tableau numpy en Python

Une liste est un type de données qui contient une séquence ordonnée d’éléments. Les listes sont un type de données utile car elles vous permettent de stocker plusieurs valeurs liées dans une variable. Avec une liste, vous pouvez stocker les noms de 10 paires de chaussures dans une variable ; vous pouvez stocker une liste d’achats que vous avez effectués dans un magasin dans une variable.

Bien que le type de données de liste intégré soit déjà puissant, pour des cas d’utilisation plus avancés, vous pouvez le trouver manquant. C’est là qu’intervient le type de données de tableau NumPy. La bibliothèque NumPy peut être utilisée pour créer facilement des tableaux à plusieurs dimensions.

Dans ce guide, nous allons parler de ce que Les tableaux NumPy sont, pourquoi ils sont utiles et comment vous pouvez les utiliser dans votre code. C’est parti !

Qu’est-ce qu’un tableau NumPy ?

Un tableau NumPy est l’objet tableau utilisé dans la bibliothèque Python NumPy. NumPy, qui signifie Numerical Python, est un package souvent utilisé pour le calcul scientifique et mathématique. Il est accompagné d’une gamme d’outils qui peuvent aider à l’analyse de données et aux mathématiques avancées.

En Python vanilla (Python sans aucun package externe), les tableaux sont puissants mais ils peuvent être lents à traiter. Les tableaux NumPy, en revanche, visent à être des ordres de grandeur plus rapides qu’un tableau Python traditionnel.

Cette amélioration des performances est obtenue car les tableaux NumPy stockent les valeurs dans un endroit continu en mémoire. Cela permet à Python d’accéder facilement à une liste et de la manipuler.

Comment déclarer un tableau NumPy

Pour commencer, configurons un tableau NumPy. Pour ce tutoriel, nous allons stocker des valeurs de chaaîne dans notre tableau. Ces valeurs de chaaîne sont une liste des friandises sucrées proposées dans un café local. Nous allons commencer par importer la bibliothèque NumPy :

Cette ligne de code importe numpy depuis Python et attribue à la bibliothèque le nom np. Cela signifie que chaque fois que nous devons travailler avec notre baie, nous n’avons qu’à appeler np.

81 % des participants ont déclaré qu’ils se sentaient plus confiants quant à leurs perspectives d’emploi en technologie après assister à un bootcamp. Soyez jumelé à un bootcamp aujourd’hui.

Le diplômé moyen d’un bootcamp a passé moins de six mois en transition de carrière, du démarrage d’un bootcamp à la recherche de son premier emploi.

Ensuite, nous y allons pour déclarer notre tableau en utilisant l’interface du tableau :

Notre tableau contient quatre valeurs de chaaîne. Comme un tableau Python traditionnel, nous avons mis tous les éléments de notre liste entre crochets. Pour déclarer un tableau NumPy, nous avons utilisé la méthode array qui fait partie de np. Cela crée un objet ndarray, qui est le type de tableau NumPy intégré.

Notre code renvoie une copie de notre tableau d’origine, trié sous forme de tableau NumPy :

C’est tout : nous avons maintenant un tableau avec lequel nous pouvons travailler.

Tableaux NumPy : Dimensions

Lorsque nous parlons de dimensions dans NumPy, nous ne parlons pas de nouveaux mondes comme vous le verriez dans les films. Une dimension dans un tableau est un niveau de profondeur à l’intérieur ce tableau. Lorsque le terme dimension est utilisé, il fait référence à des tableaux imbriqués. Ce sont des tableaux qui contiennent des tableaux.

Un tableau peut avoir n’importe quel nombre de dimensions. La plupart des tableaux que vous aurez travaillera avec des tableaux 1-D, 2-D ou 3-D. Le "D" signifie dimension.

NumPy 1-D Array

Dans notre premier exemple, nous avons créé un tableau 1D. Il s’agit d’un tableau qui contient des tableaux 0-D (ou éléments) comme éléments. La plupart des tableaux avec lesquels vous travaillerez seront 1-D.

Créons un tableau qui stocke les prix des friandises au café :

Notre code renvoie un tableau à une dimension, stockant nos valeurs : [1.95 2. 2.05].

Pour accéder à un élément à partir d’un tableau 1-D, vous pouvez utiliser la même syntaxe qu’avec une liste Python. Récupérons le deuxième élément de notre liste :

Notre code renvoie l’élément avec la valeur d’index 1, qui est : 2.

Pour en savoir plus sur les tableaux Python, lisez notre guide du débutant sur les tableaux Python.

NumPy 2-D Array

Tous les tableaux ne sont pas 1-D. Supposons que nous voulions stocker un tableau contenant deux tableaux. Une rangée stocke les friandises vendues au café ; l’autre tableau stocke une liste de cafés vendus au magasin. Ensemble, ils font partie d’un tableau menu items.

Créons ce tableau à l’aide de NumPy :

Le tableau résultant est :

Notre tableau nouvellement créé a deux dimensions.Le premier tableau de notre tableau contient une liste de friandises sucrées ; le deuxième tableau contient une liste de cafés. Notez que ces deux tableaux sont entourés d’une paire de crochets qui relie les deux tableaux.

Récupérer des éléments d’un tableau 2D fonctionne légèrement différemment dans NumPy que il le fait en Python. Pour accéder aux éléments d’un tableau 2D, vous devez séparer les numéros d’index de la valeur que vous souhaitez récupérer du tableau.

Considérez ce code :

"Career Karma est entré dans ma vie au moment o√π j’en avais le plus besoin et m’a rapidement aidé à participer à un bootcamp. Deux mois après l’obtention de mon diplôme, j’ai trouvé l’emploi de mes rêves qui correspondait à mes valeurs et à mes objectifs dans la vie !"

Venus, ingénieur logiciel chez Rockbot

Notre code renvoie : Jammy Shortbread. Nous avons récupéré l’élément avec la valeur d’index 2 qui est stocké dans le tableau avec la valeur d’index 0. Dans ce cas, nous avons récupéré le dernier élément du tableau qui stocke les friandises vendues au café.

NumPy 3-D Array

Ajoutons une autre dimension ! Les tableaux NumPy peuvent contenir des tableaux 3D. Il s’agit d’un tableau qui contient des tableaux 2D.

Supposons que nous voulions stocker les valeurs suivantes :

  • Aliments sucrés et non sucrés offres (appariés, mais dans des tableaux séparés); et
  • Boissons contenant de la caféine et sans caféine (appariés, dans des tableaux séparés) ;

Toutes ces valeurs doivent être stockées dans un seul tableau. Les dimensions de ce tableau sont :

  • 1-D : Tous les éléments du menu
  • 2-D : Sucré et non sucré aliments, boissons caféinées et non caféinées
  • 3-D : aliments sucrés, aliments non sucrés, caféine, boissons non caféinées

Créons ce tableau à l’aide de NumPy. Collez le code suivant dans un fichier Python :

Notre code renvoie :

Nous avons créé un 3-D tableau avec toutes les informations dont nous avons parlé plus tôt. Ce tableau est une liste complète de tous les éléments de menu proposés par le café.

L’accès aux éléments d’un tableau 3D fonctionne de la même manière que la syntaxe que vous utilisez pour accéder aux éléments d’un tableau 2D. La différence est que vous devez spécifier un troisième index nombre pour récupérer un élément d’un tableau 3D. Récupérons "Moka" de notre tableau :

Notre code renvoie : Moka.

1 est le numéro d’index de la 1ère dimension à laquelle nous voulons accéder (1 correspond à nos boissons) ; 0 est le numéro d’index de la 2ème dimension (0 correspond aux boissons caféinées); 2 est le numéro d’index de la 3ème dimension (2 correspond à Moka).

Comptez les dimensions d’un tableau

Les tableaux NumPy peuvent commencer à sembler assez compliqués lorsque vous commencez à ajouter de nouvelles dimensions. Nous n’avons même pas exp des tableaux lorés qui ont plus de trois dimensions ! Heureusement pour vous, il existe un raccourci pratique que vous pouvez utiliser pour calculer le nombre de dimensions d’un tableau.

Collez le code suivant dans un fichier Python :

Exécutons notre code. La valeur "2" est retourné. Cela nous indique que notre tableau contient deux dimensions, ce que nous pouvons voir en analysant notre tableau ci-dessus.

Conclusion

Les tableaux NumPy sont un moyen flexible de stocker des valeurs similaires. Ils sont plus rapides et plus efficaces que les tableaux Python traditionnels. Vous pouvez facilement travailler avec plusieurs dimensions à l’aide des tableaux NumPy ; c’est plus difficile à faire en Python vanille.

Vous êtes maintenant prêt à commencer à utiliser les tableaux NumPy comme un programmeur expert !

Shop

Learn programming in R: courses

$

Best Python online courses for 2022

$

Best laptop for Fortnite

$

Best laptop for Excel

$

Best laptop for Solidworks

$

Best laptop for Roblox

$

Best computer for crypto mining

$

Best laptop for Sims 4

$

Latest questions

NUMPYNUMPY

psycopg2: insert multiple rows with one query

12 answers

NUMPYNUMPY

How to convert Nonetype to int or string?

12 answers

NUMPYNUMPY

How to specify multiple return types using type-hints

12 answers

NUMPYNUMPY

Javascript Error: IPython is not defined in JupyterLab

12 answers

News


Wiki

Python OpenCV | cv2.putText () method

numpy.arctan2 () in Python

Python | os.path.realpath () method

Python OpenCV | cv2.circle () method

Python OpenCV cv2.cvtColor () method

Python - Move item to the end of the list

time.perf_counter () function in Python

Check if one list is a subset of another in Python

Python os.path.join () method