Découpage et indexation de NumPy

Introduction

NumPy est une bibliothèque Python populaire utilisée pour le calcul scientifique. Elle fournit des opérations sur tableaux de haute performance et des fonctions mathématiques utiles pour l'analyse de données numériques. Dans ce laboratoire, vous allez apprendre les fonctionnalités de découpage et d'indexation de NumPy.

Découpage de tableaux

Le découpage est le processus d'extraction d'un sous-ensemble d'un tableau en spécifiant une plage d'indices. Les tableaux NumPy peuvent être découpés en utilisant l'opérateur deux-points :.

Ouvrir l'interpréteur Python

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

python3

Importer NumPy

NumPy est déjà installé, vous pouvez l'importer dans votre code Python :

import numpy as np

Découper des tableaux en une dimension

## créer un tableau en une dimension
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

## découper le tableau des indices 2 à l'indice 5
print(a[2:5])

Sortie :

[2 3 4]

Découper des tableaux en plusieurs dimensions

Vous pouvez également découper des tableaux en plusieurs dimensions.

## créer un tableau en deux dimensions
b = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])

## découper les deux premières lignes et les deux premières colonnes
print(b[:2, :2])

Sortie :

[[0 1]
 [3 4]]

Indexation avec des tableaux booléens

L'indexation booléenne est une fonctionnalité puissante qui nous permet de filtrer un tableau en fonction d'une condition. Vous pouvez créer un tableau booléen en appliquant un opérateur logique à un tableau existant.

Créer un tableau en une dimension

c = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

Créer un tableau booléen en fonction de la condition (c > 5)

mask = c > 5
print(mask)

Sortie :

[False False False False False False  True  True  True  True]

Filtrer le tableau original à l'aide du tableau booléen

print(c[mask])

Sortie :

[6 7 8 9]

Indexation avancée

L'indexation avancée est une manière d'indexer un tableau à l'aide d'un tableau d'indices. Vous pouvez utiliser cette technique pour extraire des éléments spécifiques ou des sous-ensembles d'un tableau.

## créer un tableau en une dimension
d = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

## créer un tableau d'indices
indices = np.array([1, 3, 5])

## utiliser l'indexation avancée pour extraire les éléments aux indices spécifiés
print(d[indices])

Sortie :

[1 3 5]

• Vous pouvez également utiliser l'indexation avancée pour affecter des valeurs à des éléments spécifiques dans un tableau.

## créer un tableau en une dimension
e = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

## créer un tableau d'indices
indices = np.array([1, 3, 5])

## affecter la valeur 10 aux éléments aux indices spécifiés
e[indices] = 10
print(e)

Sortie :

[ 0 10  2 10  4 10  6  7  8  9]

Sommaire

Félicitations ! Vous avez terminé le laboratoire sur le découpage et l'indexation de NumPy.

Dans ce laboratoire, vous avez abordé les bases du découpage et de l'indexation des tableaux NumPy :

• Le découpage vous permet d'extraire un sous-ensemble d'un tableau en spécifiant une plage d'indices.
• L'indexation booléenne vous permet de filtrer un tableau en fonction d'une condition.
• L'indexation avancée vous permet d'extraire des éléments spécifiques ou des sous-ensembles d'un tableau en utilisant un tableau d'indices.