From 53f8227ed5ae72278fbbdf0eb0c494ee553e04a7 Mon Sep 17 00:00:00 2001 From: Matt McKay Date: Tue, 6 Oct 2026 09:49:12 +1100 Subject: [PATCH] =?UTF-8?q?Apply=20the=20editor's=20ml#25=20answer=20to=20?= =?UTF-8?q?numpy:=20=E0=B4=86=E0=B4=95=E0=B5=81=E0=B4=82=20=E2=86=92=20?= =?UTF-8?q?=E0=B4=86=E0=B4=95=E0=B5=8D=E0=B4=95=E0=B5=81=E0=B4=82=20(3=20p?= =?UTF-8?q?laces)?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit Adisankar's answer on #25 (2026-09-28, Q1): in the three examples under Step 1, ആക്കും ("makes it") is correct, because അതിനെ comes before it. The round-4 text kept his ആകും, applied exactly, pending that answer. numpy lines 834-836 only. Lines 840-842 (Step 2) have no object and stay ആകും. Co-Authored-By: Claude Opus 5.5 --- lectures/numpy.md | 6 +++--- 1 file changed, 3 insertions(+), 3 deletions(-) diff --git a/lectures/numpy.md b/lectures/numpy.md index e51bcb9..465346a 100644 --- a/lectures/numpy.md +++ b/lectures/numpy.md @@ -831,9 +831,9 @@ Higher dimensions-ലേക്ക് കടക്കുമ്പോൾ കാര നമ്മെ സഹായിക്കാൻ, താഴെ പറയുന്ന list of rules ഉപയോഗിക്കാം: * *Step 1:* രണ്ട് arrays-ന്റെ dimensions match ചെയ്യാത്തപ്പോൾ, കുറവ് dimensions ഉള്ള array-യുടെ നിലവിലുള്ള dimensions-ന്റെ ഇടതുവശത്ത് പുതിയ dimensions ചേർത്ത് NumPy അതിനെ expand ചെയ്യും. - - For example, `a -> (3, 3)`, `b -> (3,)` ആണെങ്കിൽ, broadcasting, `b`-യുടെ ഇടതുവശത്ത് ഒരു dimension ചേർത്ത് അതിനെ `b -> (1, 3)` ആകും; - - `a -> (2, 2, 2)`, `b -> (2, 2)` ആണെങ്കിൽ, broadcasting, `b`-യുടെ ഇടതുവശത്ത് ഒരു dimension ചേർത്ത്, അതിനെ `b -> (1, 2, 2)` ആകും; - - `a -> (3, 2, 2)`, `b -> (2,)` ആണെങ്കിൽ, broadcasting, `b`-യുടെ ഇടതുവശത്ത് രണ്ട് dimensions ചേർത്ത്, അതിനെ `b -> (1, 1, 2)` ആകും (ഈ process, *Step 1* രണ്ട് പ്രാവശ്യം നടക്കുന്നതായും കാണാം). + - For example, `a -> (3, 3)`, `b -> (3,)` ആണെങ്കിൽ, broadcasting, `b`-യുടെ ഇടതുവശത്ത് ഒരു dimension ചേർത്ത് അതിനെ `b -> (1, 3)` ആക്കും; + - `a -> (2, 2, 2)`, `b -> (2, 2)` ആണെങ്കിൽ, broadcasting, `b`-യുടെ ഇടതുവശത്ത് ഒരു dimension ചേർത്ത്, അതിനെ `b -> (1, 2, 2)` ആക്കും; + - `a -> (3, 2, 2)`, `b -> (2,)` ആണെങ്കിൽ, broadcasting, `b`-യുടെ ഇടതുവശത്ത് രണ്ട് dimensions ചേർത്ത്, അതിനെ `b -> (1, 1, 2)` ആക്കും (ഈ process, *Step 1* രണ്ട് പ്രാവശ്യം നടക്കുന്നതായും കാണാം). * *Step 2:* രണ്ട് arrays-ന് ഒരേ dimension ഉണ്ടെങ്കിലും, shapes വ്യത്യസ്തമാണെങ്കിൽ, shape index 1 ആയിരിക്കുന്ന dimensions-നെ NumPy expand ചെയ്യാൻ ശ്രമിക്കും.