Objectifs d'apprentissage

À la fin de cette section, vous devriez être en mesure de :

• Décrire la bibliothèque NumPy.
• Créer un objet tableau NumPy.
• Choisir les fonctions NumPy appropriées pour traiter des tableaux de données numériques.

Bibliothèque NumPy

NumPy (Numerical Python) est une bibliothèque Python qui prend en charge des opérations numériques efficaces sur de grands tableaux multidimensionnels et sert d'élément fondamental pour l'analyse de données en Python. L'alias conventionnel pour importer NumPy est np. En d'autres termes, NumPy est importé avec import numpy as np. NumPy implémente l'objet ndarray, qui permet la création d'un tableau multidimensionnel de types de données homogènes (colonnes ayant le même type de données) et un traitement efficace des données. Un objet ndarray peut avoir n'importe quel nombre de dimensions et peut stocker des éléments de divers types de données numériques. Pour créer un objet NumPy ndarray, l'une des options suivantes peut être utilisée :

• Créer un ndarray en convertissant une liste ou un tuple Python à l'aide de la fonction np.array().
• Utiliser des fonctions intégrées comme np.zeros() et np.ones() pour créer un tableau composé uniquement de 0 ou de 1, respectivement.
• Générer un tableau contenant des nombres aléatoires à l'aide de np.random.rand(n, m), où n et m représentent respectivement le nombre de lignes et de colonnes.
• Charger des données à partir d'un fichier. Ex. : np.genfromtxt('data.csv', delimiter=',').

Opérations NumPy

En plus du type de données ndarray, les opérations de NumPy offrent des performances optimisées pour les calculs à grande échelle. Les principales caractéristiques de NumPy comprennent :

• Opérations mathématiques : NumPy propose un ensemble de fonctions et d'opérations mathématiques qui peuvent être appliquées à des tableaux entiers ou à des éléments spécifiques. Ces opérations comprennent des fonctions arithmétiques, trigonométriques, exponentielles et logarithmiques.
• Manipulation de tableaux : NumPy fournit diverses fonctions pour manipuler la forme, la taille et la structure des tableaux. Celles-ci incluent le redimensionnement, la transposition, la concaténation, le découpage, ainsi que l'ajout ou la suppression d'éléments dans les tableaux.
• Opérations d'algèbre linéaire : NumPy offre un ensemble de fonctions d'algèbre linéaire pour les opérations matricielles, telles que la multiplication matricielle, l'inversion de matrice, les valeurs propres et les vecteurs propres.

import numpy as np

arr = np.array([[1, 2], [3, 4]])
out = 2 * arr
print(out)

import numpy as np

arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[1, 0], [0, 1]])
out = np.multiply(arr1, arr2)
print(out)

Exercices de programmation avec Google Colaboratory

Utilisez le document Google Colaboratory ci-dessous pour vous exercer aux fonctionnalités de NumPy afin d'extraire des informations statistiques d'un jeu de données.

Document Google Colaboratory