Exercice 51 / 100

NumPy — Créer des arrays

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

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 Python
np.array([[1,2,3], [4,5,6]])         depuis liste de listes → array 2D
np.zeros((3, 4))                     matrice 3x4 de 0
np.ones((2, 3))                      matrice 2x3 de 1
np.full((2, 2), 7)                   rempli avec 7
np.arange(0, 10, 2)                  [0 2 4 6 8]   (stop EXCLU)
np.linspace(0, 1, 5)                 5 points entre 0 et 1 INCLUS
np.eye(3)                            matrice identité 3x3
np.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 3×4
a.ndim     →  nombre de dimensions (1 pour un vecteur, 2 pour une matrice)
a.size     →  nombre total d'éléments
a.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.

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)        # int64
print('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.

exercise.py