Jean-Charles Passieux passieux@insa-toulouse.fr Python est un langage de programmation interprété. Interprété signifie qu’il ne nécessite pas de compilation avant l’exécution. Il s’agit d’un langage général qui permet de développer toute sorte d’applications. Nous l’utiliserons assorti de la libraire de calcul numérique Numpy. Cette librairie permet de faire des calculs matriciels efficacement. Il existe des outils concurrents tels que Matlab, Octave, Scilab et dans une certaine mesure Excel. Ces outils permettent de faire du calcul scientifique. Ils permettront de créer des scripts de quelques lignes jusqu’à des vrais logiciels avec interface graphique. Il est par exemple possible d’automatiser des procédures de calcul, de faire des mesures, d’analyser ou valoriser des don- nées expérimentales, d’estimer des tendances, de simuler des modèles numériques, de faire des calculs de RdM, d’optimiser une conception vis à vis de la résistance mécanique... bref, une boite à outils de calcul très utile pour l’ingénieur.
Nous vous invitons à télécharger et installer Anaconda qui embarque Python et l’environne- ment de développement Spyder qui est à Python, ce que Word est au langage Français. https://www.anaconda.com/downloads
1 Premiers pas dans Spyder
Démarrer Spyder.
Spyder est composé de trois fenêtres. L’éditeur à gauche, qui se comporte comme une feuille de brouillon dans lequel on va écrire les différentes instructions en langage Python. Le prompt (ou invite de commande) qui fonctionne comme une calculatrice. C’est ici que l’on va exécuter les instructions. Enfin l’éditeur de variables, qui permet de contrôler, si besoin, le type, la taille et les valeurs stockées dans les variables disponibles en mémoire vive.
La première manipulation avant d’aller plus loin consiste à modifier une option graphique par défaut qui sera utile ultérieurement (opération à faire une fois pour toutes) : Accéder au menu Outils>Préférences puis cliquer sur Console IPython dans le menu de gauche, puis onglet Graphiques, puis dans le cadre Sortie Graphique, sélectionner Automatique dans le menu déroulant.
Eteindre et Redémarrer Spyder.
2 Premières instructions de Python
Dans le prompt (en bas à droite), taper : >>> import numpy as np # pour importer la librairie numpy >>> a=3 # cree une variable scalaire a qui a pour valeur 3 >>> print(a) # affiche la valeur de la variable a >>> b = 5.5 # b vaut 5.5 (les decimaux sont separes par un point) >>> a + b # l'addition >>> c = a * b # la multiplication >>> c = a / b # la division >>> np.sqrt(c) # la racine carre >>> c ** 0.5 # meme resultat >>> c ** .5 # le zero avant le point decimal n'est pas necessaire >>> d = 1000000 # un million, ce n'est pas commode a ecrire avec 6 zeros >>> d1 = 10**6 # c'est plus lisible comme ca >>> d2 = 1e6 # autre notation standard plus compacte >>> A = 10 # Python est sensible a la casse >>> print(a,A) # a et A sont 2 variables distinctes >>> c='bonjour' # c est maintenant une chaine de caracteres Il est possible de reprendre une commande précédente avec les flèches ↑ et ↓, de l’éditer avec les flèches ← et →, et de l’exécuter. Essayez.
3 Vecteurs La puissance de Numpy réside dans sa capacité à faire du calcul vectoriel et matriciel. Il ma- nipule donc de manière native les vecteurs et les matrices. Taper : >>> a=np.array([4,5,6.5]) # cree un vecteur [4,5,6.5] (taille 3) >>> b=np.arange(7,10) # defini un vecteur d'entier avec les # ... valeurs de 7 a 10 (10 exclu) >>> c=np.arange(1,10,2) # permet de definir le pas de 2 (debut,fin,pas) >>> d=np.arange(1,-5,-1) # fonctionne avec un pas negatif >>> e=np.linspace(0,1,100) # 100 valeurs equi-reparties entre 0 et 1 >>> f=np.zeros(12) # vecteur nul de taille 12 >>> g=np.ones(5) # vecteur rempli de 1 de taille 5 Ne pas confondre la valeur et la position dans le vecteur qui s’appelle l’indice. L’indice est toujours entier et commence à 0 avec Python. Par exemple pour le vecteur a :
valeurs 4.0 5.0 6.5
a ≡ indices 0 1 2
Par analogie avec Excel, l’indice est le numéro de la case (ex : B12, nécessairement entier) et la valeur est le contenu de la case (peut-être entier, scalaire, chaine de caractère...). Ainsi pour accéder aux valeurs : >>> e[0] # pour acceder a la premiere valeur du vecteur e >>> e[5] # ...la cinquieme valeur du vecteur e >>> a[3] # la 4e valeur du vecteur a n'existe pas! >>> e[-1] # ...la derniere valeur du vecteur e >>> e[-2] # ...l'avant-derniere valeur du vecteur e >>> e[:4] # un vecteur des 4 premieres valeurs de e >>> e[4:] # un vecteur des autres valeurs de e >>> e[4:11] # valeurs des indices 4 a 11 (11 exclu) >>> ind = np.array([0,2]) # ind est un vecteur d'indices >>> a[ind] # premet d'acceder aux 1e et 3e valeurs de a assigner une valeur : e[1]=3 : la deuxieme valeur de e vaut 3 Question 1 : Que donnent les instructions suivantes. Essayer de deviner avant de vérifier : >>> a[1:2] >>> a[:2] >>> a[:-2] Opérations sur les vecteurs : >>> a + b # addition de vecteurs >>> a - c # soustraction de vecteurs. Attention a la dimension! >>> a - c[:3] # ce calcul est autorise >>> a * b # le produit terme a terme >>> a.dot(b) # le produit scalaire de deux vecteurs >>> a@b # autre notation du produit scalaire >>> a.T # transposee d'un vecteur >>> np.sqrt(a@a) # defini donc la norme du vecteur a >>> e = 2*a + 1 # addition et multiplication avec un scalaire simple >>> a**2 # pour elever les valeurs du vecteur au carre >>> np.sin(2*np.pi*e/100) # toutes les fonctions de math sont vectorisees >>> len(a) # pour connaitre la taille d'un vecteur
Question 2 : Créer un vecteur de taille 80 avec toutes les valeurs égales 8.
Question 3 : Créer un vecteur t de 30 valeurs allant de 10 à 11.
Question 4 : Créer un vecteur p de même taille que t et dont toutes les
valeurs sont les images de celles de t par le polynôme p(t) = 2t2 − 3t + 1
4 La librairie matplotlib.pyplot Cette librairie permet d’afficher des courbes. Pour l’importer, taper l’instruction suivante : >>> import matplotlib.pyplot as plt
Question 5 : Taper les instructions suivantes :
>>> t=np.linspace(0,1,4) >>> f=np.sin(2*np.pi*t) >>> plt.plot(t,f,'k.-') Elles permettent d’afficher un sinus. Commenter. Question 6 : Dans l’explorateur de variables, double cliquer sur la ligne cor- respondant à la variable t puis f. Remarquer que on a seule- ment calculé la valeur de f pour les quelques valeurs contenues dans le vecteur t. Proposez de modifier la première instruction pour améliorer la représentation de la fonction sinus. La fonction plt.plot() permet d’afficher un nuage de points dont les abscisses sont données dans les valeurs du vecteur t et les ordonnées dans celles de f. f et t doivent donc avoir la même taille. Le troisième argument est la décoration de la ligne avec la couleur (’k’ black, ’r’ red, ’g’ green, ’b’ blue, ’c’ cyan, ’y’ yellow, ’w’ white entre autres), le marqueur (’+’ une croix, ’o’ un cercle, ’*’ une étoile, ’d’ un diamant, ’x’ un x... ) et la forme du trait (’-’ trait plein, ’–’ pointillés, ’-.’ trait mixte). En l’absence de précisions, la décoration est sans marqueur avec une ligne continue de couleur bleue. si on enleve le point de ‘k.-‘ il n’y a qu’une ligne sans point Si on refait appel à la fonction plt.plot(), par défaut, Python affiche toujours dans la même fenêtre, en superposant le nouveau tracé aux anciens graphiques. >>> f2=np.sin(4*np.pi*t) >>> plt.plot(t,f2,'b-') Pour faire une nouvelle fenêtre, il faut utiliser la commande plt.figure() avant d’appeler une nouvelle fois la fonction plt.plot. On peut également rajouter un titre, une légende et nommer les axes : >>> plt.title('Ondes planes') # le titre >>> plt.xlabel('temps') # nom axe x >>> plt.ylabel('amplitudes') # nom axe y >>> plt.legend(('f','f2')) # legende
Question 7 : Faire la figure suivante :
Le bleu et le vert pas d’idée…
D’autres fonction d’affichage :
>>> plt.semilogx(x,y) # abcisses en echelle logarithmique >>> plt.semilogy(x,y) # ordonnees en echelle logarithmique >>> plt.loglog(x,y) # les deux en echelle logarithmique
5 Matrices Très proche des vecteurs, mais avec deux indices. >>> m=np.array([[1,2,3],[4,5,6]]) # matrice de 2 lignes, 3 colonnes >>> m.shape # la taille de a, m (2,3) >>> v=np.array([0,1,0]) # un vecteur quelconque de taille 3 >>> m.dot(v) # produit matrice vecteur càd ? >>> m@v # marche aussi pour le produit matrice vecteur >>> m[1,2] # valeur de m en 2e ligne, 3e colonne Question 8 : Que donnent les instructions suivantes. Essayer de deviner avant de vérifier : valeur de m en 1ere ligne, 2e colonne >>> m[0,1] vecteur constitué de la 3e ligne et 3e col et >>> m[:2,2] 3e ligne inexistante donc 3 e ligne >>> m[-1,[2,0]] Texte Pour définir des matrices particulières : >>> m=np.zeros((2,3)) # matrice nulle de 2 lignes, 3 colonnes >>> m=np.ones((5,1)) # matrice unitaire de 5 ligne, 1 colonne (donc un vecte >>> m=np.eye(5) # matrice identite de taille 5x5 >>> m=np.diag([1,2,3]) # matrice diagonale 3x3 a partir d'un vecteur >>> np.diag(m) # valeurs diagonales a partir d'une matrice >>> m=np.random.rand(5,3) # matrice aleatoire 5x3
6 Instructions FOR et WHILE
On a souvent besoin de faire des boucles ou d’itérer sur les indices d’un vecteur ou d’une matrice. b=1 while b<100: L’instruction WHILE : b=2*b L’instruction FOR le permet : b=1 print(b) for i in range(10): n’affiche que b à la fin =128 while b<100: b=2*i-1 commence à i=0 et finit à i=9 b=2*b print(b) print(b)
Attention à l’indentation (4 espaces) qui permet de distinguer les instructions à l’intérieure
de la boucle de celles une fois la boucle terminée. affiche une ap Question 9 : Construire un vecteur t qui va de 0 à 5s par pas de 50ms. Puis l’autre les val créer un deuxième vecteur f ayant les valeurs de la fonction de b : 2, 4 etc, sin(2πt) pour chaque valeur de t en faisant une boucle FOR 128 sur les indices de t. L’afficher avec la fonction plt.plot() par l’instruction : plt.plot(t,f,'k+-') La boucle FOR est pratique, mais comme tout langage interprété, Python est efficace lors- qu’on évite au maximum d’utiliser des boucles. Il est préférable de programmer de façon vec- torielle, c’est à dire lorsqu’en une opération, on travaille sur toutes les valeurs du vecteur. Par exemple, pour ajouter 1 au vecteur f, on peut faire une boucle FOR sur toutes les valeurs de f et y ajouter 1 : >>> for i in range(len(f)): f[i]=f[i]+1 On peut tout simplement écrire f=f+1, ou encore de façon plus compacte f+=1. Ainsi, on aurait du écrire f2=np.sin(2*np.pi*t) 7 Instructions conditionnelles, IF Dans un programme, on a souvent besoin de faire des tests conditionnels. Exemple : si la contrainte dépasse la limite élastique, alors ... sinon, fin. La syntaxe en Python est la suivante : >>> a=5 >>> if a==2: txt='ok' else: txt='not ok'
a==b # egal a!=b # different a>b # superieur strictement Les autres tests sont : a>=b # superieur ou egal a>2 and a<3 # ET logique (ici vrai si a est entre 2 et 3) a>2 or a<3 # OU logique (ici vrai dans le cas contraire) not a # NON logique
Question 10 : Deviner la réponse du script suivant. Puis coder et vérifier.
a=5; b=6; c=2 if not (a>2 and b>2*c): si not(vrai et vrai) = si not(vrai) = si (faux) print('reponse A') else: print('reponse B') carré, On peut division avoir envie et desoustraction appliqué faire des tests à chaque sur toutes coeff de les valeurs x indépendamment d’un vecteur ou d’une matrice. Là encore, on évitera de faire des boucles au profit de la programmation vectorielle : >>> x=np.linspace(0,10,15) # un vecteur >>> y=x**2/25-1 # un autre vecteur >>> plt.plot(x,y,'b.-') # affichage y=f(x) >>> test=y>0 # un vecteur booleen =1 quand y positif ? >>> plt.plot(x,test,'k.') # visualisation graphique de y>0 >>> rep,=np.where(test) # rep contient les indices correspondant a VRA >>> plt.plot(x[test],y[test],'ro') # cercles rouges uniquement la pour y>0
Question 11 : Faire la figure suivante :
8 Écriture d’un script Python De puis le début, nous écrivons les instructions directement dans le command prompt de Python, à la manière d’une calculatrice. Lorsque le nombre d’instruction dépasse 3 ou 4, ça devient laborieux, surtout quand on se trompe et qu’on veut modifier une seule ligne. Pour éviter ça, on va créer un fichier texte td1.py. Ce fichier s’appelle un script. Il regroupe un ensemble d’instructions qui vont être exécutées les unes après les autres. Il est ainsi plus simple de modifier le script et de tout relancer. Il est bon de toujours commencer un script par les instructions import numpy as np # importe la librairie numpy import matplotlib.pyplot as plt # idem avec matplotlib Il est possible d’ajouter des commentaires pour améliorer la lisibilité du code. Les commen- taires sont des instructions non interprétées. Il suffit de commencer l’instruction par un #. Lorsqu’on met un commentaire et deux pourcents #%% suivis d’un espace, celà permet de délimiter des section qu’on peut interpréter par morceaux à l’aide de l’éditeur. Plus précisément, en cliquant sur , tout le script (l’ensemble du fichier) est envoyé dans le prompt et donc exécuté. En cliquant sur , toutes les instructions du bloc sélectionné (bloc dé- limité par des #%% actuellement surligné en jaune) sont envoyées au prompt et exécutées. En cliquant sur , on passe automatiquement au bloc suivant à la fin de l’exécution. En cliquant sur , on exécute seulement la ligne active (celle ou on a le curseur), ou tout un bloc surligné avec la souris. Le raccourci correspondant est F9. Cette dernière option est très pratique à l’usage pour exécuter des morceaux de scripts. #%% pas compris
9 Définition d’une fonction
Lorsqu’on a besoin de répéter de nombreuses fois une série d’instructions relativement indé- pendante du reste, et afin de clarifier le code, il est possible de regrouper ces instructions dans une fonction Python. Par exemple si, à partir d’un vecteur x, on veut construire un vecteur y, tel que la ième valeur de y soit égale à la somme des valeurs de x pour tous les indices inférieurs à i : def MaFonction(x): y = np.zeros_like(x) =? y[0] = x[0] MARCHE PAS; ERREUR DE SYNTAXE for i in range(1,len(x)): L 10 y[i]=y[i-1]+x[i] return y
TRES IMPORTANT 10 Pour aller plus loin Python/Numpy/Matplotlib est extrêmement bien documenté sur internet. Dès qu’on a le moindre doute sur la façon d’appeler une fonction ou son existence, il faut avoir le réflexe de rechercher dans votre moteur de recherche favori. Python : https://www.python.org/ Numpy : https://numpy.org/ Matplotlib : https://matplotlib.org/ Il est possible de trouver de nombreux tutoriels sur Python, Numpy et Matplotlib, voire Scipy, la librairie de calcul scientifique, également utile en analyse numérique. Une page Moodle pour se former à Python (plus large que les seuls librairies numpy et matplotlib) se trouve même sur le moodle de l’INSA : http://moodle.insa-toulouse.fr/course/view.php?id=898
