Création de Tableaux de Base
Un tableau NumPy est un conteneur multidimensionnel efficace pour stocker et manipuler de grands ensembles de données du même type. Bien qu'ils soient similaires aux listes Python, ils sont plus efficaces en mémoire et permettent des opérations mathématiques et numériques à haute performance.
Il est maintenant temps de créer vos premiers tableaux NumPy. La manière la plus simple de le faire est d'utiliser la fonction array(), en passant soit une list soit un tuple comme argument, et uniquement ceux-ci.
Vous devez créer des tableaux NumPy uniquement à partir de listes dans toutes les tâches de notre cours.
1234567import numpy as np # Creating an array from list array_from_list = np.array([1, 2, 3, 2, 6, 1]) # Creating an array from tuple array_from_tuple = np.array((1, 2, 3, 2, 6, 1)) print(f'Array from list: {array_from_list}') print(f'Array from tuple: {array_from_tuple}')
Spécification du type de données
Le type de données des éléments du tableau est défini implicitement ; cependant, il est possible de le spécifier explicitement avec le paramètre dtype :
1234567import numpy as np # Creating an integer array without specifying dtype array_1 = np.array([1, 2, 3]) # Creating an integer array with setting dtype to 1-byte integer array_2 = np.array([1, 2, 3], dtype=np.int8) print(f'First array dtype: {array_1.dtype}') print(f'Second array dtype: {array_2.dtype}')
Le premier tableau d'entiers utilise le type de données par défaut int64, qui correspond à un entier de 8 octets. Le second tableau utilise int8, un entier de 1 octet.
Les types de données NumPy les plus courants incluent numpy.float16, numpy.float32 et numpy.float64, qui stockent respectivement des nombres à virgule flottante sur 2, 4 et 8 octets.
Merci pour vos commentaires !
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Awesome!
Completion rate improved to 3.7Création de Tableaux de Base
Glissez pour afficher le menu
Un tableau NumPy est un conteneur multidimensionnel efficace pour stocker et manipuler de grands ensembles de données du même type. Bien qu'ils soient similaires aux listes Python, ils sont plus efficaces en mémoire et permettent des opérations mathématiques et numériques à haute performance.
Il est maintenant temps de créer vos premiers tableaux NumPy. La manière la plus simple de le faire est d'utiliser la fonction array(), en passant soit une list soit un tuple comme argument, et uniquement ceux-ci.
Vous devez créer des tableaux NumPy uniquement à partir de listes dans toutes les tâches de notre cours.
1234567import numpy as np # Creating an array from list array_from_list = np.array([1, 2, 3, 2, 6, 1]) # Creating an array from tuple array_from_tuple = np.array((1, 2, 3, 2, 6, 1)) print(f'Array from list: {array_from_list}') print(f'Array from tuple: {array_from_tuple}')
Spécification du type de données
Le type de données des éléments du tableau est défini implicitement ; cependant, il est possible de le spécifier explicitement avec le paramètre dtype :
1234567import numpy as np # Creating an integer array without specifying dtype array_1 = np.array([1, 2, 3]) # Creating an integer array with setting dtype to 1-byte integer array_2 = np.array([1, 2, 3], dtype=np.int8) print(f'First array dtype: {array_1.dtype}') print(f'Second array dtype: {array_2.dtype}')
Le premier tableau d'entiers utilise le type de données par défaut int64, qui correspond à un entier de 8 octets. Le second tableau utilise int8, un entier de 1 octet.
Les types de données NumPy les plus courants incluent numpy.float16, numpy.float32 et numpy.float64, qui stockent respectivement des nombres à virgule flottante sur 2, 4 et 8 octets.
Merci pour vos commentaires !
