Aller au contenu
Moncoachdata
  • Accueil
  • Blog
  • Tutos
  • Programme Data
Connexion
Moncoachdata
Logo Numpy

Maîtriser NumPy : Le compagnon indispensable pour les Data Lovers

9
  • Principes de base des tableaux Numpy
  • Inspection de tableaux array de NumPy
  • Opérations sur les tableaux NumPy
  • Travailler avec des tableaux Numpy
  • NumPy pour le nettoyage de données
  • NumPy pour l’analyse statistique
  • NumPy pour l’algèbre linéaire
  • Techniques avancées pour NumPy
  • Optimisation des performances avec NumPy
Logo Pandas

Pandas : Un manuel complet pour les Data Lovers

10
  • Structures de données Pandas
  • Chargement et inspection des données dans Pandas
  • Sélection et indexation des données avec Pandas
  • Nettoyage de données avec Pandas
  • Manipulation de données avec Pandas
  • Agrégations de données avec Pandas
  • Visualisations de données avec Pandas
  • Traitement des données de séries temporelles avec Pandas
  • Traitement des données catégorielles avec Pandas
  • Pandas : Sujets avancés
Logo Matplotlib

Maîtriser Matplotlib : Un guide complet pour la visualisation de données

4
  • Tracé de base Matplotlib
  • Types de diagrammes Matplotlib
  • Multiples subplots Matplotlib
  • Matplotlib : Fonctionnalités avancées
Logo Seaborn

Maîtriser Seaborn : Démystifier les diagrammes complexes

6
  • Introduction Seaborn
  • Diagrammes catégoriels avec Seaborn
  • Diagrammes univariés avec Seaborn
  • Diagrammes bivariés avec Seaborn
  • Diagrammes multivariés avec Seaborn
  • Diagrammes matriciels avec Seaborn
Logo Plotly

Maîtriser Plotly : Laisse tes visualisations parler à travers Plotly

3
  • Modules importants de Plotly
  • Diagrammes de base avec Plotly
  • Plotly : diagrammes avancés
Logo Machine Learning

Machine Learning : Explorer ses nombreuses formes

5
  • Comment fonctionne le Machine Learning ?
  • Apprentissage automatique supervisé
  • Apprentissage Automatique non Supervisé
  • Apprentissage semi-supervisé
  • Apprentissage par renforcement
View Categories

Techniques avancées pour NumPy

Temps de lecture: 3 minutes

0:00 / 3:14
  • Export PDF Download this page as a PDF
  • Open in ChatGPT Ask questions about this page (opens in a new tab)

Ce tuto présente deux techniques avancées pour NumPy : les tableaux masqués, pour ignorer les valeurs invalides ou manquantes, et les tableaux structurés, pour stocker des données de types différents dans un même tableau.

Les tableaux masqués #

Les tableaux masqués (masked arrays) te permettent de travailler avec des données dont certains éléments sont invalides ou manquants. Un masque est un tableau de booléens qui indique quels éléments sont à ignorer. Tu peux ainsi faire des calculs sur les valeurs valides uniquement.

Dans cet exemple, des températures contiennent des valeurs manquantes codées par -999. Sans traitement, elles faussent complètement la moyenne :

import numpy as np
import numpy.ma as ma

# Températures avec valeurs manquantes (-999 représente une valeur manquante)
temperatures = np.array([22.5, 23.0, -999, 24.5, -999, 26.0, 27.2, -999, 28.5])

# Moyenne sans tenir compte des valeurs manquantes : résultat faux
mean_temperature = np.mean(temperatures)
print("Température moyenne (sans traitement des valeurs manquantes) :", mean_temperature)

# Créer un masque pour les valeurs manquantes (-999)
mask = (temperatures == -999)

# Créer un tableau masqué
masked_temperatures = ma.masked_array(temperatures, mask=mask)

# Moyenne en excluant les valeurs manquantes
mean_temperature = ma.mean(masked_temperatures)
print("Température moyenne (sans les valeurs manquantes) :", mean_temperature)
Python
Température moyenne (sans traitement des valeurs manquantes) : -316.14444444444445
Température moyenne (sans les valeurs manquantes) : 25.28333333333333

Pour masquer directement une valeur précise, tu peux aussi utiliser ma.masked_values(temperatures, -999).

Les tableaux structurés #

Les tableaux structurés te permettent de travailler avec des données qui ressemblent à un tableau à colonnes nommées. Chaque élément peut contenir des champs de types différents. Pour en créer un :

  • définis le type de données avec np.dtype, sous la forme d’une liste de tuples (nom du champ, type) ;
  • passe ce type au paramètre dtype lors de la création du tableau.
# Définir les types de données des champs
dt = np.dtype([('name', 'U20'), ('age', int), ('salary', float)])

# Créer un tableau structuré
employees = np.array([('Alice', 30, 50000.0), ('Bob', 25, 60000.0)], dtype=dt)

# Accéder au champ 'name' du premier employé
print(employees['name'][0])

# Accéder au champ 'age' de tous les employés
print(employees['age'])
Python
Alice
[30 25]

Le type 'U20' correspond à une chaîne de caractères Unicode de 20 caractères au maximum. Avec 'S20', tu obtiendrais des chaînes d’octets (b'Alice'), moins pratiques à manipuler.

Pour des données de ce genre, Pandas et son DataFrame est souvent plus confortable. La suite de la série porte sur l’optimisation des performances avec NumPy. Documentation : tableaux masqués dans NumPy.

Pour aller plus loin, consulte aussi notre guide des 45 méthodes NumPy.

Maîtriser NumPy, c’est surtout savoir l’utiliser dans une vraie analyse. Le cours Analyse et visualisation de données combine NumPy, pandas et Matplotlib sur des jeux de données réels.

Numpy Guide Indispensable

Partager ce tuto :

  • Facebook
  • X
  • LinkedIn
NumPy pour l’algèbre linéaireOptimisation des performances avec NumPy
Table des matières
  • Les tableaux masqués
  • Les tableaux structurés

Apprentissage

  • Cours accéléré NumPy
  • Nos programmes Data
  • Guide Pandas
  • Guide NumPy
  • Les modèles de Machine Learning expliqués
  • Mon Shot de Data Science
  • Tutoriels Data Science

Le site

  • Articles
  • Communauté
  • Newsletter
  • Connexion

À propos

  • CGV
  • Contact
Payment Options
Reçois chaque semaine mes meilleures pratiques en Data Science :

© 2026 MonCoachData - Data Science & Machine Learning

YouTube Discord GitHub Linkedin RSS
Défiler vers le haut
  • Accueil
  • Blog
  • Tutos
  • Programme Data
Connexion
Discord DiscordYouTube YouTube
Rechercher