Programme Leçon 78 sur 250 · Bases des données : numpy et pandas
Bases des données : numpy et pandas

Vectorisation et broadcasting

Les calculs sur les tableaux se font élément par élément, sans boucle :

import numpy as np
a = np.array([1, 2, 3])
b = np.array([10, 20, 30])
print(a + b)     # [11 22 33]
print(a * b)     # [10 40 90]
print(b / a)     # [10. 10. 10.]

Le broadcasting, c'est la façon dont numpy étire une forme plus petite pour qu'elle s'adapte à une plus grande. Un seul nombre (un scalaire) s'applique à chaque élément :

a = np.array([1, 2, 3])
print(a + 100)   # [101 102 103]
print(a ** 2)    # [1 4 9]

Ça marche aussi sur les lignes. Une ligne 1D de longueur 3 se répète sur chaque ligne d'une grille 2x3 :

grid = np.array([[1, 2, 3],
                 [4, 5, 6]])
bonus = np.array([10, 20, 30])
print(grid + bonus)
# [[11 22 33]
#  [14 25 36]]

Les comparaisons sont vectorisées elles aussi et donnent un tableau booléen, qu'on utilisera bientôt pour filtrer :

scores = np.array([55, 90, 70, 40])
print(scores >= 60)   # [False  True  True False]

Le code vectorisé est plus court et bien plus rapide que la boucle Python équivalente.

À ton tour

Pars de celsius = np.array([0, 10, 20, 30]). Avec un calcul vectorisé (sans boucle), convertis en Fahrenheit avec la formule F = C * 9/5 + 32 et range le résultat dans fahrenheit. Puis construis un tableau booléen warm qui vaut True là où fahrenheit vaut au moins 60.

Tu as repéré un problème dans cette leçon ? Signale-le · Pose une question sur cette leçon

Cet exercice s'ouvre bientôt

Termine la leçon précédente pour débloquer celle-ci. Tout le cours est gratuit, aucun compte n'est requis, et tu peux lire cette leçon dès maintenant.