1. Description de la méthode np.array()
La méthode np.array() est une fonction de la bibliothèque NumPy en Python, utilisée pour créer des tableaux (ou matrices) multidimensionnels appelés "ndarrays" (n-dimensional arrays). NumPy est une bibliothèque très populaire pour le calcul scientifique en Python et offre des fonctionnalités efficaces pour effectuer des opérations sur ces tableaux. En utilisant la méthode np.array(), vous pouvez créer des tableaux NumPy flexibles et puissants pour effectuer des opérations mathématiques et des manipulations de données efficaces.
2. Syntaxe de la méthode
2.1 Syntaxe de la méthode
La syntaxe générale de la méthode np.array() est la suivante :
|
1 2 3 |
import numpy as np numpy_array = np.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0) |
2.1 Paramètres de la méthode
- object: C'est l'objet à partir duquel le tableau sera créé. Il peut s'agir d'une liste Python, d'un tuple, d'un autre tableau NumPy ou d'une séquence similaire d'éléments.
- dtype (facultatif) : Le type de données que le tableau doit contenir. Par exemple, int, float, complex, bool, etc. Si ce paramètre n'est pas spécifié, NumPy essayera d'inférer le type de données en fonction des éléments de l'objet.
- copy (facultatif) : Un booléen indiquant s'il faut copier les données de l'objet dans le nouveau tableau. Par défaut, c'est True, ce qui signifie qu'une copie est effectuée.
- order (facultatif) : Spécifie l'ordre dans lequel les données doivent être stockées dans la mémoire. Les valeurs possibles sont 'C' (par défaut) pour l'ordre C-contigu (rangées), 'F' pour l'ordre Fortran-contigu (colonnes) ou 'A' pour un ordre quelconque.
- subok (facultatif) : Un booléen indiquant s'il faut permettre aux sous-classes d'array d'être passées, par défaut False.
- ndmin (facultatif) : Le nombre minimal de dimensions que le tableau doit avoir. Par défaut, ndmin=0 signifie que le tableau est créé avec autant de dimensions que nécessaire.
La méthode np.array() renvoie le tableau NumPy contenant les données de l'objet donné. Ce tableau peut avoir une ou plusieurs dimensions, en fonction de l'objet d'entrée et du paramètre ndmin.
3. Exemples d'usage de la méthode
Exemple (tableau à une dimension)
|
1 2 3 4 5 6 7 8 9 10 |
import numpy as np # Créer un tableau à partir d'une liste Python my_list = [1, 2, 3, 4, 5] arr_from_list = np.array(my_list) print(arr_from_list) # Output: [1 2 3 4 5] # Spécifier le type de données arr_float = np.array([1.1, 2.2, 3.3], dtype=float) print(arr_float) # Output: [1.1 2.2 3.3] |
Exemple (tableau à deux dimensions)
|
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 |
import numpy as np # Créer un tableau à deux dimensions (matrice) à partir d'une liste de listes my_matrix = [[1, 2, 3], [4, 5, 6], [7, 8, 9]] arr_2d = np.array(my_matrix) print(arr_2d) # Output: # [[1 2 3] # [4 5 6] # [7 8 9]] # Accéder aux éléments du tableau print(arr_2d[0, 1]) # Output: 2 (élément à la première ligne et deuxième colonne) # Dimensions du tableau print(arr_2d.shape) # Output: (3, 3) (3 lignes, 3 colonnes) # Type de données du tableau print(arr_2d.dtype) # Output: int64 (par défaut, car tous les éléments sont des entiers) # Nombre total d'éléments dans le tableau print(arr_2d.size) # Output: 9 (3 lignes * 3 colonnes = 9 éléments) |
Younes Derfoufi
CRMEF OUJDA
