NumPy : calculer sur des tableaux

Données : NumPy et pandas · 50 min

Les bibliothèques

Dans le projet de Mama Brigitte, tu as tout écrit toi-même : la lecture du fichier, les boucles, les regroupements. C'était la meilleure façon de comprendre. Mais des millions de programmeurs ont eu les mêmes besoins avant toi, et certains ont écrit des outils excellents, testés, très rapides, qu'ils partagent gratuitement.

import math
print(math.sqrt(16))    # 4.0

Python est livré avec des dizaines de bibliothèques (math, random, csv...). Les autres s'installent. Sur ton PC, on les installe dans le terminal avec pip, le gestionnaire de paquets de Python :

pip install numpy pandas

Dans l'appli, rien à installer : la première fois qu'un exercice importe une bibliothèque, elle est téléchargée automatiquement (quelques secondes, puis elle reste sur ton appareil).

Le tableau NumPy

import numpy as np

prix = np.array([1200, 1500, 500, 900])
print(prix * 2)      # [2400 3000 1000 1800]

Avec une liste, [1200, 1500] * 2 donne [1200, 1500, 1200, 1500] : la liste est répétée. Avec un tableau, chaque élément est multiplié. Plus besoin de boucle.

Les opérations marchent aussi entre deux tableaux de même longueur, élément par élément :

quantites = np.array([5, 10, 1, 2])
prix = np.array([1200, 1500, 500, 900])
montants = quantites * prix     # [6000 15000 500 1800]

Et les tableaux ont leurs méthodes de résumé :

Filtrer avec un masque

Dans la console, notes >= 10 a donné un tableau de True et de False, un par note :

notes = np.array([12, 8, 15, 10, 17])
notes >= 10          # [ True False  True  True  True]

notes[notes >= 10]           # [12 15 10 17] : les admis
(notes >= 10).sum()          # 4 : le nombre d'admis

Pourquoi .sum() compte-t-il ? Parce que dans un calcul, True vaut 1 et False vaut 0. Faire la somme d'un masque, c'est compter les True.

Pour combiner deux conditions, NumPy utilise & (et) et | (ou), avec des parenthèses autour de chaque condition :

notes[(notes >= 10) & (notes < 15)]      # [12 10] : admis sans mention

import numpy as np

quantites = np.array([3, 2, 20, 6])
prix = np.array([500, 1200, 1500, 400])

montants = quantites * prix
total = montants.sum()
plus_cher = montants.max()
print(montants, total, plus_cher)

import numpy as np

notes = np.array([12, 8, 15, 10, 17, 9, 14, 11, 6, 15])   # donné

moyenne = round(notes.mean(), 2)
nb_admis = (notes >= 10).sum()
au_dessus = notes[notes > moyenne]
mention = ((notes >= 14) & (notes < 16)).sum()

Les tableaux à deux dimensions

Un tableau peut avoir des lignes et des colonnes, comme un tableau de notes : une ligne par élève, une colonne par matière.

#                  maths  physique  français
notes = np.array([[14,    12,       9],     # Awa
                  [10,    15,       13],    # Paul
                  [17,    16,       11]])   # Mireille

notes[1, 2] lit la case ligne 1, colonne 2 (Paul en français : 13). notes[:, 0] prend toutes les lignes de la colonne 0 : les notes de maths.

notes.mean(axis=0)     # moyenne par matière : [13.67 14.33 11.]
notes.mean(axis=1)     # moyenne par élève : [11.67 12.67 14.67]

C'est exactement la forme des données en machine learning : une ligne par exemple (un élève, une maison, un patient), une colonne par caractéristique.

import numpy as np

notes = np.array([
    [14, 12, 9],
    [10, 15, 13],
    [17, 16, 11],
    [8, 11, 15],
])

par_eleve = notes.mean(axis=1)
par_matiere = notes.mean(axis=0)
meilleur = par_eleve.argmax()
maths = notes[:, 0]

Teste-toi