Contenu du cours

Numpy Ultime

1. Bases de NumPy

Introduction à NumPy Création de Tableau de Base Création de Tableaux à Dimensions Supérieures Fonctions de Création pour les Tableaux 1D Fonctions de Création pour les Tableaux 2D Fonctions Générales de Création de Tableaux Tableaux Aléatoires

2. Indexation et Découpage

Indexation de Base Indexation Multidimensionnelle Découpage Découpage dans les Tableaux 2D Indexation par Tableau d'Entiers Indexation Booléenne Plus sur les Comparaisons Indexation Booléenne dans les Tableaux 2D Attribuer des Valeurs aux Éléments Indexés Assignation de Valeurs aux Sous-Tableaux Indexés

3. Fonctions NumPy Couramment Utilisées

Tri des Tableaux Tri des Tableaux 2D Copier des Tableaux Restructuration des Tableaux Aplatissement des Tableaux Concaténation de Tableaux

4. Math avec NumPy

Diffusion Opérations Mathématiques de Base Opérations Statistiques Algèbre Linéaire de Base avec NumPy

Aplatissement des Tableaux

Aplatir un tableau signifie le convertir d'un tableau multidimensionnel en un tableau 1D, déroulant essentiellement son contenu.

Cette opération est utile lorsque vous devez traiter les éléments d'un tableau un par un ou lorsque vous souhaitez rendre les données plus adaptées à certains algorithmes.

Il existe trois options possibles pour aplatir dans NumPy :

Utiliser la méthode ndarray.reshape(-1) ou la fonction numpy.reshape(array, -1) ;
Utiliser la méthode ndarray.ravel() ou la fonction numpy.ravel(array) ;
Utiliser la méthode ndarray.flatten().

reshape(-1)

La méthode .reshape(-1) ou la fonction reshape(array, -1) renverra un tableau aplati contigu avec le même nombre d'éléments.

Comme nous l'avons déjà mentionné dans le chapitre précédent, -1 calcule automatiquement la taille de la dimension en fonction de la taille du tableau d'origine. Puisque nous passons seulement un entier pour shape, un tableau 1D avec le même nombre d'éléments est renvoyé.


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.reshape(-1)
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Modified initial array:\n{array_2d}')

La méthode .reshape() ou la fonction respective renvoie une vue du tableau original, donc toute modification apportée au tableau redimensionné affectera également le tableau original.

Utiliser flattened_array = np.reshape(array_2d, -1) peut être utilisé au lieu d'appeler la méthode.

ravel()

La méthode ndarray.ravel() ou la fonction numpy.ravel(array) fonctionne de la même manière que reshape(-1) et renvoie également une vue du tableau original :


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.ravel()
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Modified initial array:\n{array_2d}')

flattened_array = np.ravel(array_2d) peut être utilisé à la place d'appeler la méthode.

ndarray.flatten()

Si vous souhaitez une copie du tableau original, et non une vue, vous pouvez utiliser la méthode .flatten() :


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.flatten()
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Initial array:\n{array_2d}')

Remarque

Vous pouvez toujours copier une vue d'un tableau pour créer un objet séparé et modifier cette copie sans affecter le tableau original.

Tâche

Swipe to start coding

Utilisez correctement la méthode .flatten() pour aplatir exam_scores et stockez le résultat dans exam_scores_flattened.
Utilisez correctement la méthode .reshape() pour aplatir exam_scores et stockez le résultat dans exam_scores_reshaped.
Utilisez la méthode .ravel() pour aplatir exam_scores et stockez le résultat dans exam_scores_raveled.
Parmi les trois tableaux aplatis créés, choisissez celui qui est une copie du tableau original, pas une vue, et assignez 100 à son premier élément (utilisez l'indexation positive).

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 3. Chapitre 5

Aplatissement des Tableaux

Aplatir un tableau signifie le convertir d'un tableau multidimensionnel en un tableau 1D, déroulant essentiellement son contenu.

Cette opération est utile lorsque vous devez traiter les éléments d'un tableau un par un ou lorsque vous souhaitez rendre les données plus adaptées à certains algorithmes.

Il existe trois options possibles pour aplatir dans NumPy :

Utiliser la méthode ndarray.reshape(-1) ou la fonction numpy.reshape(array, -1) ;
Utiliser la méthode ndarray.ravel() ou la fonction numpy.ravel(array) ;
Utiliser la méthode ndarray.flatten().

reshape(-1)

La méthode .reshape(-1) ou la fonction reshape(array, -1) renverra un tableau aplati contigu avec le même nombre d'éléments.


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.reshape(-1)
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Modified initial array:\n{array_2d}')

La méthode .reshape() ou la fonction respective renvoie une vue du tableau original, donc toute modification apportée au tableau redimensionné affectera également le tableau original.

Utiliser flattened_array = np.reshape(array_2d, -1) peut être utilisé au lieu d'appeler la méthode.

ravel()

La méthode ndarray.ravel() ou la fonction numpy.ravel(array) fonctionne de la même manière que reshape(-1) et renvoie également une vue du tableau original :


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.ravel()
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Modified initial array:\n{array_2d}')

flattened_array = np.ravel(array_2d) peut être utilisé à la place d'appeler la méthode.

ndarray.flatten()

Si vous souhaitez une copie du tableau original, et non une vue, vous pouvez utiliser la méthode .flatten() :


              1234567
            
import numpy as np
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
flattened_array = array_2d.flatten()
print(f'Flatenned array: {flattened_array}')
# Changing the first element of flattened_array
flattened_array[0] = 10
print(f'Initial array:\n{array_2d}')

Remarque

Vous pouvez toujours copier une vue d'un tableau pour créer un objet séparé et modifier cette copie sans affecter le tableau original.

Tâche

Swipe to start coding

Utilisez correctement la méthode .flatten() pour aplatir exam_scores et stockez le résultat dans exam_scores_flattened.
Utilisez correctement la méthode .reshape() pour aplatir exam_scores et stockez le résultat dans exam_scores_reshaped.
Utilisez la méthode .ravel() pour aplatir exam_scores et stockez le résultat dans exam_scores_raveled.
Parmi les trois tableaux aplatis créés, choisissez celui qui est une copie du tableau original, pas une vue, et assignez 100 à son premier élément (utilisez l'indexation positive).

Solution

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous

Tout était clair ?

Merci pour vos commentaires !

Section 3. Chapitre 5

Passez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous