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.
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.
Ce navigateur bloque les cookies pour learn.floati.life, donc les leçons que tu as terminées ici ne peuvent pas s'ouvrir dans l'ordre. Autorise les cookies pour ce site et recharge la page.