Exercice 51 / 100

NumPy — Créer des arrays

ConsigneCrée un array NumPy et explore ses propriétés (shape, dtype, ndim)

📖 Cours

Rappel : un array NumPy (np.ndarray) est une grille de nombres typés. Voici comment en créer et comment lire ses propriétés.

Créer un array

np.array([1, 2, 3, 4, 5])           depuis une liste Pythonnp.array([[1,2,3], [4,5,6]])         depuis liste de listes → array 2Dnp.zeros((3, 4))                     matrice 3x4 de 0np.ones((2, 3))                      matrice 2x3 de 1np.full((2, 2), 7)                   rempli avec 7np.arange(0, 10, 2)                  [0 2 4 6 8]   (stop EXCLU)np.linspace(0, 1, 5)                 5 points entre 0 et 1 INCLUSnp.eye(3)                            matrice identité 3x3np.random.rand(2, 3)                 valeurs aléatoires uniformes [0, 1)

Propriétés importantes

a.shape    →  forme : tuple (lignes, colonnes, ...)             a.shape = (5,)        →  vecteur 1D             a.shape = (3, 4)      →  matrice 3×4a.ndim     →  nombre de dimensions (1 pour un vecteur, 2 pour une matrice)a.size     →  nombre total d'élémentsa.dtype    →  type des éléments : int64, float64, bool, ...

Tous les éléments d'un array ont LE même type. Si tu mélanges int et float, tout devient float ; si tu mélanges des nombres et du texte, ce sont les nombres qui deviennent du texte, et sans le moindre message d'erreur : np.array([1, 2, 'trois']) donne ['1' '2' 'trois'].

Un même array se lit par quatre propriétés : shape donne sa forme, ndim son nombre de dimensions, size son nombre d'éléments, et dtype le type commun à tous

Exemple complet

import numpy as np

a = np.array([1, 2, 3, 4, 5])print('Array:', a)print('Shape:', a.shape)        # (5,)print('Dtype:', a.dtype)        # int64print('Ndim:', a.ndim)          # 1

b = np.zeros((3, 4))print('Zeros:\n', b) # matrice 3x4 de 0.

c = np.arange(0, 10, 2) # [0 2 4 6 8]d = np.linspace(0, 1, 5) # [0. 0.25 0.5 0.75 1. ]

Conversion : a.astype(float) → nouvel array du type voulu. a.tolist() → re-conversion en liste Python.