Attributs des tableaux et dtype

Introduction

Ce tutoriel explorera les attributs des tableaux NumPy, en mettant l'accent sur l'attribut dtype. NumPy est une bibliothèque puissante pour le calcul numérique en Python, et le tableau NumPy est une structure de données centrale pour cette bibliothèque.

Les tableaux NumPy sont des tableaux multidimensionnels homogènes, ce qui signifie qu'ils peuvent stocker des éléments du même type de données en plusieurs dimensions. Ils sont efficaces et pratiques pour les opérations numériques, offrant de nombreuses fonctions et capacités.

Création de tableaux NumPy

Avant d'explorer les attributs des tableaux NumPy, créons tout d'abord un tableau NumPy. Vous pouvez créer des tableaux NumPy à partir de listes, de tuples ou d'autres tableaux à l'aide de la fonction numpy.array().

Ouvrir l'interpréteur Python

Ouvrez l'interpréteur Python en tapant la commande suivante dans le terminal.

python3

Maintenant, vous pouvez utiliser la fonction numpy.array() pour créer des tableaux NumPy

import numpy as np

## Création d'un tableau 1D à partir d'une liste
one_d_array = np.array([1, 2, 3, 4, 5])

## Création d'un tableau 2D à partir d'une liste de listes
two_d_array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

Attributs des tableaux NumPy

Les tableaux NumPy ont plusieurs attributs qui fournissent des informations sur les propriétés du tableau, telles que :

• shape : Un tuple représentant les dimensions du tableau.
• size : Le nombre total d'éléments dans le tableau.
• ndim : Les dimensions (axes) du tableau.
• dtype : Le type de données des éléments du tableau.
• itemsize : La taille en octets de chaque élément dans le tableau.

Utilisation des attributs de tableau

Maintenant, nous pouvons utiliser ces attributs en pratique :

## Créer un tableau 2D
array = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

## Obtenir la forme du tableau
print("Forme :", array.shape)  ## Sortie : (3, 3)

## Obtenir la taille du tableau
print("Taille :", array.size)  ## Sortie : 9

## Obtenir le nombre de dimensions du tableau
print("Nombre de dimensions :", array.ndim)  ## Sortie : 2

## Obtenir le type de données des éléments du tableau
print("Type de données :", array.dtype)  ## Sortie : int64 (ou int32, selon votre système)

## Obtenir la taille en octets de chaque élément dans le tableau
print("Taille d'élément :", array.itemsize)  ## Sortie : 8 (ou 4, selon votre système)

Comprendre le dtype

L'attribut dtype est particulièrement important car il détermine le type de données stockées dans le tableau. NumPy prend en charge divers types de données, tels que les entiers (int8, int16, int32, int64), les entiers non signés (uint8, uint16, uint32, uint64), les nombres à virgule flottante (float16, float32, float64) et les nombres complexes (complex64, complex128).

Lors de la création d'un tableau NumPy, vous pouvez spécifier le dtype à l'aide du paramètre dtype. Si cela n'est pas spécifié, NumPy tentera d'inférer le type de données à partir des données d'entrée.

Utilisation du dtype

Explorons l'utilisation de l'attribut dtype

## Créer un tableau de flottants à partir d'une liste
float_array = np.array([1.2, 2.3, 3.4, 4.5], dtype=np.float32)
print("Type de données du tableau de flottants:", float_array.dtype)  ## Sortie : float32

## Créer un tableau d'entiers à partir d'une liste
int_array = np.array([1, 2, 3, 4, 5], dtype=np.int16)
print("Type de données du tableau d'entiers:", int_array.dtype)  ## Sortie : int16

## Créer un tableau de nombres complexes à partir d'une liste
complex_array = np.array([1 + 2j, 2 + 3j, 3 + 4j], dtype=np.complex64)
print("Type de données du tableau de nombres complexes:", complex_array.dtype)  ## Sortie : complex64

## Créer un tableau et laisser NumPy inférer le type de données
mixed_array = np.array([1, 2, 3.5, 4.5])
print("Type de données du tableau mixte:", mixed_array.dtype)  ## Sortie : float64

## Changer le type de données d'un tableau existant
new_dtype_array = mixed_array.astype(np.int32)
print("Nouveau tableau avec le nouveau type de données:", new_dtype_array)  ## Sortie : [1 2 3 4]
print("Nouveau type de données:", new_dtype_array.dtype)  ## Sortie : int32

## Créer un tableau de zéros avec un type de données spécifié
zeros_array = np.zeros((3, 3), dtype=np.uint8)
print("Tableau de zéros avec le type de données uint8:\n", zeros_array) ## Sortie :[[0 0 0] [0 0 0] [0 0 0]]

Résumé

En résumé, ce tutoriel s'est concentré sur les attributs des tableaux NumPy, en particulier l'attribut dtype. Nous avons abordé la création de tableaux NumPy, exploré les attributs importants et approfondi la signification de dtype. Comprendre et utiliser efficacement l'attribut dtype est crucial pour effectuer des calculs numériques efficaces et précis en Python à l'aide de tableaux NumPy. Continuez à pratiquer pour améliorer votre maîtrise des tableaux NumPy et de leurs attributs.