Explorer les Livres électroniques
Catégories
Explorer les Livres audio
Catégories
Explorer les Magazines
Catégories
Explorer les Documents
Catégories
a) Généralité a) Généralité
b) Calcul manipulant les tableaux et calcul matriciel
c) Gestion de la documentation en ligne des fonctionnalités de ces
bibliothèques
233 234
233 234
Python est un langage modulaire. Voici une liste des modules les plus utilisés en python sont :
De nombreuses fonctions supplémentaires sont groupés dans des modules que l'on doit
importer pour y avoir accès. • time : contient des fonctions relatives au temps
Un module biblio contient toutes les expressions et fonctions python qui se trouvent • random : pour générer aléatoirement des nombres
dans le fichier biblio.py
NB: si biblio est un module qui contient des sous modules alors biblio est un dossier • os : pour dialoguer avec le système d'exploitation
Import d'un module biblio: • Tkinter : pour gréer des fenêtre graphiques et gérer la souris
import biblio: accès à l'élément x de biblio avec biblio.x
import biblio as t : accès a l'élément x de biblio avec t.x • math : pour accéder aux fonctions mathématiques usuelles
from biblio import * : accès a l'élément x de biblio avec x • Matlibplot : pour multiples fonctions de traçage en deux dimensions
Conflit potentiel de noms entre plusieurs modules.
Contenu du module biblio : dir(biblio) (après import biblio)
• numpy : bibliothèque de fonctions indispensables pour le calcule scientifique
Recharger biblio après l'avoir modifie : reload(biblio) • scipy : bibliothèque complémentaire de numpy pour le traitement des données
Nous utiliserons dans la suite :
import numpy as np # (calcul numerique) • skimage : pour le traitement d'image
import numpy.linalg as npl # (algèbre linéaire ) 235 • io : pour la gestion des fichiers
235 236 236
b) Calcul manipulant les tableaux et calcul matriciel
Tableaux à une dimension
b) Calcul manipulant les tableaux et calcul matriciel mot 't' 'e' 'x' 't' 'e'
237 238
237 238
b) Calcul manipulant les tableaux et calcul matriciel b) Calcul manipulant les tableaux et calcul matriciel
Tableaux à une dimension Tableaux à une dimension
Création de tableaux standards :
il existe plusieurs manière pour déclarer un tableau sous python, j'en citerais
seulement quatre dans ce cours Exemple :
Création d'un tableau vide : TA= np.zeros(10, dtype=int)
nomtableau = np.empty(NombreDesValeurs, dtype= TypeDeDonnées) TB= np.ones(4, dtype=complex)
TS=np.zeros(5, dtype=str)
Création d'un tableau avec initialisation par des zéros :
nomtableau = np.zeros(NombreDesValeurs, dtype= TypeDeDonnées) TC= np.array([1,4,7,9])
Création de tableaux standards :
Création d'un tableau avec initialisation par des uns : np.arange(M,N,P) : tableau allant de M a N avec pas P (M et P optionnels, les
nomtableau = np.ones(NombreDesValeurs, dtype= TypeDeDonnées) valeurs par défaut sont M=0 et P=1)
np.linspace(a,b,N) : tableau allant de a à b avec N éléments uniformément
Création d'un tableau avec initialisation par des valeurs données : repartis
nomtableau = np.array([val1 , val2n , …. , valn]) b=a.copy() : copie d'un tableau a dans un tableau b
Rem : b=a ne copie pas les éléments, mais crée juste une référence, i.e. si a
239
239
est modifié b l'est aussi. 240
240
b) Calcul manipulant les tableaux et calcul matriciel b) Calcul manipulant les tableaux et calcul matriciel
Tableaux à une dimension Tableaux à une dimension
l'indice de la première case est : 0 Opération globales sur un tableau a : maximum : max(a) , minimum : min(a), somme
l'indice de la dernière case est : NombreDesValeurs-1 : np. sum(a), produit : np.prod(a), moyenne : np.mean(a)
Pour accéder à la case d'indice i en utilise : nomtableau[i] Operations booléennes sur un tableau a :
NB : pour accéder au case à partir de la fin du tableau en utilise des indices négatifs pour a>0.5 : tableau (dtype=bool) contenant True a la place des éléments ou la
accéder à la dernière case en utilise nomtableau[-1] condition est vraie, False a la place des autres.
a[i:j] extrait les éléments du tableau a dont l'indice est supérieur à i et inférieur
(a>0.5) & (a<0.7) : True la ou les deux conditions sont vérifiées,
strictement de j (a>0.5) | (a<0.2) : True la ou une des deux conditions est vérifiée
a[:i] extrait les i premiers éléments du tableau a
(a>0.5).all() : True si tous les éléments vérifient la condition
(a>0.5).any() : True si un éléments vérifiée la condition
A[i:] extrait les derniers éléments dont l'indice est supérieur à i
np.where(a>0.5,b,c) : a,b,c tableaux numpy de même dimension.
Operations mathématiques : toutes les opérations arithmétiques et fonctions classiques Retourne un tableau de même dimension contenant les éléments correspondants
s'appliquent terme à terme pour un tableau a : a**2+2*a+1; de b là ou la condition sur a est vérifiée et ceux de c ailleurs.
241 242
241 242