Dimensions et formes des tableaux NumPy #
Un tableau unidimensionnel est comparable à une liste/un vecteur, un tableau bidimensionnel est comparable à une matrice, et ainsi de suite. Obtiens la dimension à l’aide de array_name.ndim
La forme du tableau spécifie le nombre d’éléments dans chaque dimension. Elle est représentée par un tuple d’entiers. La taille du tableau est essentiellement le produit d’un certain nombre de lignes et de colonnes. Tu peux les obtenir en utilisant array_name.shape et array_name.size.
# Création d'un tableau 1D (Vecteur)
arr_1d = np.array([1, 2, 3])
# Dimesion : 1 , Forme : (3,), Taille : 3
print(f "Dimension : {arr_1d.ndim}, Forme : {arr_1d.shape}, Taille : {arr_1d.size}")
# Création d'un tableau 2D (Matrice)
# Dimension : 2 , Forme : (2, 3)
arr_2d = np.array([[1, 2, 3], [4, 5, 6]])
# Création d'un tableau 3D (Tenseur)
# Dimension : 3 , Forme : (2, 2, 2)
arr_3d = np.array([[1, 2], [3, 4]], [[5, 6], [7, 8]]])Indexation et découpage des tableaux NumPy #
Indexation de tableau (array indexing) : Fait référence à l’accès à des éléments individuels dans un tableau NumPy.
# Création d'un tableau NumPy arr = np.array([10, 20, 30, 40, 50]) # Accès aux éléments individuels first_element = arr[0] # Accéder au premier élément (10) # Accès aux éléments en utilisant des indices négatifs last_element = arr[-1] # Accéder au dernier élément (50) # Création d'un tableau NumPy 2D arr_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # Slicing le long des lignes et des colonnes sliced_array = arr_2d[0,1] # Élément à la ligne 0, colonne 1 (valeur : 2)
Découpage de tableau : Il permet d’extraire des parties spécifiques d’un tableau, en créant de nouveaux tableaux avec les éléments sélectionnés.
Découpage de tableau (array slicing) : Il permet d’extraire des parties spécifiques d’un tableau, en créant de nouveaux tableaux avec les éléments sélectionnés.
# Slicing de tableau pour créer un nouveau tableau sliced_array = arr[1:4] # Trancher de l'index 1 à 3 (exclusif) [20,30,40] # Slicing avec un pas de 2 sliced_array = arr[0::2] # Commence à l'index 0, pas de 2 [10,30,50] # Slicing avec un index négatif second_to_last = arr[-2: :] # Accéder aux deux derniers éléments [40,50] # Slicing conditionnel : Sélectionner les éléments supérieurs à 30 sliced_array = arr[arr > 30] # Résultat : [40, 50] # Création d'un tableau NumPy 2D arr_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # Slicing le long des lignes et des colonnes sliced_array = arr_2d[1:3, 0:2] # Découper un sous-réseau 2x2 : [[4, 5], [7, 8]]
