Python pour
Big Data
Mayssa Emmales 2024 - 2025
01
Introduction
Vous souhaitez devenir Data Analyst ou Data Scientist ?Vous voulez faire des
analyses de données avec python ?
Alors, sachez que : Pandas, Matplotlib, SciPy et scikit-learn de Python sont parmis
les bibliothèques que vous devez connaître et utiliser si vous voulez faire de la
science des données.
Toutes ces bibliothèques s’appuient sur NumPy.
Donc NumPy est incontournable pour un Data scientist.
02
Mayssa Emmales 2024 - 2025
La bibliothèque NumPy
Qu’est-ce que NumPy Python ?
• NumPy (Numerical Python) est une bibliothèque de python qui comporte des
fonctions permettant de manipuler des matrices ou tableaux multidimensionnels.
Pourquoi utiliser NumPy ?
• Lors des calculs logiques et mathématiques sur des matrices et tableaux, c’est
NumPy qui est très sollicité. Il permet d’effectuer rapidement et efficacement les
opérations par rapport aux listes Python.
• Les tableaux NumPy utilisent d’abord moins de mémoire et d’espace de stockage, ce
qui le rend plus avantageux que les tableaux traditionnels de python.
03
Mayssa Emmales 2024 - 2025
Les tableaux NumPy
• Les tableaux NumPy sont rapides, simples à comprendre et les utilisateurs peuvent
facilement effectuer des calculs sur ses tableaux. Il occupe peu de mémoire et son
indexation des tableaux est très rapide.
• Prenons également un exemple pour illustrer cela :
import numpy as np
org_array = [Link]([[23, 46, 85], [43, 56, 99], 11, 34, 55]])
print(org_array)
04
Mayssa Emmales 2024 - 2025
Démarrer avec NumPy
• Installation de NumPy
pip install numpy
Pour utiliser la bibliothèque, il faut l’importer :
import numpy as np
• np est juste une abréviation de numpy utiliser par les data scientists.
05
Mayssa Emmales 2024 - 2025
Manipulation de tableau NumPy
Comment créer un tableau de base NumPy ?
• Il est très facile de créer un tableau NumPy, il faut juste utiliser la fonction
[Link]() pour cela :
• [Link]([ 1 , 2 , 3 , 4 ]) Ce tableau n’a que des valeurs entières. Vous avez la
possibilité de préciser le type de données dans l’argument :
• [Link] ([ 1 , 2 , 3 , 4 ], dtype = np . float32 )
• Vous aurez comme sortie : array([1., 2., 3., 4.], dtype=float32)
• Mais comme dans les tableaux NumPy, les données sont toutes de même
type, alors, NumPy va automatiquement trans-typer les types qui ne
correspondent pas.
• [Link]([ 1 , 2.0 , 3 , 4 ])
• Sortie: array([1., 2., 3., 4.])
06
Mayssa Emmales 2024 - 2025
Les tableaux multidimensionnels NumPy
07
Mayssa Emmales 2024 - 2025
Les nombres aléatoires
08
Mayssa Emmales 2024 - 2025
Un tableau de votre choix
09
Mayssa Emmales 2024 - 2025
Les Matrices dans NumPy
10
Mayssa Emmales 2024 - 2025
Tableaux régulièrement espacés
11
Mayssa Emmales 2024 - 2025
Tableaux régulièrement espacés
12
Mayssa Emmales 2024 - 2025
Dimension des tableaux
13
Mayssa Emmales 2024 - 2025
Forme du tableau NumPy
14
Mayssa Emmales 2024 - 2025
La taille du tableau
15
Mayssa Emmales 2024 - 2025
Changement de la forme du tableau NumPy
16
Mayssa Emmales 2024 - 2025
Changement de la forme du tableau NumPy
17
Mayssa Emmales 2024 - 2025
Aplatir un tableau NumPy
18
Mayssa Emmales 2024 - 2025
Aplatir un tableau NumPy
19
Mayssa Emmales 2024 - 2025
Transposition d’un tableau NumPy
20
Mayssa Emmales 2024 - 2025
Indexation et découpage du tableau NumPy
21
Mayssa Emmales 2024 - 2025
Découpage de tableaux NumPy 2D
22
Mayssa Emmales 2024 - 2025
Inverser un tableau
23
Mayssa Emmales 2024 - 2025
Empiler et concaténer des tableaux NumPy
24
Mayssa Emmales 2024 - 2025
Empiler des tableaux NumPy
25
Mayssa Emmales 2024 - 2025
Empiler des tableaux NumPy
26
Mayssa Emmales 2024 - 2025
Concaténer des tableaux
27
Mayssa Emmales 2024 - 2025
Ajout d’éléments au tableau
Il y a également la méthode append() qui ajoute plutôt de nouvel élément
dans le tableau :
28
Mayssa Emmales 2024 - 2025
Mathématique avec les tableaux NumPy
29
Mayssa Emmales 2024 - 2025
Mathématique avec les tableaux NumPy
30
Mayssa Emmales 2024 - 2025
Mathématique avec les tableaux NumPy
31
Mayssa Emmales 2024 - 2025
Tri dans les tableaux NumPy
32
Mayssa Emmales 2024 - 2025