালে যান।
10:58	সমাধান হল, প্রথমে লিখুন, L is equal to np dot loadtxt বন্ধনীতে উদ্ধৃতিতে football.txt comma usecols is equal to বন্ধনীতে 1 comma 2 comma delimiter is equal to উদ্ধৃতিতে comma. এন্টার টিপুন।
11:31	np dot sum বন্ধনীতে L comma 1 এবং এন্টার টিপুন।
11:39	দ্বিতীয়টির উত্তর হল, np dot mean বন্ধনীতে L comma 0 এবং এন্টার টিপুন।
11:50	তৃতীয় হল, np dot std বন্ধনীতে L comma 0 এবং এন্টার টিপুন।
11:59	এটি আমাদের টিউটোরিয়ালের শেষে নিয়ে আসে। এখানে আমরা Python এ মানক statistical operations করা শিখেছি যেমন sum, mean, median এবং standard deviation.
12:18	আপনার সমাধানের জন্য এখানে কিছু স্ব মূল্যায়ন প্রশ্ন রয়েছে।
12:23	প্রদত্ত two dimensional list অনুযায়ী, আপনি প্রতিটি সারির জন্য mean এর গণনা কিভাবে করবেন?
12:32	দ্বিতীয়। প্রদত্ত লিস্টের median গণনা করুন।
12:37	তৃতীয়। এখানে 6 টি কলামের একটি ফাইল রয়েছে। কিন্তু আমরা শুধুমাত্র 2,3,4,5 কলাম থেকে টেক্সট লোড করতে চাই। আমরা কিভাবে এটি নির্দিষ্ট করব?
12:51	এবং উত্তর হল, প্রতিটি সারির mean পেতে, আমরা function mean এ দ্বিতীয় প্যারামিটার হিসাবে শুধুমাত্র 1 পাস করব।
13:02	np.mean বন্ধনীতে two_dimensional_list comma 1
13:11	আমরা লিস্টের median গণনা করতে function median ব্যবহার করি. np.median বন্ধনীতে student_marks.
13:24	তৃতীয়, ফাইলের বিশিষ্ট columns নির্দিষ্ট করতে, আমরা প্যারামিটার usecols is equal বন্ধনীতে 2, 3, 4, 5 ব্যবহার করব।
13:39	সময়ের সাথে আপনার প্রশ্ন এই ফোরামে পোস্ট করুন।
13:43	এই ফোরামে Python সম্পর্কিত আপনার সাধারণ প্রশ্ন পোস্ট করুন।
13:48	FOSSEE দল TBC প্রকল্প সমন্বয় করে।
13:53	স্পোকেন টিউটোরিয়াল প্রকল্প ভারত সরকারের NMEICT, MHRD দ্বারা সমর্থিত। আরো জনাতে এই লিঙ্কে যান।
14:05	আই আই টী বোম্বে থেকে আমি কৌশিক দত্ত বিদায় নিচ্ছি। অংশগ্রহনের জন্য ধন্যবাদ।

Contributors and Content Editors

Kaushik Datta