Exercice Corrigé: NumPy – Partie 6

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

# Créer une liste Python
tab = [1, 2, 3]

print("Tableau original:")
print(tab)

# Ajout de valeurs à la fin du tableau à l'aide de np.append() et affectation du résultat à 'tab'.
tab = np.append(tab, [4, 5, 6])

print("Après avoir ajouté des valeurs à la fin du tableau:")
print(tab)

Sortie:

Tableau original:
[1, 2, 3]
Après avoir ajouté des valeurs à la fin du tableau:
[1 2 3 4 5 6]

Explication:

Dans le code ci-dessus : tab = [1, 2, 3] : Définit une liste appelée « tab » avec trois éléments entiers.

tab = np.append(tab, [4, 5, 6]) : La fonction np.append() est utilisée pour ajouter une liste de trois éléments à la liste originale « tab ». L’objet résultant est converti en tableau NumPy et stocké à nouveau dans « tab ».

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

# Création d'un tableau 'tab1' avec NumPy
tab1 = np.array([0, 1, 2, 3, 4])

# Affichage du contenu de 'tab1'
print("Tableau 1: ", tab1)

# Création d'une liste Python 'tab2'
tab2 = [0, 3]

# Affichage du contenu de 'tab2'
print("Tableau 2: ", tab2)

print("Comparer chaque élément de tab1 et tab2")
print(np.in1d(tab1, tab2))

Sortie:

Tableau 1:  [0 1 2 3 4]
Tableau 2:  [0, 3]
Comparer chaque élément de tab1 et tab2
[True False False True False]

Explication:

Dans le code ci-dessus : tab1 = np.array([0, 1, 2, 3, 4]) : Crée un tableau NumPy avec les éléments 0, 1, 2, 3 et 4.

tab2 = [0, 3] : Crée une liste Python avec les éléments 0 et 3.

print(np.in1d(tab1, tab2)) : La fonction np.in1d vérifie si chaque élément de « tab1 » est présent dans « tab2 ». Elle renvoie un tableau booléen de la même forme que ‘tab1’, avec True aux positions où l’élément est présent dans ‘tab2’ et False sinon. La sortie sera [True False False True False]

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

# Création d'un tableau 'tab1' avec NumPy
tab1 = np.array([0, 1, 2, 3, 4])

# Affichage du contenu de 'tab1'
print("Tableau 1: ", tab1)

# Création d'une liste Python 'tab2'
tab2 = [0, 3, 8]

# Affichage du contenu de 'tab2'
print("Tableau 2: ", tab2)

print("Valeurs communes entre les deux tableaux:")
print(np.intersect1d(tab1, tab2))

Sortie:

Tableau 1:  [0 1 2 3 4]
Tableau 2:  [0, 3, 8]
Valeurs communes entre les deux tableaux:
[0 3]

Explication:

Dans le code ci-dessus: tab1 = np.array([0, 1, 2, 3, 4]) : Crée un tableau NumPy avec les éléments 0, 1, 2, 3 et 4.

tab2 = [0, 3, 8] : Crée une liste Python avec les éléments 0, 3 et 8.

print(np.intersect1d(tab1, tab2)): La fonction np.intersect1d renvoie un tableau trié contenant les éléments communs des deux tableaux d’entrée, ‘tab1’ et ‘tab2’. Dans ce cas, les éléments communs sont 0 et 3, la sortie sera donc [0 3].

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

tab = np.array([10, 10, 20, 20, 30, 30])

print("Tableau original:")
print(tab)

print("Les éléments uniques du tableau sont:")
print(np.unique(tab))

Sortie:

Tableau original:
[10 10 20 20 30 30]
Les éléments uniques du tableau sont:
[10 20 30]

Explication:

Dans le code ci-dessus: tab = np.array([10, 10, 20, 20, 30, 30]): Crée un tableau NumPy avec les éléments 10, 10, 20, 20, 30 et 30.

print(np.unique(tab)) : La fonction np.unique renvoie les éléments uniques triés du tableau tab. Dans ce cas, les éléments uniques sont 10, 20 et 30, la sortie sera donc [10 20 30].

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

tab1 = np.array([0, 20, 30, 70, 90, 70])
print("Tableau 1: ", tab1)

tab2 = [20, 40, 70, 50, 70]
print("Tableau 2: ", tab2)

print("Valeurs uniques dans tab1 qui ne sont pas dans tab2:")
print(np.setdiff1d(tab1, tab2))

Sortie:

Tableau 1:  [0 20 30 70 90 70]
Tableau 2:  [20, 40, 70, 50, 70]
Valeurs uniques dans tab1 qui ne sont pas dans tab2:
[0 30 90]

Explication:

print(np.setdiff1d(tab1, tab2)): La fonction np.setdiff1d renvoie la différence triée entre les deux tableaux d’entrée, qui se compose des éléments qui se trouvent dans ‘tab1’ mais pas dans ‘tab2’.

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

tab1 = np.array([0, 20, 30, 70, 70, 70])
print("Tableau 1: ", tab1)

tab2 = [10, 40, 80, 50, 60]
print("Tableau 2: ", tab2)

print("Valeurs uniques dans les deux tableaux:")
print(np.setxor1d(tab1, tab2))

Sortie:

Tableau 1:  [0 20 30 70 70 70]
Tableau 2:  [10, 40, 80, 50, 60]
Valeurs uniques dans les deux tableaux:
[ 0 10 20 30 40 50 60 70 80]

Explication:

print(np.union1d(tab1, tab2)): La fonction np.union1d renvoie l’union triée des deux tableaux d’entrée, qui se compose de tous les éléments uniques de ‘tab1’ et ‘tab2’.

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

tab = [1, 2, 3]
print("Tableau original")
print(tab)

print("Répéter 2 fois:")
tab2 = np.tile(tab, 2)
print(tab2)

print("Répéter 3 fois:")
tab3 = np.tile(tab, 3)
print(tab3)

Sortie:

Tableau original
[1, 2, 3]
Répéter 2 fois:
[1 2 3 1 2 3]
Répéter 3 fois:
[1 2 3 1 2 3 1 2 3]

Explication:

Dans le code ci-dessus : tab = [1, 2, 3] : Une liste tab est définie avec trois éléments.

tab1 = np.tile(tab, 2) : np.tile répète la liste donnée 2 fois selon son premier axe. Dans ce cas, tab est répété deux fois, créant un nouveau tableau NumPy : [1, 2, 3, 1, 2, 3].

tab2 = np.tile(tab, 3) : np.tile répète la liste donnée 3 fois selon l’axe tab, créant un nouveau tableau NumPy : [1, 2, 3, 1, 2, 3, 1, 2, 3].

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

# Répéter la valeur 2, quatre fois et créer un tableau NumPy
tab = np.repeat(2, 4)
print(tab)

# Créer un tableau NumPy
tab = np.array([[1, 2], [3, 4]])

# Répéter chaque élément du tableau deux fois
print(np.repeat(tab, 2))

Sortie:

[2 2 2 2]
[1 1 2 2 3 3 4 4]

Explication:

Dans le code ci-dessus : tab = np.repeat(2, 4) : La fonction np.repeat répète quatre fois la valeur 2, créant ainsi un nouveau tableau NumPy : [2, 2, 2, 2].

tab = np.array([[1, 2], [3, 4]]) : Un tableau NumPy 2×2 est créé avec les éléments [1, 2] dans la première ligne et [3, 4] dans la deuxième ligne.

print(np.repeat(tab, 2)) : La fonction np.repeat est appelée à nouveau, cette fois avec le tableau NumPy 2D. Par défaut, les éléments du tableau d’entrée sont aplatis, puis chaque élément est répété deux fois. Le tableau 1D résultant est [1, 1, 2, 2, 3, 3, 4, 4].

La sortie finale est affichée : [1, 1, 2, 2, 3, 3, 4, 4].

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

# Créer un tableau NumPy
tab = np.array([1, 2, 3, 4, 5, 6, 7])

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

# Trouver l'index de la valeur maximale dans le tableau
print("Valeur maximale: ", np.argmax(tab))

# Trouver l'index de la valeur minimale dans le tableau
print("Valeur minimale: ", np.argmin(tab))

Sortie:

Tableau original : [1 2 3 4 5 6 7]
Valeur maximale: 6
Valeur minimale: 0

Explication:

Dans le code ci-dessus : tab = np.array([1, 2, 3, 4, 5, 6, 7]) : Un tableau NumPy 1D est créé avec les éléments [1, 2, 3, 4, 5, 6, 7].

print("Valeur maximale: ", np.argmax(tab)) : La fonction np.argmax trouve l’indice de la valeur maximale dans le tableau. Dans ce cas, la valeur maximale est 7 et son indice est 6.

La sortie est la suivante : Valeurs maximales : 6.

print("Valeur minimale: ", np.argmin(tab)) : La fonction np.argmin trouve l’indice de la valeur minimale dans le tableau. Dans ce cas, la valeur minimale est 1 et son indice est 0. La sortie est la suivante : Valeurs minimales : 0.

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

# Création des tableaux NumPy 'a' et 'b'.
a = np.array([2, 3])
b = np.array([5, 6])

# Afficher les tableaux 'a' et 'b'
print("Tableau a: ", a)
print("Tableau b: ", b)

print("a > b")
print(np.greater(a, b))

print("a >= b")
print(np.greater_equal(a, b))

print("a < b")
print(np.less(a, b))

print("a <= b")
print(np.less_equal(a, b))

Sortie:

Tableau a : [2 3]
Tableau b : [5 6]
a > b
[False False]
a >= b
[False False]
a < b
[True True]
a <= b
[True True]

Explication:

Dans le code ci-dessus : a = np.array([2, 3]) : Un tableau NumPy 1D a est créé avec les éléments [2, 3].

b = np.array([5, 6]) : Un tableau NumPy 1D b est créé avec les éléments [5, 6].

print(np.greater(a, b)) : La fonction np.greater compare les éléments de a et b par élément et renvoie un tableau booléen avec le résultat de la comparaison a > b. Dans ce cas, le résultat est [False False].

print(np.greater_equal(a, b)) : La fonction np.greater_equal compare les éléments de a et b par élément et renvoie un tableau booléen avec le résultat de la comparaison a >= b. Dans ce cas, la sortie est [False False].

print(np.less(a, b)) : La fonction np.less compare les éléments de a et b par élément et renvoie un tableau booléen avec le résultat de la comparaison a < b. Dans ce cas, la sortie est [True True].

print(np.less_equal(a, b)) : La fonction np.less_equal compare les éléments de a et b élément par élément et renvoie un tableau booléen avec le résultat de la comparaison a <= b. Dans ce cas, la sortie est [True True].