Création de Tableaux de Dimensions Supérieures
Tableaux 2D
Création d’un tableau de dimension supérieure, à savoir un tableau 2D :
1234import numpy as np # Creating a 2D array array_2d = np.array([[1, 2, 3], [4, 5, 6]]) print(f'2-dimensional array: \n{array_2d}')
En pratique, la création d’un tableau NumPy de dimension supérieure consiste à passer une liste de dimension supérieure comme argument à la fonction array().
Tout objet tableau NumPy est appelé un ndarray.
Voici une visualisation de notre tableau 2D :
On peut le considérer comme une matrice 2x3.
Tableau 3D
La création de tableaux 3D est presque identique à celle des tableaux 2D. La seule différence est qu'il faut maintenant passer une liste 3D en argument :
12345678import numpy as np # Creating a 3D array array_3d = np.array([ [[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[10, 11, 12], [13, 14, 15], [16, 17, 18]], [[19, 20, 21], [22, 23, 24], [25, 26, 27]] ]) print(f'3-dimensional array: \n{array_3d}')
Cependant, la visualisation d'un tableau 3D est un peu plus complexe, mais reste possible :
Le tableau est de taille 3x3x3, ce qui explique pourquoi nous avons un cube dont chaque côté mesure 3.
En pratique, la gestion des tableaux 3D et de dimensions supérieures ne diffère pas de celle des tableaux 2D.
Swipe to start coding
Créer un tableau 2D à l'aide de listes. Ce tableau peut comporter n'importe quel nombre de lignes et de colonnes, avec des valeurs arbitraires.
Solution
Merci pour vos commentaires !
single
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
What are some common operations you can perform on 2D and 3D arrays?
Can you explain how to access specific elements in a 2D or 3D array?
How do you reshape or modify the dimensions of a NumPy array?
Awesome!
Completion rate improved to 3.7Création de Tableaux de Dimensions Supérieures
Glissez pour afficher le menu
Tableaux 2D
Création d’un tableau de dimension supérieure, à savoir un tableau 2D :
1234import numpy as np # Creating a 2D array array_2d = np.array([[1, 2, 3], [4, 5, 6]]) print(f'2-dimensional array: \n{array_2d}')
En pratique, la création d’un tableau NumPy de dimension supérieure consiste à passer une liste de dimension supérieure comme argument à la fonction array().
Tout objet tableau NumPy est appelé un ndarray.
Voici une visualisation de notre tableau 2D :
On peut le considérer comme une matrice 2x3.
Tableau 3D
La création de tableaux 3D est presque identique à celle des tableaux 2D. La seule différence est qu'il faut maintenant passer une liste 3D en argument :
12345678import numpy as np # Creating a 3D array array_3d = np.array([ [[1, 2, 3], [4, 5, 6], [7, 8, 9]], [[10, 11, 12], [13, 14, 15], [16, 17, 18]], [[19, 20, 21], [22, 23, 24], [25, 26, 27]] ]) print(f'3-dimensional array: \n{array_3d}')
Cependant, la visualisation d'un tableau 3D est un peu plus complexe, mais reste possible :
Le tableau est de taille 3x3x3, ce qui explique pourquoi nous avons un cube dont chaque côté mesure 3.
En pratique, la gestion des tableaux 3D et de dimensions supérieures ne diffère pas de celle des tableaux 2D.
Swipe to start coding
Créer un tableau 2D à l'aide de listes. Ce tableau peut comporter n'importe quel nombre de lignes et de colonnes, avec des valeurs arbitraires.
Solution
Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessousMerci pour vos commentaires !
single
