Traitement Des Tableaux en Python en Utilisant La Bibliothèque Numpy [PDF]

Zitiervorschau

3 ième si 2

Lycée Route De tabrka Mateur

Traitement des tableaux en python en utilisant la bibliothèque numpy Python ne sait pas faire grand chose dans le domaine mathématique, comme tracer une fonction, calculer des valeurs de fonctions usuelles, réaliser des opérations matricielles. Cependant, de nombreux modules ont été développés pour pallier ce manque, parmi lesquels le Module numpy. Python ne propose de base que le type list, conteneur dynamique hétérogène puissant, mais il est plus difficile dans le contexte mathématique par exemple l'opérateur "*" ou "+" ne correspondent pas à la multiplication/somme d'un vecteur avec un nombre. Le module numpy a été crée pour résoudre ce problème. En plus d’un grand nombre de fonctions, cette bibliothèque définit un autre type de tableaux, spécialement conçus pour les opérations mathématiques, tels que vecteurs, matrices. Numpy est un package (bibliothèque) pour Python spécialisé dans la manipulation des tableaux array (vecteurs ou matrices). Les tableaux (array) de "numpy" ne gèrent que les objets de même type. Les tableaux « numpy » sont plus performants (rapidité, gestion de la volumétrie) que les listes de Python La bibliothèque "numpy" propose un grand nombre de fonctions comme : -

l'accès rapide aux données d'une matrice ou d'un vecteur. La recherche, et l'extraction Le tri de données calcul statistique de données (moyenne, médiane, somme, somme cumulée) Calcul scientifique (algèbre linéaire

Afin d'utiliser le module "numpy" il faut tout d'abord l'importer via l'instruction suivante :

import numpy as np Si le nom du module est un peu long il est préférable de créer un alias via l'instruction as dans notre cas c'est np. from numpy import array T=array([type]*taille) La fonction array(): La fonction array() convertit un objet list en objet ndarray. Activité 1 #importer le module numpy et utiliser np comme alias pour accéder à la librairie numpy import numpy as np print("tableau à une dimension") #convertir un objet list en un objet de type ndarray Réalisé par : Mezzi Zouhaeir

3 ième si 2

Lycée Route De tabrka Mateur

a=np.array([1.2,3.5,5.2,7.1]) print(a) #création de vecteur avec typage implicite x1=np.array([1,2,3,4,5,6,7]) print(x1) #création de vecteur avec typage explicite x2=np.array([1,2,3,4,5,6,7],dtype=float) print(x2)

Les vecteurs particuliers : Les fonctions zeros(n), ones(n) et rand(n) permettent la création des vecteurs nuls, vecteurs remplies de 1, et vecteurs remplie à valeurs (par défaut réels) aléatoires.

t=np.array([]) print(t) t1=np.zeros(5) print(t1) t2=np.ones(5) print(t2) t3=np.random.rand(5) print(t3)

[] [0. 0. 0. 0. 0.] [1. 1. 1. 1. 1.] [0.84634406 0.16203709 0.94965818 0.35081184 0.97006427]

Les matrices particulières : Les fonctions zeros((n,p)), ones((n,p)), et rand((n,p)) permettent la création des matrices nulles, remplies de 1, et matrice remplie par valeurs aléatoires. t=np.array([[]*5]*4,float) print(t) t1=np.zeros([5,4]) print(t1) t2=np.ones([5,4]) print(t2) t3=np.random.rand(5,4)

[] [[0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.] [0. 0. 0. 0.]] [[1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.] [1. 1. 1. 1.]] [[0.6023057 0.35450825 0.38740419 0.09859424] [0.86004331 0.20842941 0.93773192 0.10289647] [0.63236776 0.59951588 0.01317176 0.4146067 ] [0.70263821 0.95595824 0.60900702 0.29421282] [0.02171902 0.20767091 0.04037458 0.814966 ]]

print(t3)

Accès aux éléments d’un vecteur On accède aux éléments d'un vecteur par indice. Les indices commencent à 0 et finissent à N-1. On accède a un élément du vecteur avec la notation entre crochets Vect[indice].

L'accès aux éléments d'une matrice:

Réalisé par : Mezzi Zouhaeir

3 ième si 2

Lycée Route De tabrka Mateur

On accède aux éléments d'une matrice par indice i de ligne et indice j de colonne. On accède à un élément d'une matrice avec la notation entre crochets Mat[i,j]. Alors qu’avec une matrice python “classique” en utilisant les listes, il faudrait écrire Mat[i][j].

Initialisation d’un vecteur ou d’une matrice On doit commencer par l’instruction suivante : from numpy import array Vecteur : V=array([0]*n , dtype=’int’)  Tableau de n entiers initialisé par des zéros V=array([0]*n , dtype=’float’)  Tableau de n réels initialisé par les valeurs 0.0 V=array([ʺʺ]*n , dtype=’str’)  Tableau de n caractères contenant initialement des cases vides V=array([ʺʺ]*n , dtype=(str,d)  Tableau de n chaines de longueur maximum égale à d caractères Matrice :

M=array([0]*c]*L , dtype=……)

Remplissage d’un vecteur for i in range(n): V[i]=int(input(‘V[‘+str(i)+’]=’))

Remplissage d’une matrice for i in range(L) : for j in range(C): M[i,j]=int(input(‘M[‘+str(i)+’,’+str(j)+’]=’))

Affichage d’un vecteur for i in range(n) : print(V[i], end=’ | ‘)

Réalisé par : Mezzi Zouhaeir

ou bien print(V)

3 ième si 2

Lycée Route De tabrka Mateur

Affichage d’une matrice for i in range(L) : for j in range(C): print(M[i,j], end=’ ‘) print( )

Réalisé par : Mezzi Zouhaeir

ou bien print(M)