Exercice 32 / 100
Numpy - opérations
Multipliez chaque élément par 2, filtrez ceux > 10
Avec un array NumPy, on peut faire des opérations element-wise (chaque élément traité indépendamment) et du filtrage booléen ultra-rapide.
Opérations sur tout l'array
arr = np.array([3, 7, 2, 9, 5, 11, 4, 8])arr * 2 → [ 6 14 4 18 10 22 8 16]
arr + 10 → [13 17 12 19 15 21 14 18]
arr ** 2 → [ 9 49 4 ...]
np.sqrt(arr) → racine carrée de chaque élément
arr1 + arr2 → addition element-wise (mêmes tailles requises)Masques booléens : filtrer
Une comparaison sur un array renvoie un array de booléens (un par élément) :
arr = np.array([3, 7, 2, 9, 5])
arr > 5 → [False True False True False]On peut utiliser ce masque pour sélectionner :
arr[arr > 5] → [7 9] (uniquement les éléments > 5)Combiner plusieurs conditions avec & (et) | (ou) ~ (non) — pas and/or/not !
arr[(arr > 2) & (arr < 9)] → éléments entre 2 et 9 exclus
arr[~(arr > 5)] → négation : ceux qui ne sont PAS > 5
Les parenthèses sont obligatoires autour de chaque condition à cause de la priorité de & et |.
Exemple complet
arr = np.array([3, 7, 2, 9, 5, 11, 4, 8])
doubled = arr * 2 # [6, 14, 4, 18, 10, 22, 8, 16]
grands = doubled[doubled > 10] # [14, 18, 22, 16]
print(grands)Le filtrage booléen est l'opération la plus puissante de NumPy : pas de boucle, pas d'index, juste une expression mathématique. On retrouve la même logique dans pandas (df[df['col'] > 5]).