Exercice Corrigé: NumPy – Partie 1

NumPy est une bibliothèque Python fondamentale pour le calcul scientifique, offrant un objet array multidimensionnel et diverses routines pour des opérations de tableaux rapides. Elle prend en charge les opérations mathématiques, logiques, la manipulation de formes, le tri, les entrées/sorties, les transformations de Fourier, l’algèbre linéaire, les statistiques, les simulations aléatoires, etc.

La meilleure façon d’apprendre est de pratiquer et de s’exercer. Ici, vous pouvez pratiquer les concepts de NumPy avec des exercices allant du plus simple au plus complexe, chacun accompagné d’un exemple de solution et d’une explication. Il est recommandé d’essayer ces exercices par vous-même avant de vérifier les solutions.
 
 

Exercice 1:

Ecrire un programme Numpy pour obtenir la version de Numpy et afficher la configuration de Numpy.

Solution:

Ces informations sont utiles pour déboguer, assurer la compatibilité et comprendre comment NumPy a été compilé et installé sur le système.

# Importer la bibliothèque NumPy avec l'alias 'np'.
import numpy as np

# Afficher la version de NumPy installée
print(np.__version__)

# Afficher les détails de la configuration de NumPy
print(np.show_config())
 

Exercice 2:

Ecrivez un programme NumPy pour obtenir de l’aide avec la fonction add.

Solution:

Ce problème implique l’utilisation des fonctions de documentation intégrées de NumPy pour comprendre une fonction spécifique. La tâche consiste à écrire un programme qui importe la bibliothèque NumPy et récupère des informations détaillées sur la fonction np.add à l’aide de la méthode np.info(). Cet exercice permet aux utilisateurs d’apprendre à accéder à la documentation directement dans l’environnement de codage, ce qui les aide à mieux comprendre et utiliser les fonctions NumPy.

# Importer la bibliothèque NumPy avec l'alias 'np'.
import numpy as np

# Afficher des informations sur la fonction np.add à l'aide de la méthode np.info()
print(np.info(np.add))
 

Exercice 3:

Ecrivez un programme NumPy pour tester si aucun des éléments d’un tableau donné n’est nul.

Exemple:

[1, 2, 3, 4] -> True
[0, 1, 2, 3, 4] -> False
Solution:

Cette fonction est utile pour valider les données lorsque la présence de valeurs nulles peut être problématique ou indiquer une erreur.

# Importer la bibliothèque NumPy avec l'alias 'np'.
import numpy as np

# Création d'un tableau NumPy 'tab' contenant les éléments 1, 2, 3 et 4
tab = np.array([1, 2, 3, 4])

# Afficher le tableau original 'tab'
print("Tableau original:")
print(tab)

# Vérifier si aucun des éléments du tableau 'tab' n'est nul et afficher le résultat.
print("Aucun des éléments de ce tableau n'est nul:")
print(np.all(tab))

Sortie:

Tableau original: [1 2 3 4]
Aucun des éléments de ce tableau n'est nul: True
 

Exercice 4:

Écrire un programme NumPy pour tester si l’un des éléments d’un tableau donné est différent de zéro.

Exemple:

[1, 0, 0, 0] -> False
[0, 0, 0, 0] -> True
Solution:

Il s’agit d’écrire un programme qui détermine si l’un des éléments d’un tableau NumPy donné est non nul. Ceci est utile dans les situations où la présence de valeurs non nulles est significative.

# Importer la bibliothèque NumPy avec l'alias 'np'.
import numpy as np

# Création d'un tableau NumPy 'tab' contenant les éléments 1, 0, 0 et 0
tab = np.array([1, 0, 0, 0])

# Afficher le tableau original 'tab'
print("Tableau original:")
print(tab)

# Vérifier si un élément du tableau 'tab' est non nul et afficher le résultat.
print("Tester si l'un des éléments est non nul:")
print(np.any(tab))

Sortie:

Tableau original: [1 0 0 0]
Tester si l'un des éléments est non nul: True
 

Exercice 5:

Écrire un programme NumPy pour créer un tableau de 10 zéros, 10 uns et 10 cinq.

Exemple:

Un tableau de 10 zéros: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
Un tableau de 10 uns:   [1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
Un tableau de 10 cinq:  [5. 5. 5. 5. 5. 5. 5. 5. 5. 5.]
Solution:

Ce programme NumPy crée trois tableaux distincts : l’un composé de 10 zéros, l’autre de 10 uns et le dernier de 10 cinq. Il utilise les fonctions de création de tableaux de NumPy pour générer ces tableaux de manière efficace. Ce programme démontre comment initialiser des tableaux avec des valeurs spécifiques de manière concise.

# Importer la bibliothèque NumPy avec l'alias 'np'.
import numpy as np

# Création d'un tableau de 10 zéros à l'aide de np.zeros()
array = np.zeros(10)

# Affichage d'un message indiquant un tableau de 10 zéros
print("Un tableau de 10 zéros:", array)

# Création d'un tableau de 10 uns à l'aide de np.ones()
array = np.ones(10)

# Affichage d'un message indiquant un tableau de 10 uns
print("Un tableau de 10 uns:", array)

# Créer un tableau de 10 cinq en multipliant un tableau de 10 uns par 5
array = np.ones(10) * 5

# Affichage d'un message indiquant un tableau de 10 cinq
print("Un tableau de 10 cinq:", array)

Sortie:

Un tableau de 10 zéros: [0. 0. 0. 0. 0. 0. 0. 0. 0. 0.]
Un tableau de 10 uns: [1. 1. 1. 1. 1. 1. 1. 1. 1. 1.]
Un tableau de 10 cinq: [5. 5. 5. 5. 5. 5. 5. 5. 5. 5.]
 

Exercice 6:

Ecrivez un programme NumPy pour créer un tableau d’entiers de 30 à 60.

Exemple:

Tableau d'entiers de 30 à 60:
[30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60]
Solution:

Ce programme NumPy génère un tableau d’entiers compris entre 30 et 60. En utilisant les fonctions de création de tableaux de NumPy, il construit efficacement le tableau avec la séquence d’entiers spécifiée. Ce programme montre comment créer des tableaux avec des plages définies de manière simple.

# Importer la bibliothèque NumPy avec l'alias 'np'.
import numpy as np

# Création d'un tableau d'entiers de 30 à 60 en utilisant np.arange()
array = np.arange(30, 61)

# Afficher le tableau d'entiers de 30 à 60
print("Tableau d'entiers de 30 à 60", array) 

Sortie:

Tableau d'entiers de 30 à 60:
[30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60]
 

Exercice 7:

Ecrivez un programme NumPy pour créer un tableau de tous les entiers pairs de 30 à 60.

Exemple:

Tableau de tous les entiers pairs de 30 à 60:
[30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60]
Solution:

Ce programme NumPy crée un tableau contenant tous les entiers pairs de 30 à 60. En utilisant les fonctions de création et de découpage de tableaux de NumPy, il génère efficacement le tableau avec la séquence spécifiée de nombres pairs. Ce programme illustre comment filtrer et construire des tableaux avec des critères spécifiques d’une manière concise et efficace.

# Importer la bibliothèque NumPy avec l'alias 'np'.
import numpy as np

# Création d'un tableau d'entiers pairs de 30 à 60 (inclus) avec un pas de 2 en utilisant np.arange()
array = np.arange(30, 61, 2)

print("Tableau de tous les entiers pairs de 30 à 60")
print(array)

Sortie:

Tableau de tous les entiers pairs de 30 à 60:
[30 32 34 36 38 40 42 44 46 48 50 52 54 56 58 60]
 

Exercice 8:

Ecrire un programme NumPy pour créer une matrice identité 3×3.

Exemple:

Matrice 3x3:
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
Solution:

Ce programme NumPy génère une matrice identité 3×3, qui est une matrice carrée avec des uns sur la diagonale principale et des zéros ailleurs. En utilisant les fonctions intégrées de NumPy, il construit efficacement cette matrice. Ce programme illustre comment créer des matrices mathématiques standard de manière simple à l’aide de NumPy.

# Importer la bibliothèque NumPy avec l'alias 'np'.
import numpy as np

# Création d'une matrice identité 3x3 à l'aide de np.identity()
matrice = np.identity(3)

print('Matrice 3x3:')

# Affichage de la matrice d'identité 3x3
print(matrice)

Sortie:

Matrice 3x3:
[[1. 0. 0.]
 [0. 1. 0.]
 [0. 0. 1.]]
 

Exercice 9:

Ecrivez un programme NumPy pour générer un nombre aléatoire entre 0 et 1.

Exemple:

Nombre aléatoire entre 0 et 1:
[0.26369588]
Solution:

Ce programme NumPy génère un nombre aléatoire entre 0 et 1. En utilisant les fonctions de génération de nombres aléatoires de NumPy, il produit efficacement un nombre à virgule flottante dans la plage spécifiée. Ce programme démontre la facilité de générer des valeurs aléatoires en utilisant les capacités intégrées de NumPy.

# Importer la bibliothèque NumPy avec l'alias 'np'.
import numpy as np

# Génération d'un nombre aléatoire avec une moyenne de 0 et un écart-type de 1 en utilisant np.random.normal()
rand_nbr = np.random.normal(0, 1, 1)

print("Nombre aléatoire entre 0 et 1:")

# Afficher le nombre aléatoire généré
print(rand_nbr)

Sortie:

Nombre aléatoire entre 0 et 1:
[0.26369588]
 

Exercice 10:

Écrire un programme NumPy pour générer un tableau de 15 nombres aléatoires à partir d’une distribution normale standard.

Exemple:

15 nombres aléatoires:
[ 0.4221577  -0.20007459  0.54064754  0.46286722  1.70051299  0.93014559
 -1.75784453 -0.2135468   1.22973613 -1.24530861 -1.48782664  0.608656
 -0.6240226  -0.69506951 -0.90709826]
Solution:

Ce programme NumPy génère un tableau de 15 nombres aléatoires tirés d’une distribution normale standard, où la moyenne est 0 et l’écart-type est 1. En tirant parti des fonctions de génération de nombres aléatoires de NumPy, il produit efficacement le tableau souhaité. Ce programme met en évidence la capacité de NumPy à générer des échantillons aléatoires à partir de diverses distributions statistiques.

# Importer la bibliothèque NumPy avec l'alias 'np'.
import numpy as np

# Génération d'un tableau de 15 nombres aléatoires à partir d'une distribution normale standard en utilisant np.random.normal()
rand_nbr = np.random.normal(0, 1, 15)

print("15 nombres aléatoires:")

# Affichage d'un tableau de 15 nombres aléatoires
print(rand_nbr)

Sortie:

15 nombres aléatoires:
[ 0.4221577  -0.20007459  0.54064754  0.46286722  1.70051299  0.93014559
 -1.75784453 -0.2135468   1.22973613 -1.24530861 -1.48782664  0.608656
 -0.6240226  -0.69506951 -0.90709826]
 

Éditeur de code Python: Testez votre code en ligne!


 

QCM Python

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *