Manipulation de données avec Numpy

Manipulation de données avec Numpy
Author

Natacha NJONGWA YEPNGA

1 TP : Manipulation de données avec Numpy

1.1 Objectifs du TP

  • Comprendre l’utilisation du module NumPy pour le calcul scientifique.
  • Créer et manipuler des tableaux multidimensionnels.
  • Appliquer des opérations mathématiques et statistiques sur des données.
  • Explorer les masques booléens pour des filtrages avancés.

Vous pouvez télécharger le fichier .ipynb en cliquant ici

1.2 1. Introduction à NumPy

NumPy (Numerical Python) est une bibliothèque puissante pour manipuler des tableaux et effectuer des calculs scientifiques. Elle est optimisée pour la performance et largement utilisée dans l’analyse de données.

1.2.1 Pourquoi utiliser NumPy ?

  • Performance : Calculs rapides grâce à une implémentation en C.
  • Simplicité : Manipulation intuitive des tableaux multidimensionnels.
  • Richesse fonctionnelle : Nombreuses fonctions mathématiques, algébriques, et statistiques.

1.3 2. Création de tableaux

import numpy as np

# Tableau 1D
A = np.array([1, 2, 3])

# Tableau 2D
B = np.array([[1, 2], [3, 4]])
print(A)
print(B)

# Zéros et Uns
zeros = np.zeros((3, 3))
ones = np.ones((2, 4))
print(zeros)
print(ones)

# Valeurs aléatoires
random = np.random.random((3, 3))
print(random)

# Plages de valeurs
arange = np.arange(0, 10, 2)
linspace = np.linspace(0, 1, 5)
print(arange)
print(linspace)

# Informations sur un tableau
print(B.shape)  # Dimensions
print(B.size)   # Nombre d'éléments
print(B.dtype)  # Type des éléments

1.4 3. Accès et modifications

# Accéder aux éléments
print(B[0, 1])
print(B[:, 1])
print(B[1, :])

# Modifier des éléments
B[0, 0] = 100
print(B)

# Ajouter des éléments
A = np.append(A, [4, 5])
print(A)

# Supprimer des éléments
C = np.delete(A, [0, 1])
print(C)

1.5 4. Opérations mathématiques et statistiques

# Opérations arithmétiques
D = B + 10
print(D)

E = B * 2
print(E)

# Statistiques
print(np.sum(B))
print(np.mean(B))
print(np.std(B))

# Masques booléens
mask = B > 2
print(mask)
print(B[mask])

# Modification conditionnelle
B[B > 2] = -1
print(B)

1.6 Exercices pratiques

1.6.1 Exercice 1 : Création et manipulation

  1. Créez un tableau 3x3 contenant des valeurs aléatoires entre 0 et 1.
  2. Remplacez les valeurs inférieures à 0.5 par 0.
  3. Calculez la somme et la moyenne des éléments du tableau.

1.6.2 Exercice 2 : Manipulation avancée

  1. Créez un tableau 1D de 10 éléments entre 1 et 100.
  2. Supprimez les trois derniers éléments et ajoutez deux nouveaux.
  3. Remplacez les valeurs paires par -1.

1.6.3 Exercice 3 : Statistiques et masques

  1. Créez une matrice 4x4 contenant des valeurs aléatoires entre -10 et 10.
  2. Utilisez un masque pour remplacer les valeurs négatives par leur valeur absolue.
  3. Calculez la moyenne des valeurs finales.

1.7 Récapitulatif

  • NumPy permet de manipuler efficacement des tableaux pour des calculs rapides.
  • Les masques booléens offrent des possibilités puissantes pour le filtrage et la modification des données.
  • L’utilisation des opérations vectorisées améliore grandement les performances.

1.7.1 Ressources supplémentaires