Scribd
Importer
5 vues21 pages

Introduction à NumPy pour Python

NumPy est une bibliothèque essentielle pour le calcul scientifique en Python, offrant un support pour les tableaux multidimensionnels et des fonctions mathématiques avancées. Elle permet des opérations efficaces sur des tableaux et matrices, avec des performances supérieures aux listes Python traditionnelles. Le document couvre l'installation, la création, la manipulation, et les opérations de base sur les tableaux avec NumPy.

Transféré par

yassine imlayhan
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
5 vues21 pages

Introduction à NumPy pour Python

NumPy est une bibliothèque essentielle pour le calcul scientifique en Python, offrant un support pour les tableaux multidimensionnels et des fonctions mathématiques avancées. Elle permet des opérations efficaces sur des tableaux et matrices, avec des performances supérieures aux listes Python traditionnelles. Le document couvre l'installation, la création, la manipulation, et les opérations de base sur les tableaux avec NumPy.

Transféré par

yassine imlayhan
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Numpy

1
Introduction
• NumPy est une bibliothèque fondamentale pour le calcul scientifique en Python. Elle fournit un
support puissant pour les tableaux multidimensionnels et des fonctions mathématiques de haut
niveau pour effectuer des opérations sur ces tableaux.

Que ce que Numpy ?


NumPy, qui signifie "Numerical Python", est une bibliothèque open-source qui permet de travailler efficacement
avec des tableaux et des matrices. Elle est particulièrement utile pour les opérations mathématiques et
scientifiques, car elle offre des performances optimisées par rapport aux listes Python traditionnelles.

2
Utilisation de Numpy
Pour installer NumPy, vous pouvez utiliser pip, le gestionnaire de paquets Python. Exécutez la commande
suivante dans votre terminal :

pip install numpy

import numpy as np

3
Utilisation de Numpy
1. Création et Manipulation de Tableaux (ndarray)

4
Utilisation de Numpy
2. Création de Tableaux avec de fcts numpy

5
sorting and conctenating elements
[Link]() et [Link]()

6
shape, type, size and dim of array
Propriétés des Tableaux

Forme (shape) : [Link]

Type des éléments (dtype) : [Link]

Nombre d'éléments (size) : [Link]

Dimension (ndim) : [Link]

7
shape, type, size and dim of array

8
indexing and slicing

data = [Link]([1, 2, 3])


data[1]
data[0:2]
data[1:]
data[-2:]

9
indexing and slicing

10
indexing and slicing
a1 = [Link]([[1, 1], [2, 2]])

a2 = [Link]([[3, 3], [4, 4]])

#Fusion de 2 tableau verti


[Link]((a1, a2))

#Fusion de 2 tableau horiz


[Link]((a1, a2))

11
Basic operations array
data = [Link]([1, 2])
ones = [Link](2, dtype=int)
data + ones

12
Basic operations array
data = [Link]([1, 2])
ones = [Link](2, dtype=int)

13
Basic operations array
a = [Link]([1, 2, 3, 4])
[Link]() #10

b = [Link]([[1, 1], [2, 2]])

[Link](axis=0) #array([3,3])

[Link](axis=1) #array([2,4])

data = [Link]([1.0, 2.0])


data * 1.6

14
Basic operations array
data = [Link]([1.0, 2.0, 3.0])
[Link]()
[Link]()
[Link]()

15
Basic operations array

a = [Link]([[0.45053314, 0.17296777, 0.34376245, 0.5510652],


[0.54627315, 0.05093587, 0.40067661, 0.55645993],
[0.12697628, 0.82485143, 0.26590556, 0.56917101]])
[Link]() #4.8595784
[Link]() #0.05093587
[Link](axis=0) #array([0.12697628, 0.05093587, 0.26590556, 0.5510652 ])

16
Creating matrices
data = [Link]([[1, 2], [3, 4], [5, 6]])

17
Creating matrices
data = [Link]([[1, 2], [3, 4], [5, 6]])

18
Creating matrices
data = [Link]([[1, 2], [3, 4], [5, 6]])

19
Creating matrices

[Link]((3, 2))
[Link]((3, 2))
[Link]((3, 2))

20
21

Vous aimerez peut-être aussi