সহজ উত্তর: আধুনিক অজগরে প্রতিটি ডেটা টাইপ একটি শ্রেণি, তাই আনুষ্ঠানিকভাবে আপনার প্রস্তাবিত দুটি সমাধানের মধ্যে কোনও পার্থক্য নেই। (দয়া করে মনে রাখবেন নতুন-স্টাইলের ক্লাসগুলি ব্যবহার করুন: ক্লাসিক ক্লাসগুলি অপ্রচলিত! দেখুন http://docs.python.org/2/references/datamodel.html#new-style- এবং- ਕਲਾাসিক- ক্লাসগুলি )
এখন প্রশ্নটি হওয়া উচিত: আমি কীভাবে অজগরটিতে একটি কার্যকর ডেটা স্ট্রাকচারের ব্যবস্থা করব? কোনও সন্দেহ নেই যে কোষগুলি class Cell
উদাহরণের অ্যারে হিসাবে সংগঠিত করার ধারণাটি খুব অদক্ষ। আপনি জটিল লিঙ্কযুক্ত তালিকার মতো সংগঠিত পয়েন্টার এবং অ-বিতর্কিত ডেটাগুলির একটি জগাখিচির সাথে শেষ করবেন। আপনার তালিকায় অবশ্যই সহজেই নতুন কক্ষ সন্নিবেশ করার ক্ষমতা রয়েছে: তবে আপনার কি এই বৈশিষ্ট্যটির প্রয়োজন? বিপরীতে আপনার অবিসংবাদিত ডেটা স্টোরেজ থাকবে এবং আপনাকে প্রতিটি স্তরে ইন্ডিয়ারেশনের বিভিন্ন স্তরের অ্যাক্সেস করতে হবে।
আপনি যদি আপনার numpy.ndarray
ডেটাটিকে তত্ক্ষণাত্ সংগঠিত করেন তবে ডেটা মেমরি-সংলগ্ন হয় এবং বিভিন্ন কক্ষ অ্যাক্সেস করা সহজভাবে আপনার মেমরি ব্লকের মাধ্যমে চালিত হয়: স্থান দক্ষ (পয়েন্টারগুলির জন্য মেমরি নষ্ট হয় না) এবং দ্রুত ।
ইথান দ্বারা নির্দেশিত হিসাবে, ওও ধারণাগুলি ব্যবহার করা উচিত, তবে উচ্চতর স্তরে, একবার একটি দক্ষ নিম্ন স্তরের ডেটা কাঠামো কার্যকর করা হয়, সাধারণত এর মাধ্যমে numpy.ndarray
।
ওও প্রোগ্রামিং বলতে বোঝায় যে পদ্ধতিগুলিতে ডেটা বাঁধাই করা যেগুলি ডেটা নিজেই বিমূর্তির উচ্চ স্তরে ডেটা পরিচালনা করে। (উদাহরণস্বরূপ: আমি একটি এফইএম কোড প্রয়োগ করেছি, যেখানে স্টারনেস ম্যাট্রিক্সকে স্পার্স সুপার নোডাল কোলেস্কি ফ্যাক্টেরাইজেশনের জন্য একটি ক্লাস হিসাবে সংজ্ঞায়িত করা হয়েছিল The প্রথম বাস্তবায়নটি ছিল মূল: যখন বাইরের একটি বাস্তবায়ন প্রয়োজন হত, তখন এটি ছিল আন্ডারলাইনিং ডেটা সঞ্চয়স্থানের উত্তরাধিকার এবং ন্যূনতম সামঞ্জস্যের মাধ্যমে প্রাপ্ত হয়েছিল super সুপার-নোডাল কোলেস্কি কোডের প্রায় 100% পুনরায় ব্যবহার করা হয়েছিল))
একটি শেষ মন্তব্য, তবে অত্যন্ত গুরুত্বপূর্ণ: একটি দক্ষ সংখ্যাসূচক পদ্ধতিটি আপনার টার্গেট কম্পিউটিং আর্কিটেকচারে একটি অ্যালগরিদম এবং একটি ডেটা স্ট্রাকচারের স্মার্ট ম্যাপিংয়ের ফলাফল। আপনি যদি ভুল ডেটা কাঠামো দিয়ে শুরু করেন তবে সম্পূর্ণ পুনর্লিখন ছাড়া দক্ষতা পুনরুদ্ধারের কোনও উপায় নেই ।