পাইথন সিউবোর্ন টিউটোরিয়াল: সিবর্ন কী এবং কীভাবে এটি ব্যবহার করবেন?



পাইথন সিবোর্ন টিউটোরিয়াল সমুদ্র সৈকত এবং ম্যাটপ্ল্লোলিবের মধ্যে পার্থক্য সহ। এছাড়াও সমুদ্র সৈকতে উপলভ্য বিভিন্ন ফাংশন উত্তর কাস্টমাইজেশন সম্পর্কে শিখুন।

পাইথন হ'ল অসংখ্য প্রচুর শক্তিশালী গ্রন্থাগার ও ফ্রেমওয়ার্ক। তাদের মধ্যে, হয় সমুদ্র সৈকত, যা একটি প্রভাবশালী ডেটা ভিজ্যুয়ালাইজেশন গ্রন্থাগার, প্রোগ্রামারদের সম্পূর্ণ করার জন্য আরও একটি কারণ প্রদান করে । পাইথন সিউবোর্ন টিউটোরিয়ালে, আপনি সিউবার্ন ব্যবহার করে ডেটা ভিজ্যুয়ালাইজেশনের সমস্ত নকশাকে ঝুঁকবেন।

এগিয়ে চলার আগে আসুন এই নিবন্ধে আলোচনার সমস্ত বিষয়গুলির মধ্যে নজর দেওয়া যাক:





সুতরাং আসুন প্রথমে পাইথন সিবোর্নের গুরুত্বটি যুক্তি দিয়ে শুরু করি।

পাইথন সিবর্ন কেন ব্যবহার করবেন?

পূর্বে উল্লিখিত হিসাবে, পাইথন সিবর্ন গ্রন্থাগার ডেটা ভিজ্যুয়ালাইজেশনের চ্যালেঞ্জিং কাজটি সহজ করার জন্য ব্যবহৃত হয় এবং এটি ভিত্তিক । সিউবোর্ন নিম্নলিখিত কার্যকারিতা দ্বারা পরিসংখ্যানগত গ্রাফিক্স তৈরি করার অনুমতি দেয়:



জাবাতে ফিবোনাচি সিরিজের প্রোগ্রাম
  • একাধিকের মধ্যে তুলনা করার অনুমতি দেওয়ার জন্য ডেটাসেটের ভিত্তিতে তৈরি একটি এপিআই পরিবর্তনশীল

  • মাল্টি প্লট গ্রিডগুলি সমর্থন করে যা ঘুরেফিরে জটিল ভিজ্যুয়ালাইজেশনগুলি বিল্ড করা যায়

  • উপাত্তের উপগ্রহের মধ্যে তুলনা করার জন্য ইউনিভারিয়েট এবং দ্বিবিভক্ত দৃষ্টিভঙ্গি উপলব্ধ



  • বিভিন্ন ধরণের নিদর্শন প্রকাশ করার জন্য বিভিন্ন রঙের প্যালেটগুলির উপলভ্যতা

  • অনুমান এবং প্লট স্বয়ংক্রিয়ভাবে

সুতরাং, আপনি যদি ভাবছিলেন যে ইতিমধ্যে ম্যাটপ্ল্লোলিব রয়েছে তখন কেন সিবর্ন ব্যবহার করবেন, এর উত্তর এখানে দেওয়া হল।

পাইথন সিবোর্ন বনাম ম্যাটপ্ল্লোলিব:

'যদি ম্যাটপ্লটলিব' সহজ জিনিসগুলিকে সহজ এবং কঠিন জিনিসগুলি সম্ভব করে তোলার চেষ্টা করেন ', সমুদ্রসৈকত খুব কঠিন জিনিসগুলির একটি সুসংজ্ঞায়িত সেটকে সহজ করে তোলার চেষ্টা করে' - মাইকেল ওয়াসকোম (সিবর্নের নির্মাতা)।
প্রকৃতপক্ষে, ম্যাটপ্ল্লিটিব ভাল তবে সিবর্ন আরও ভাল। ম্যাটপ্ল্লোলিবের মূলত দুটি ত্রুটি রয়েছে যা সিবার্ন সংশোধন করেছে:

  1. ম্যাটপ্লটলিব ব্যক্তিগতকৃত করা যেতে পারে তবে প্লটগুলি আরও আকর্ষণীয় করার জন্য কোন সেটিংসের প্রয়োজন তা নির্ধারণ করা কঠিন। অন্যদিকে, সিবর্ন এই সমস্যাটি সমাধান করার জন্য অসংখ্য কাস্টমাইজড থিম এবং উচ্চ-স্তরের ইন্টারফেস নিয়ে আসে।

  2. সাথে কাজ করার সময় পান্ডা , ডেটাফ্রেমগুলির সাথে ডিল করার ক্ষেত্রে ম্যাটপ্লটলিব ভালভাবে কাজ করে না, যখন সিবর্ন ফাংশনগুলি আসলে ডেটাফ্রেমে কাজ করে।

কীভাবে সিবর্ন ইনস্টল করবেন?

পাইথন সিবর্ন লাইব্রেরি ইনস্টল করতে, আপনি যে প্ল্যাটফর্মটি ব্যবহার করছেন তার উপর ভিত্তি করে আপনি নিম্নলিখিত কমান্ডগুলি ব্যবহার করতে পারেন:

পাইপ ইস্ট ইনস্টল করুন

বা

কনডা সমুদ্র সৈকত ইনস্টল করুন

এটি ইনস্টল হয়ে গেলে, সমুদ্রপৃষ্ঠের উপর নির্ভরশীল প্যাকেজগুলি এবং লাইব্রেরিগুলি ইনস্টল করার বিষয়টি নিশ্চিত করুন।

পাইথন সমুদ্র সৈকত নির্ভরতা ইনস্টল করা:

সমুদ্র সৈকতের জন্য বাধ্যতামূলক নির্ভরতাগুলি হ'ল:

এখানে একটি প্রস্তাবিত নির্ভরতা রয়েছে যা হ'ল:

  • রাষ্ট্র মডেল

এই লাইব্রেরিগুলি ইনস্টল করতে, আপনি পূর্ববর্তী সিবর্নগুলির জন্য তাদের নিজ নিজ নামের সাথে প্রদর্শিত একই কমান্ডগুলি ব্যবহার করতে পারেন। একবার ইনস্টল হয়ে গেলে এগুলি সহজেই আমদানি করা যায়। সিউবোর্ন আপনাকে যে কোনও ডেটাসেট লোড করতে দেয় ব্যবহার করে লোড_ডেটসেট () ফাংশন আপনি get_dataset_names () ফাংশনটি নীচে ব্যবহার করে সমস্ত উপলভ্য ডেটাसेटগুলি দেখতে পারেন:

উদাহরণ:

sns.get_dataset_names () হিসাবে সমুদ্র সৈকত আমদানি করুন

এটি উপলব্ধ সমস্ত ডেটাসেটের একটি তালিকা ফিরিয়ে দেবে।
এখন আপনি সমুদ্রের সাথে কাজ করার জন্য আপনার পরিবেশ স্থাপন করেছেন, এর পরিকল্পনার কার্যকারিতা কীভাবে ব্যবহার করতে হয় তা আরও এগিয়ে চলুন ।

সমুদ্র সৈকত প্লটিং ফাংশন

পরিসংখ্যানগত সম্পর্ক ভিজ্যুয়ালাইজিং:

একটি ডেটাসেটের ভেরিয়েবলের মধ্যে সম্পর্কগুলি বোঝার প্রক্রিয়া এবং কীভাবে এই সম্পর্কগুলি অন্যান্য পরিবর্তনশীলগুলির উপর নির্ভরশীল তা পরিসংখ্যানগত বিশ্লেষণ হিসাবে পরিচিত। আসুন এখন এর জন্য প্রয়োজনীয় কার্যাবলীর উপর গভীর নজর দেওয়া যাক:

রিপ্লট ():

এটি একটি চিত্র-স্তরের-ফাংশন যা পরিসংখ্যানগত সম্পর্কের ভিজুয়ালাইজিংয়ের জন্য আরও দুটি অক্ষের ফাংশন ব্যবহার করে:

  • স্ক্যাটারপ্লট ()
  • লাইনপ্লট ()

এই ফাংশনগুলি relplot () এর ‘ধরনের’ প্যারামিটার ব্যবহার করে নির্দিষ্ট করা যেতে পারে। যদি এই প্যারামিটারটি দেওয়া হয় তবে এটি ডিফল্টরূপে নেয় যা স্ক্রেটারপ্লট ()। আপনি আপনার কোড লেখা শুরু করার আগে, প্রয়োজনীয় লাইব্রেরিগুলি নিম্নলিখিত হিসাবে আমদানি করতে ভুলবেন না:

পিডি ইম্পোর্ট হিসাবে matplotlib.pyplot হিসাবে পিএনপি আমদানি সমুদ্র সৈকত হিসাবে sns.set হিসাবে সেট করুন (স্টাইল = 'ডার্কগ্রিড')

দয়া করে নোট করুন যে শৈলীর বৈশিষ্ট্যটিও কাস্টমাইজযোগ্য এবং ডার্কগ্রিড, টিক্স ইত্যাদির মতো কোনও মান নিতে পারে যা আমি পরে প্লট-নন্দনতত্ব বিভাগে আলোচনা করব। আসুন এখন একটি ছোট উদাহরণ দেখুন:

উদাহরণ:

f = sns.load_dataset ('ফ্লাইট') sns.relplot (এক্স = 'যাত্রী', y = 'মাস', ডেটা = চ)

আউটপুট:

ফ্লাইট 1-পাইথন সিবর্ন টিউটোরিয়াল-এডুরেকা

আপনি দেখতে পাচ্ছেন যে পয়েন্টগুলি 2-মাত্রায় প্লট করা হয়েছে। তবে আপনি ‘হিউ’ শব্দার্থক ব্যবহার করে অন্য মাত্রা যুক্ত করতে পারেন। আসুন এর উদাহরণটির দিকে একবার নজর দেওয়া যাক:

উদাহরণ:

f = sns.load_dataset ('ফ্লাইট') sns.relplot (এক্স = 'যাত্রী', y = 'মাস', হু = 'বছর', ডেটা = চ)

আপনি নিম্নলিখিত আউটপুট দেখতে পাবেন:

আউটপুট:

তবে, আরও অনেকগুলি কাস্টমাইজেশন রয়েছে যা আপনি রঙ, স্টাইল, আকার ইত্যাদির মতো চেষ্টা করে দেখতে পারেন আমাকে নীচের উদাহরণে কীভাবে রঙ পরিবর্তন করতে পারবেন তা আমাকে দেখান:

উদাহরণ:

sns.set (শৈলী = 'ডার্কগ্রিড') f = sns.load_dataset ('ফ্লাইটস') sns.relplot (এক্স = 'যাত্রী', y = 'মাস', হিউ = 'বছর', প্যালেট = 'চ: আর =) - .5, l = .75 ', ডেটা = চ)

আউটপুট:

লাইনপ্লট ():

এই ফাংশনটি আপনাকে আপনার ডেটার জন্য অবিচ্ছিন্ন রেখা আঁকার অনুমতি দেয়। আপনি নিম্নলিখিত হিসাবে 'ধরনের' পরামিতি পরিবর্তন করে এই ফাংশনটি ব্যবহার করতে পারেন:

উদাহরণ:

a = pd.DataFrame ({'দিন': [1,2,3,4,5,6,7], 'মুদি': [30,80,45,23,51,46,76], 'জামাকাপড়' : [13,40,34,23,54,67,98], 'বাসনপত্র': [12,32,27,56,87,54,34]}, সূচক = [1,2,3,4,5] , 6,7]) g = sns.relplot (x = 'দিন', y = 'কাপড়', ধরণের = 'লাইন', ডেটা = ক) g.fig.autofmt_xdate ()

আউটপুট:

লাইনপ্লট-এর জন্য ডিফল্ট x এর ফাংশন হিসাবে y। তবে আপনি যদি এটি করতে চান তবে এটি পরিবর্তন করা যেতে পারে। আরও অনেক অপশন রয়েছে যা আপনি আরও চেষ্টা করে দেখতে পারেন।

এখন কীভাবে শ্রেণিবদ্ধ ডেটা প্লট করা যায় তা একবার দেখে নেওয়া যাক।

শ্রেণিবদ্ধ ডেটা দিয়ে প্লট করা:

এই পদ্ধতির চিত্রটি তখন আসে যখন আমাদের মূল পরিবর্তনশীলটিকে আরও বিচ্ছিন্ন দলগুলিতে ভাগ করা হয় (শ্রেণিবদ্ধ)। ক্যাটপ্ল্লট () ফাংশনটি ব্যবহার করে এটি অর্জন করা যেতে পারে।

ক্যাটপ্লট ():

এটি রিপ্লট () এর মতো চিত্র-স্তরের-ফাংশন। এটি অক্ষ স্তরের ফাংশনগুলির তিনটি পরিবার দ্বারা চিহ্নিত করা যেতে পারে:

  1. স্ক্যাটারপ্লটস - এর মধ্যে স্ট্রিপপ্লট (), সোয়ারম্প্লট () অন্তর্ভুক্ত

  2. বিতরণ প্লট - যা বক্সপ্লট (), বেহালা প্লট (), বক্সেনপ্লট ()

  3. Estimateplots - যথা পয়েন্টপ্লট (), বারপ্লট (), কাউন্টপ্লট ()

এর প্রদর্শন করতে এখন কয়েকটি উদাহরণ নেওয়া যাক:

উদাহরণ:

এসএনএস হিসাবে সমুদ্র সৈকত আমদানি করুন matplotlib.pyplot হিসাবে plt sns.set (শৈলী = 'টিক্স', রঙ_কোডস = সত্য) a = sns.load_dataset ('টিপস') sns.catplot (x = 'দিন', y = 'মোট_বিল', তথ্য = ক)

আউটপুট:

আপনি দেখতে পাচ্ছেন, উপরের উদাহরণে আমি ‘ধরনের’ প্যারামিটার সেট করিনি। সুতরাং এটি গ্রাফটি ডিফল্ট স্ক্রেটারপ্লট হিসাবে ফিরিয়ে দিয়েছে। গ্রাফটি যেমন প্রয়োজন তেমন পরিবর্তন করতে আপনি কোনও অক্ষ স্তরের ফাংশন নির্দিষ্ট করতে পারেন। এরও এর উদাহরণ নিই:

উদাহরণ:

এসএনএস হিসাবে সমুদ্র সৈকত আমদানি করুন matplotlib.pyplot হিসাবে plt sns.set (শৈলী = 'টিক্স', রঙ_কোডস = সত্য) a = sns.load_dataset ('টিপস') sns.catplot (x = 'দিন', y = 'মোট_বিল', ধরনের = 'বেহালা', তথ্য = ক)

আউটপুট:

উপরের আউটপুট টিপস ডেটাসেটের জন্য বেহালাবিশেষ প্রদর্শন করে। এখন আসুন কীভাবে একটি ডেটাসেটের বিতরণটি ভিজ্যুয়ালাইজ করা যায় তা সন্ধান করার চেষ্টা করি।

একটি ডেটাসেট বিতরণ চাক্ষুষ:

এটি মূলত অবিবাহিত বা দ্বিবিভক্ত হওয়ার প্রসঙ্গে ডেটাসেটগুলি বোঝার বিষয়ে কাজ করে। এটি দিয়ে শুরু করার আগে, কেবল নিম্নলিখিতগুলি আমদানি করুন:

পিপি আমদানি সমুদ্র সৈকত হিসাবে এনপি আমদানি প্যান্ডাস হিসাবে নম্পতি আমদানি স্কিপি আমদানি পরিসংখ্যান sns.set থেকে প্লট হিসাবে প্ল্যাট হিসাবে matplotlib.pyplot (color_codes = সত্য)

এটি হয়ে গেলে, আপনি অবিভাজন এবং দ্বিখণ্ডিত বিতরণের প্লট করা চালিয়ে যেতে পারেন।

ইউনিভারিটি বিতরণ প্লট করা:

এগুলি চক্রান্ত করার জন্য, আপনি নিম্নরূপে ডিসপ্ল্লট () ফাংশনটি ব্যবহার করতে পারেন:

উদাহরণ:

a = np.random.normal (লোক = 5, আকার = 100, স্কেল = 2) sns.distplot (ক)

আউটপুট:

উপরের উদাহরণে আপনি দেখতে পাচ্ছেন, আমরা চলকটির জন্য একটি গ্রাফ প্লট করেছি যার মানগুলি ডিসপ্লট ব্যবহার করে সাধারণ () ফাংশন দ্বারা উত্পন্ন হয়।

বিভাজন বিস্তৃত প্লট করা:

এটি ছবিতে আসে যখন আপনার দুটি এলোমেলো স্বতন্ত্র ভেরিয়েবল থাকে যার ফলে কিছু সম্ভাব্য ঘটনা ঘটে in এই ধরণের গ্রাফ প্লট করার জন্য সেরা ফাংশন হ'ল জয়েন্টপ্লট ()। আসুন এখন জয়েন্টপ্লট () ব্যবহার করে একটি বিভাজন গ্রাফ প্লট করা যাক।

উদাহরণ:

x = pd.DataFrame ({'দিন': [1,2,3,4,5,6,7], 'মুদি': [30,80,45,23,51,46,76], 'জামাকাপড়' : [13,40,34,23,54,67,98], 'বাসনপত্র': [12,32,27,56,87,54,34]}, সূচক = [1,2,3,4,5] , 6,7]) y = পিডি.ডাটা ফ্রেম ({'দিন': [8,9,10,11,12,13,14], 'মুদি': [30,80,45,23,51,46, 76], 'জামাকাপড়': [13,40,34,23,54,67,98], 'বাসনগুলি': [12,32,27,56,87,54,34] index, সূচক = [8,9 , 10,11,12,13,14]) এর অর্থ, কোভ = [0, 1], [(1, .5), (.5, 1)] ডেটা = এনপি.আরন্ডম.মুলটিভারিট_অনরমাল (গড়, কোভ, 200) ) sns.axes_style ('সাদা') সহ: sns.jointplot (x = x, y = y, ধরনের = 'কেডি', রঙ = 'বি')

আউটপুট:

পাইথন সিবোর্নের বিভিন্ন ফাংশন বুঝতে পেরে এখন স্ট্রাকচার্ড মাল্টি প্লট গ্রিড তৈরি করতে এগিয়ে চলুন।

মাল্টি প্লট গ্রিড:

পাইথন সিবোর্ন আপনাকে এক সাথে একাধিক গ্রিড প্লট করতে দেয়। এগুলি মূলত প্লট বা গ্রাফ যা তাদের মধ্যে তুলনা সহায়তা করতে একই স্কেল এবং অক্ষ ব্যবহার করে প্লট করা হয়। এর ফলে, প্রোগ্রামারকে প্লটের মধ্যে দ্রুত পার্থক্য করতে এবং বিপুল পরিমাণে তথ্য পেতে সহায়তা করে।

এই গ্রাফগুলি প্লট করতে ফেসটগ্রিড () ফাংশনের নীচের উদাহরণটি বিবেচনা করুন।

উদাহরণ:

sns.set (শৈলী = 'ডার্কগ্রিড') a = sns.load_dataset ('আইরিস') বি = এসএনএস.ফ্রেটিগ্রিড (ক, কল = 'প্রজাতি') বি.ম্যাপ (plt.hist, 'সেপাল_ দৈর্ঘ্য')

আউটপুট:

উপরের আউটপুটটি স্পষ্টতই দুপুরের খাবার এবং রাতের খাবারের সময় দেওয়া টিপসের মধ্যে তুলনা দেখায়। আপনি তুলনা করার জন্য এক জোড়া ভেরিয়েবল থাকাকালীন আপনি পেয়ারগ্রিড ফাংশনটি ব্যবহার করে প্লট করতে পারেন। নিম্নলিখিত উদাহরণ বিবেচনা করুন।

উদাহরণ:

sns.set (শৈলী = 'টিক্স') a = sns.load_dataset ('উড়ান') খ = sns.PairGrid (ক) বি.ম্যাপ (plt.scatter)

আউটপুট:

যেমন আপনি দেখতে পাচ্ছেন, উপরোক্ত আউটপুটটি বছর এবং বিভিন্ন উপায়ে যাত্রীদের সংখ্যার মধ্যে পরিষ্কারভাবে তুলনা করে।

সমুদ্র সৈকত নন্দনতত্ত্ব সম্পর্কিত কাস্টমাইজেশনের অনুমতি দেয় যা আরও আলোচনা করা হয়।

প্লট-নান্দনিকতা:

পাইথন সিবর্ন টিউটোরিয়ালের এই বিভাগটি আমাদের প্লটগুলিকে আরও আকর্ষণীয় এবং আনন্দদায়ক করে তোলে।

পাইথন সিবোর্ন চিত্র-নান্দনিকতা:

আমি প্রথম যে ফাংশনটি নিয়ে আলোচনা করব তা সেট করা হয়েছে ()। আমি আগে এই ফাংশনটির ‘স্টাইল’ প্যারামিটার ব্যবহার করেছি। এই প্যারামিটারটি মূলত সমুদ্রযুক্ত থিম নিয়ে কাজ করে। বর্তমানে তাদের মধ্যে পাঁচটি উপলব্ধ রয়েছে যা ডার্কগ্রিড, টিক্স, হোয়াইটগ্রিড, সাদা এবং গা dark়।

হোয়াইট থিম প্রদর্শন করে নিচের উদাহরণটি বিবেচনা করুন।

উদাহরণ:

এসএনএস হিসাবে সমুদ্র সৈকত আমদানি করুন matplotlib.pyplot হিসাবে plt sns.set (শৈলী = 'সাদা', রঙ_কোডস = সত্য) a = sns.load_dataset ('টিপস') sns.boxplot (x = 'দিন', y = 'মোট_বিল', তথ্য = ক)

আউটপুট:

উপরের আউটপুটে আপনি খেয়াল করতে পারেন থিমটি সাদা হয়ে গেছে। আপনি অন্যান্য থিমগুলি ব্যবহার করে সেগুলি আরও অন্বেষণ করতে পারেন। আপনি যদি পূর্ববর্তী আউটপুটে লক্ষ্য করেন তবে গ্রাফের চারদিকে অক্ষ রয়েছে are তবে এটি ডিপাইন () ফাংশনটি ব্যবহার করে কাস্টমাইজযোগ্য। নীচের উদাহরণটি দেখুন।

উদাহরণ:

এসএনএস হিসাবে সমুদ্র সৈকত আমদানি করুন matplotlib.pyplot হিসাবে plt sns.set (শৈলী = 'সাদা', রঙ_কোডস = সত্য) a = sns.load_dataset ('টিপস') sns.boxplot (x = 'দিন', y = 'মোট_বিল', ডেটা = ক) sns.despine (অফসেট = 10, ছাঁটাই = সত্য)

আউটপুট:



আগের দুটি ফলাফলের মধ্যে পার্থক্যটি নোট করুন Note তবে, আরও অনেক অপশন রয়েছে যা আপনি নিজের জন্য অনুসন্ধান করতে পারেন।

পাইথন সিবর্ন কালার-প্যালেটস:

রঙ মূলত এমন বৈশিষ্ট্য যা অন্য কোনও বৈশিষ্ট্যের বাইরে মানুষের চোখের কাছে যায়। সিউবোর্ন আপনাকে বিভিন্ন ফাংশন যেমন রঙ_প্যালেট (), এইচএলএস_প্লেট (), কুঁচকানো_প্লেট () ইত্যাদি ব্যবহার করে রঙের সাথে খেলতে দেয়। বর্তমানে সামুদ্রিক জলের মধ্যে উপস্থিত বর্ণগুলি একবার দেখুন।

উদাহরণ:

এনপি আমদানি হিসাবে সমুদ্র সৈকত হিসাবে এনপি আমদানি সমুদ্র সৈকত হিসাবে আমদানি matplotlib.pyplot হিসাবে plt sns.set () উপস্থাপক = sns.color_palette () sns.palplot (উপস্থাপক)

আউটপুট:

ডেটা বিমূর্তি সি ++

উপরের চিত্রটি সামুদ্রিক অংশের মধ্যে উপস্থিত রঙগুলি দেখায়। আমি পালপ্লট () ফাংশনটি ব্যবহার করে এটি করেছি। গভীর পরিবর্তনের জন্য, আপনি hls_palette (), ভুষ_প্লেট () ইত্যাদি ব্যবহার করতে পারেন

এটি আমাদের পাইথন সিবোর্ন টিউটোরিয়াল শেষে এনেছে। আমি আশা করি আপনি সবকিছু পরিষ্কারভাবে বুঝতে পেরেছেন। আপনি যতটা সম্ভব অনুশীলন নিশ্চিত করুন

আমাদের জন্য একটি প্রশ্ন আছে? দয়া করে এই 'পাইথন সিবোর্ন টিউটোরিয়াল' ব্লগের মন্তব্য বিভাগে উল্লেখ করুন এবং আমরা যত তাড়াতাড়ি সম্ভব আপনার কাছে ফিরে আসব।

পাইথনের বিভিন্ন অ্যাপ্লিকেশন সহ গভীরতর জ্ঞান পেতে, আপনি লাইভের জন্য তালিকাভুক্ত করতে পারেন 24/7 সমর্থন এবং আজীবন অ্যাক্সেস সহ।