{"id":2276,"date":"2020-04-14T19:36:40","date_gmt":"2020-04-14T17:36:40","guid":{"rendered":"http:\/\/www.ardpylab.fr\/?page_id=2276"},"modified":"2020-05-10T16:24:10","modified_gmt":"2020-05-10T14:24:10","slug":"la-bibliotheque-numpy","status":"publish","type":"page","link":"https:\/\/www.ardpylab.fr\/?page_id=2276","title":{"rendered":"La biblioth\u00e8que numpy"},"content":{"rendered":"\n

 <\/p>\n

numPy<\/strong> (diminutif de numerical Python) est la biblioth\u00e8que indispensable pour le calcul scientifique avec Python.<\/p>\n

Cette biblioth\u00e8que est utile pour manipuler des matrices ou tableaux multidimensionnels ainsi que les fonctions math\u00e9matiques op\u00e9rant sur ces tableaux.<\/p>\n\n\n\n


Les bases de l\u2019utilisation de numpy<\/strong><\/span><\/h4>\n

Il faut au d\u00e9part importer le package numpy avec l\u2019instruction recommand\u00e9e suivante :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Toutes les fonctions de NumPy<\/strong> seront alors pr\u00e9fix\u00e9es par np<\/strong>.<\/p>\n

Le package NumPy <\/strong>permet la manipulation simple et efficace des tableaux en ajoutant \u00e0 Python le type array<\/strong> similaire \u00e0 une liste (type list<\/strong>). Mais contrairement aux listes, les tableaux Numpy<\/strong> ne peuvent contenir que des membres d’un seul type.<\/p>\n

Pour cr\u00e9er un tableau Numpy, on peut convertir une liste avec la fonction array()<\/strong>:<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Le deuxi\u00e8me argument est optionnel et sp\u00e9cifie le type des \u00e9l\u00e9ments du tableau :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Si dans la liste de d\u00e9part, il y a des donn\u00e9es de types diff\u00e9rents, Numpy<\/strong> essaiera de les convertir toutes au type le plus g\u00e9n\u00e9ral. Par exemple, les entiers int<\/strong> seront convertis en nombres \u00e0 virgule flottante float<\/strong> :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Un tableau peut \u00eatre multidimensionnel ; ici 2 dimensions :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Comme pour les listes, on peut acc\u00e9der aux \u00e9l\u00e9ments d\u2019un tableau (attention, comme pour les listes, les indices des \u00e9l\u00e9ments commencent \u00e0 z\u00e9ro) :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Et le slicing (d\u00e9coupage) extrait les tableaux :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Dans l\u2019instruction [d\u00e9but:fin:pas]<\/strong>, deux des arguments peuvent \u00eatre omis : par d\u00e9faut l\u2019indice de d\u00e9but vaut 0 (le 1er \u00e9l\u00e9ment du tableau), et le pas vaut 1.<\/p>\n

Un pas n\u00e9gatif inversera l\u2019ordre du tableau :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Et avec un d\u00e9but n\u00e9gatif, la lecture commence par la fin :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Pour un tableau bi-dimensionnel, on peut bien-s\u00fbr travailler avec les deux indices :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Et on peut modifier les valeurs d\u2019un tableau :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n


En fait, un tableau multidimensionnel est repr\u00e9sent\u00e9 par une liste de listes, et au final, un tableau bi-dimensionnel (lignes et colonnes) n’est rien d’autre qu’une liste de lignes, une ligne \u00e9tant une liste de nombres.<\/p>\n

On peut alors facilement cr\u00e9er un tableau bi-dimensionnel avec la fonction range()<\/strong> :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Ce qui donne le tableau suivant :<\/p>\n\n\n\n

\"\"<\/figure><\/div>\n\n\n\n

Avec :<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n


Cependant, Numpy<\/strong> dispose de plusieurs fonctions pour cr\u00e9er directement des tableaux :<\/p>\n

. Zeros()<\/strong><\/p>\n\n\n\n

\n\n\n\n
\n

# Un tableau bi-dimensionnel de taille 1×10, rempli d’entiers qui valent 0<\/p>\n

\"\"<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

. Ones()<\/strong><\/p>\n\n\n\n

\n\n\n\n
\n

# Un tableau bi-dimensionnel de taille 3×5, rempli de nombres \u00e0 virgule flottante de valeur 1<\/p>\n

\"\"<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

. full()<\/strong><\/p>\n\n\n\n

\n\n\n\n
\n

# Un tableau bi-dimensionnel de taille 3×5, rempli de 2<\/p>\n

\"\"<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

. arange()<\/strong><\/p>\n\n\n\n

\n\n\n\n
\n

# Un tableau bi-dimensionnel de taille 1×10, rempli d\u2019une s\u00e9quence lin\u00e9aire d’entiers<\/p>\n

\"\"<\/p>\n

# Un tableau rempli d\u2019une s\u00e9quence lin\u00e9aire de nombres \u00e0 virgule flottante<\/p>\n

\"\"<\/p>\n

# Un tableau rempli d\u2019une s\u00e9quence lin\u00e9aire d\u2019entiers par pas de 2<\/p>\n

\"\"<\/p>\n

# Un tableau rempli d\u2019une s\u00e9quence lin\u00e9aire de nombres \u00e0 virgule flottante par pas de 0.1<\/p>\n

\"\"<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Remarque<\/u> :<\/p>\n

Dans l\u2019instruction np.arange(d\u00e9but:fin:pas)<\/strong>, deux des arguments peuvent \u00eatre omis :<\/p>\n

. d\u00e9but<\/strong> : par d\u00e9faut l\u2019indice de d\u00e9but vaut 0 (le 1er \u00e9l\u00e9ment du tableau)<\/p>\n

. pas<\/strong> : par d\u00e9faut le pas vaut 1.<\/p>\n

Le dernier \u00e9l\u00e9ment du tableau est l\u2019argument fin<\/strong> auquel il faut retrancher le pas.

<\/strong><\/p>\n

. linspace()<\/strong><\/p>\n

Comme il y quelques subtilit\u00e9s avec la fonction arange()<\/strong> quant au dernier \u00e9l\u00e9ment, pour \u00e9viter tout probl\u00e8me, la fonction linspace(premier,dernier,n)<\/strong> renvoie un array commen\u00e7ant par premier<\/strong>, se terminant par dernier<\/strong> avec n<\/strong> \u00e9l\u00e9ments.<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

. reshape ()<\/strong><\/p>\n

La fonction reshape() permet de redimensionner un tableau. Il faut cependant que le nombre d\u2019\u00e9l\u00e9ments reste le m\u00eame.<\/p>\n\n\n\n

\n\n\n\n
\"\"<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

NumPy dispose d\u2019un grand nombre de fonctions math\u00e9matiques qui peuvent \u00eatre appliqu\u00e9es directement \u00e0 un tableau. Dans ce cas, la fonction est appliqu\u00e9e \u00e0 chacun des \u00e9l\u00e9ments du tableau.<\/p>\n\n\n\n

\n\n\n\n
\n

\"\"

\"\"<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/figure>\n\n\n\n

Les fonctions math\u00e9matiques couramment utilis\u00e9es sont :<\/p>\n

. numpy.sin(x)<\/strong>                       sinus<\/p>\n

. numpy.cos(x)<\/strong>                      cosinus<\/p>\n

. numpy.tan(x)<\/strong>                      tangente<\/p>\n

. numpy.arcsin(x)<\/strong>                 arcsinus<\/p>\n

. numpy.arccos(x)<\/strong>                arccosinus<\/p>\n

. numpy.arctan(x)<\/strong>                arctangente<\/p>\n

. x**n<\/strong>                                      x \u00e0 la puissance n, exemple : x**2<\/p>\n

. numpy.sqrt(x)<\/strong>                     racine carr\u00e9e<\/p>\n

. numpy.exp(x)<\/strong>                     exponentielle<\/p>\n

. numpy.log(x)<\/strong>                      logarithme n\u00e9p\u00e9rien<\/p>\n

. numpy.abs(x)<\/strong>                      valeur absolue<\/p>\n

. numpy.around(x,n)<\/strong>           arrondi \u00e0 n d\u00e9cimales<\/p>\n\n\n\n


On va donc pouvoir appliquer n\u2019importe quelle fonction math\u00e9matique \u00e0 un tableau de donn\u00e9es x<\/strong> de fa\u00e7on \u00e0 obtenir la caract\u00e9ristique y=f(x)<\/strong>.<\/p>\n

Cette caract\u00e9ristique pourra \u00eatre trac\u00e9 \u00e0 l\u2019aide de la biblioth\u00e8que matplolib<\/strong>.<\/p>\n

\u00a0<\/p>\n\n\n

\n
\n\n
\"\"<\/a><\/figure><\/div>\n\n<\/div>\n\n
\n\n
\"\"<\/a><\/figure><\/div>\n\n<\/div>\n<\/div><\/div>\n\n\n\n","protected":false},"excerpt":{"rendered":"

  numPy (diminutif de numerical Python) est la biblioth\u00e8que indispensable pour le calcul scientifique avec Python. Cette biblioth\u00e8que est utile pour manipuler des matrices ou tableaux multidimensionnels ainsi que les fonctions math\u00e9matiques op\u00e9rant sur ces tableaux. Les bases de l\u2019utilisation de numpy Il faut au d\u00e9part importer le package numpy avec l\u2019instruction recommand\u00e9e suivante : […]<\/p>\n","protected":false},"author":1,"featured_media":0,"parent":0,"menu_order":0,"comment_status":"closed","ping_status":"closed","template":"","meta":{"footnotes":""},"class_list":["post-2276","page","type-page","status-publish","hentry"],"_links":{"self":[{"href":"https:\/\/www.ardpylab.fr\/index.php?rest_route=\/wp\/v2\/pages\/2276","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ardpylab.fr\/index.php?rest_route=\/wp\/v2\/pages"}],"about":[{"href":"https:\/\/www.ardpylab.fr\/index.php?rest_route=\/wp\/v2\/types\/page"}],"author":[{"embeddable":true,"href":"https:\/\/www.ardpylab.fr\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ardpylab.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=2276"}],"version-history":[{"count":0,"href":"https:\/\/www.ardpylab.fr\/index.php?rest_route=\/wp\/v2\/pages\/2276\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.ardpylab.fr\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=2276"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}