NumPy Création de tableaux
Créer un objet NumPy ndarray
NumPy est utilisé pour travailler avec des tableaux. L'objet tableau dans NumPy est appelé
ndarray
.
Nous pouvons créer un
ndarray
objet NumPy en utilisant la array()
fonction.
Exemple
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
print(type(arr))
type() : cette fonction Python intégrée nous indique le type de l'objet qui lui est transmis. Comme dans le code ci-dessus, il montre que arr
c'est le
numpy.ndarray
type.
Pour créer un ndarray
, nous pouvons passer une liste, un tuple ou tout autre objet de type tableau dans la array()
méthode, et il sera converti en un
ndarray
:
Exemple
Utilisez un tuple pour créer un tableau NumPy :
import numpy as np
arr = np.array((1, 2, 3, 4, 5))
print(arr)
Dimensions dans les tableaux
Une dimension dans les tableaux correspond à un niveau de profondeur de tableau (tableaux imbriqués).
tableau imbriqué : ce sont des tableaux qui ont des tableaux comme éléments.
Tableaux 0-D
Les tableaux 0-D, ou scalaires, sont les éléments d'un tableau. Chaque valeur d'un tableau est un tableau 0-D.
Exemple
Créer un tableau 0-D avec la valeur 42
import numpy as np
arr = np.array(42)
print(arr)
Tableaux 1-D
Un tableau qui a des tableaux 0-D comme éléments est appelé tableau unidimensionnel ou 1-D.
Ce sont les tableaux les plus courants et les plus basiques.
Exemple
Créez un tableau 1D contenant les valeurs 1,2,3,4,5 :
import numpy as np
arr = np.array([1, 2, 3, 4, 5])
print(arr)
Tableaux 2D
Un tableau qui a des tableaux 1-D comme éléments est appelé un tableau 2-D.
Ceux-ci sont souvent utilisés pour représenter des matrices ou des tenseurs du 2e ordre.
NumPy a un sous-module entier dédié aux opérations matricielles appelé
numpy.mat
Exemple
Créez un tableau 2D contenant deux tableaux avec les valeurs 1,2,3 et 4,5,6 :
import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr)
Tableaux 3D
Un tableau qui a des tableaux 2D (matrices) comme éléments est appelé tableau 3D.
Ceux-ci sont souvent utilisés pour représenter un tenseur d'ordre 3.
Exemple
Créez un tableau 3D avec deux tableaux 2D, contenant tous deux deux tableaux avec les valeurs 1,2,3 et 4,5,6 :
import numpy as np
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(arr)
Vérifier le nombre de dimensions ?
NumPy Arrays fournit l' ndim
attribut qui renvoie un entier qui nous indique le nombre de dimensions du tableau.
Exemple
Vérifiez le nombre de dimensions des tableaux :
import numpy as np
a = np.array(42)
b = np.array([1, 2, 3, 4, 5])
c = np.array([[1, 2, 3], [4, 5, 6]])
d = np.array([[[1, 2, 3], [4, 5, 6]], [[1, 2, 3], [4, 5, 6]]])
print(a.ndim)
print(b.ndim)
print(c.ndim)
print(d.ndim)
Tableaux dimensionnels supérieurs
Un tableau peut avoir n'importe quel nombre de dimensions.
Lorsque le tableau est créé, vous pouvez définir le nombre de dimensions à l'aide de l' ndmin
argument.
Exemple
Créez un tableau à 5 dimensions et vérifiez qu'il a 5 dimensions :
import numpy as np
arr = np.array([1, 2, 3, 4], ndmin=5)
print(arr)
print('number of dimensions :', arr.ndim)
Dans ce tableau, la dimension la plus interne (5ème dim) a 4 éléments, la 4ème dim a 1 élément qui est le vecteur, la 3ème dim a 1 élément qui est la matrice avec le vecteur, la 2ème dim a 1 élément qui est un tableau 3D et 1st dim a 1 élément qui est un tableau 4D.