6.7 KiB
title, author
| title | author |
|---|---|
| Données avec Numpy | Steve Kossouho |
Création de données avec Numpy
Tableaux Numpy
Numpy est une bibliothèque Python dont la principale fonctionnalité est codée dans le langage C. Il s'agit d'une structure de données nommée un ndarray, à savoir un tableau à n-dimensions.
Le stockage des données dans un tel tableau est beaucoup plus efficace que les listes Python, car les données d'un ndarray sont généralement des valeurs dont le type est l'un des types de base gérés nativement par un processeur moderne et stockables efficacement en mémoire (ex. entier 32 bits, entier 64 bits ou flottant 64 bits).
En plus d'être efficaces, ces tableaux se manipulent en utilisant la syntaxe standard de Python pour les listes, ce qui les rend très pratiques.
Création d'un tableau Numpy
En règle générale, il est important de savoir générer un tableau avec Numpy, car cela peut occasionnellement servir pour certains calculs.
Pour créer un tableau à une dimension (l'équivalent d'une liste), c'est extrêmement simple :
import numpy as np
array1 = np.array([1, 2, 3]) # Crée un tableau 1D à partir d'une liste
print(array1)
Pour créer un tableau à deux dimensions, il suffit d'envoyer une liste contenant des éléments qui sont des listes (un pour chaque ligne) :
import numpy as np
array2 = np.array([[1, 2, 3], [4, 5, 6]]) # Crée un tableau 2D (matrice)
Générer des tableaux avec Numpy
Nous avons vu qu'il est simple de créer manuellement des tableaux ou matrices depuis des listes Python, mais souvent, il est intéressant de créer des données qui ont certaines propriétés, comme par exemple :
- Remplir une matrice de taille x avec des valeurs fixes
- Créer une matrice d'identité (carrée avec 1.0 en diagonale)
- Remplir une matrice de nombres aléatoires
- Remplir une matrice avec une suite arithmétique ou géométrique
Séquence de nombres
Générer une suite arithmétique de nombres comme la fonction range(){.python} est possible grâce à la fonction numpy.arange(){.python} :
import numpy as np
range1 = np.arange(0, 10, 1) # De 0 à 9
range2 = np.arange(0, 10, 2) # De 2 en 2 de 0 à 8
range3 = np.arange(10, 0, -2) # De -2 en -2 de 10 à 2
Séquence de valeurs équidistantes
On peut générer une suite de nombres uniformément disposés entre 2 valeurs incluses,
via la fonction "espace linéaire" numpy.linspace(){.python} :
import numpy as np
linspace1 = np.linspace(0, 10, num=5) # 0, 2.5, 5.0, 7.5 et 10.0
Tableaux de nombres aléatoires
Vous pouvez générer des séquences ou matrices de nombres aléatoires avec plusieurs fonctions fournies par le module numpy.random :
import numpy as np
# Loi Gaussienne (normale), 3x3, centre à 5.0 et écart-type de 5.0
normal1 = np.random.normal(loc=5.0, scale=5.0, size=(3, 3))
# Loi de Pareto
pareto1 = np.random.pareto(10.0, size=100)
# Nombres pseudo-aléatoires entre 0 et 1 non inclus
basic1 = np.random.random(size=10)
Tableaux préinitialisés
Vous pouvez très aisément générer des tableaux numpy contenant, au choix, des zéros, des un, une valeur constante ou encore des matrices diagonales (identité notamment);
import numpy as np
from math import pi
# Tableau de 5 x 5 rempli de zéros
zeros = np.zeros((5, 5))
# Tableau de 9 x 4 rempli de 1
ones = np.ones((9, 4))
# Tableau de 6 x 2 rempli de Pi
pis = np.full((6, 2), pi)
# Matrice d'identité (carrée 3x3)
identity = np.identity(3)
Générer des séquences de dates avec Pandas
Pandas propose de créer des index d'objets date, dont le type est nommé datetime64[ns] (précision à la nanoseconde).
La fonction disponible pour ce faire est nommée pandas.date_range{.python} et s'utilise de deux façons :
import pandas as pd
# Générer un index contenant 4 dates équidistantes
# Les 4 dates contiennent celle de départ et celle de fin
date_index = pd.date_range("2024-01-01", "2024-12-31", periods=4)
Cette méthode permet de créer un index de dates à intervalle constant. Il faut pour cela utiliser l'argument
periods= et y préciser le nombre de dates à obtenir dans l'index.
L'autre utilisation de la fonction date_range() consiste à générer un index de dates,
non pas disposées à intervalles réguliers, mais disposées selon un motif; par exemple, il
est possible de générer un index dans lequel on générera tous les lundi entre deux
dates. Pour cela il faudra utiliser l'argument freq= :
import pandas as pd
# Entre le 1er janvier et le premier mars inclus, générer tous les lundis
date_index = pd.date_range("2024-01-01", "2024-03-01", freq="W-MON") # weekly-monday
# Entre le 1er janvier et le premier mars inclus, générer un dimanche sur deux
date_index2 = pd.date_range("2024-01-01", "2024-03-01", freq="2W-SUN") # weekly-sunday
Il est possible de générer de nombreuses variations, qui sont documentées ici : date_range:freq.
Routines de création de tableaux
De très nombreuses fonctions de création de tableaux sont disponibles dans Numpy en sus des fonctions présentées dans ce support. Elles sont présentées dans le document Création de tableaux
Calcul avec les tableaux Numpy
Un des principaux intérêts des tableaux Numpy, outre leur consommation mémoire, est leur utilisation. Il est simplement possible d'effectuer des modifications simples sur des tableaux, telles que :
- Calcul vectorisé
- Produit matriciel
- Agrégations (statistiques, arithmétique etc.)
Opérations arithmétiques Numpy
Vous pouvez appliquer un calcul arithmétique à tous les éléments d'un tableau Numpy
sans avoir à effectuer de boucle for{.python} :
import numpy as np
numbers = np.array([1, 2, 3, 4, 5])
computed = numbers * 4 + 1.5 # Nouveau tableau où tous les éléments ont été modifiés
Produit matriciel
Python 3.7 (2018) a introduit un nouvel opérateur destiné au produit matriciel : @{.python}
Cet opérateur peut être personnalisé par n'importe quelle classe via la méthode __matmul__{.python}.
La bibliothèque numpy est une des rares à l'utiliser.
import numpy as np
square = np.random.random(size=(3, 3))
identity = np.identity(3)
noop = square @ identity
print(square)
print(noop)