Le traitement des données

Qu'est-ce que NumPy

numpy est une bibliothèque de calcul numérique efficace en langage Python. numpy présente les avantages suivants. --Calcul rapide par notation de vectorisation

• Manipulation efficace des données statistiques descriptives
• Description de la condition dans le public

ndarray: objet de placement multidimensionnel

Dans ndarray, la notation de vectorisation permet un calcul par lots à grande vitesse pour les tableaux.

Création de l'objet ndarray

↓ ↓ ↓ ↓ ↓ ↓ ↓ Contenu de votre article

ndarray.py

───────

#### **`ndarray1.py`**
```python

 ↑↑↑↑↑↑↑ Contenu de la demande d'édition
import numpy as np
ndarray1 = np.array([1,2,3,4,5])
 ↓ ↓ ↓ ↓ ↓ ↓ ↓ Contenu de votre article
print(ndarray)
# Résultat de sortie [1 2 3 4 5]
───────
print(ndarray1)

↑↑↑↑↑↑↑ Contenu de la demande d'édition

↓ ↓ ↓ ↓ ↓ ↓ ↓ Contenu de votre article ndarray2 = np.arrange(1,6,1) ───────

Résultat de sortie

[1 2 3 4 5]

ndarray2.py

ndarray2 = np.arrange(1,6,1)
 ↑↑↑↑↑↑↑ Contenu de la demande d'édition
print(ndarray2)
 ↓ ↓ ↓ ↓ ↓ ↓ ↓ Contenu de votre article
# Résultat de sortie [1 2 3 4 5]

print(np.ones(5))
# Résultat de sortie [1 1 1 1 1]

np.La fonction de tableau peut transmettre une liste multidimensionnelle.

ndarry2.py

ndarray4 = np.array([[1,2,3],[4,5,6]])
print(ndarray4)

# Résultat de sortie [[1 2 3] [4 5 6]]

-forme → forme de disposition -size → Nombre total d'éléments dans le tableau -ndim → Nombre de dimensions du tableau

ndarray3.py

ndarray = np.array([[1, 2, 3], [4, 5, 6]])
print(ndarray.shape)
print(ndarray.size)
print(ndarray.ndim)
# Résultat de sortie (2,3)
# Résultat de sortie 6
# Résultat de sortie 2

───────

#### **`Résultat de sortie`**
```text

[1 2 3 4 5]

↑↑↑↑↑↑↑ Contenu de la demande d'édition