Tableaux NumPy et Types de Données

PythonPythonBeginner
Pratiquer maintenant

💡 Ce tutoriel est traduit par l'IA à partir de la version anglaise. Pour voir la version originale, vous pouvez cliquer ici

Introduction

NumPy est une bibliothèque pour le langage de programmation Python, utilisée pour effectuer des opérations numériques en Python. NumPy offre un moyen pratique de travailler avec des données numériques grâce à l'utilisation de tableaux multidimensionnels. Dans ce tutoriel, nous allons discuter de la manière de créer, d'accéder et de modifier des tableaux NumPy, ainsi que d'explorer les différents types de données disponibles.

Création de tableaux

Ouvrez un nouvel interpréteur Python dans Ternimal.

python3

Avant de pouvoir commencer à travailler avec des tableaux, nous devons les créer. NumPy offre plusieurs méthodes pour créer des tableaux, telles que :

1. np.array()

Cette fonction crée un tableau à partir d'une liste ou d'un tuple Python.

import numpy as np

## Création d'un tableau à partir d'une liste Python
my_list = [1, 2, 3, 4, 5]
my_array = np.array(my_list)
print(my_array)  ## Sortie : [1 2 3 4 5]

## Création d'un tableau à partir d'un tuple Python
my_tuple = (6, 7, 8, 9, 10)
my_array = np.array(my_tuple)
print(my_array)  ## Sortie : [ 6  7  8  9 10]

2. np.zeros()

Cette fonction crée un tableau de zéros avec une forme donnée.

## Création d'un tableau de zéros
my_array = np.zeros((3, 4))
print(my_array)
## Sortie :
## [[0. 0. 0. 0.]
##  [0. 0. 0. 0.]
##  [0. 0. 0. 0.]]

3. np.ones()

Cette fonction crée un tableau de uns avec une forme donnée.

## Création d'un tableau de uns
my_array = np.ones((2, 3))
print(my_array)
## Sortie :
## [[1. 1. 1.]
##  [1. 1. 1.]]

4. np.arange()

Cette fonction crée un tableau avec des valeurs régulièrement espacées dans une plage donnée.

## Création d'un tableau avec des valeurs régulièrement espacées
my_array = np.arange(0, 10, 2)
print(my_array)  ## Sortie : [0 2 4 6 8]

5. np.linspace()

Cette fonction crée un tableau avec des valeurs régulièrement espacées entre deux extrémités.

## Création d'un tableau avec des valeurs régulièrement espacées entre deux extrémités
my_array = np.linspace(0, 1, 5)
print(my_array)  ## Sortie : [0.   0.25 0.5  0.75 1.  ]

Accès aux éléments

Pour accéder à un élément dans un tableau à une dimension, nous pouvons utiliser son indice.

my_array = np.array([1, 2, 3, 4, 5])
print(my_array[0])  ## Sortie : 1

Pour accéder à un élément dans un tableau multidimensionnel, nous devons spécifier sa position dans chaque dimension.

my_array = np.array([[1, 2], [3, 4], [5, 6]])
print(my_array[1, 0])  ## Sortie : 3

Modification des éléments

Nous pouvons modifier la valeur d'un élément dans un tableau en lui assignant une nouvelle valeur.

my_array = np.array([1, 2, 3])
my_array[2] = 4
print(my_array)  ## Sortie : [1 2 4]

Nous pouvons également modifier une tranche d'un tableau.

my_array = np.array([1, 2, 3, 4, 5])
my_array[1:4] = [6, 7, 8]
print(my_array)  ## Sortie : [1 6 7 8 5]

Types de données

Les tableaux NumPy peuvent stocker des éléments de différents types de données, tels que des entiers, des flottants et des booléens. NumPy offre une gamme de types de données, y compris :

Type de données Description
int_ Entier
int8 Entier sur 8 bits
int16 Entier sur 16 bits
int32 Entier sur 32 bits
int64 Entier sur 64 bits
uint8 Entier non signé sur 8 bits
uint16 Entier non signé sur 16 bits
uint32 Entier non signé sur 32 bits
uint64 Entier non signé sur 64 bits
float_ Nombre à virgule flottante
float16 Nombre à virgule flottante à demi-précision
float32 Nombre à virgule flottante à précision simple
float64 Nombre à virgule flottante à double précision
complex_ Nombre complexe
complex64 Nombre complexe représenté par deux flottants sur 32 bits
complex128 Nombre complexe représenté par deux flottants sur 64 bits
bool_ Booléen
object_ Objet (peut contenir n'importe quel objet Python)

Pour spécifier un type de données pour un tableau, nous pouvons utiliser le paramètre dtype.

## Création d'un tableau avec un type de données spécifique
my_array = np.array([1, 2, 3], dtype=np.float64)
print(my_array)  ## Sortie : [1. 2. 3.]

Nous pouvons également convertir un tableau en un type de données différent en utilisant la méthode astype().

## Conversion d'un tableau en un type de données différent
my_array = np.array([1, 2, 3], dtype=np.int32)
my_array = my_array.astype(np.float64)
print(my_array)  ## Sortie : [1. 2. 3.]

Sommaire

Dans ce tutoriel, nous avons appris comment créer, accéder et modifier des tableaux NumPy, ainsi que comment explorer les différents types de données disponibles. NumPy est une bibliothèque puissante pour travailler avec des données numériques en Python et offre de nombreuses fonctions et méthodes utiles pour manipuler les tableaux.