IdentifiantMot de passe
Loading...
Mot de passe oublié ?Je m'inscris ! (gratuit)

Notes de cours Python scientifique

Premiers pas avec Python pour la science 3 - Numpy : créer et manipuler des données numériques

Tutoriels sur l'écosystème scientifique autour de Python : une introduction rapide aux outils principaux et aux techniques. Les différents chapitres correspondent chacun à un cours d'une à deux heures avec un niveau d'expertise grandissant, de débutant à expert.

Commentez Donner une note à l´article (5)

Article lu   fois.

Les six auteurs et traducteurs

Voir la liste des auteurs

Liens sociaux

Viadeo Twitter Facebook Share on Google+   

I. Les tableaux NumPy

I-A. Présentation de NumPy et de ses tableaux

I-A-1. Les tableaux NumPy

Objets Python

  • Objets de haut niveau de type nombre : entiers et flottants.
  • Conteneurs : listes (insertion et ajout à moindre coût) et dictionnaires (accès rapide).

Apports de NumPy

  • Package Python pour tableaux multidimensionnels.
  • Plus proche du matériel (efficacité).
  • Spécialement conçu pour les calculs scientifiques.
  • Également reconnu pour son orientation vers le calcul matriciel.
 
Sélectionnez
>>> import numpy as np
>>> a = np.array([0, 1, 2, 3])
>>> a
array([0, 1, 2, 3])

Par exemple, un tableau contenant :

  • des valeurs expérimentales ou issues d'une simulation numérique à intervalles de temps réguliers ;
  • des enregistrements de signaux effectués via un équipement dédié comme un micro ;
  • les pixels d'une image, en niveaux de gris ou en couleur ;
  • des données 3D correspondant à des coordonnées X-Y-Z, telle une image issue d'un scanner IRM (Imagerie à Résonance Magnétique).

Pourquoi est-ce utile ? Le tableau NumPy est un conteneur permettant l'optimisation de la mémoire afin de garantir une grande rapidité de calcul.

 
Sélectionnez
In [1]: L = range(1000)

In [2]: %timeit [i**2 for i in L]
1000 loops, best of 3: 403 us per loop

In [3]: a = np.arange(1000)

In [4]: %timeit a**2
100000 loops, best of 3: 12.7 us per loop

I-A-2. La documentation de référence de NumPy

  • Sur le web : http://docs.scipy.org/http://docs.scipy.org/
  • Aide interactive :

     
    Sélectionnez
    In [5]: np.array?
    String Form:<built-in function array>
    Docstring:
    array(object, dtype=None, copy=True, order=None, subok=False, ndmin=0, ...
  • Faire une recherche par mot-clé :
 
Sélectionnez
>>> np.lookfor('create array') 
Search results for 'create array'
---------------------------------
numpy.array
    Create an array.
numpy.memmap
    Create a memory-map to an array stored in a *binary* file on disk.
 
Sélectionnez
In [6]: np.con*?
np.concatenate
np.conj
np.conjugate
np.convolve

I-A-3. Les conventions d'import

La méthode recommandée pour importer NumPy est la suivante :

 
Sélectionnez
>>> import numpy as np

I-B. Créer des tableaux

I-B-1. Construction manuelle de tableaux

  • Tableau unidimensionnel (1D)
 
Sélectionnez
>>> a = np.array([0, 1, 2, 3])
>>> a
array([0, 1, 2, 3])
>>> a.ndim
1
>>> a.shape
(4,)
>>> len(a)
4
  • Tableau multidimensionnel (2D, 3D…)
 
Sélectionnez
>>> b = np.array([[0, 1, 2], [3, 4, 5]])    # 2 x 3 array
>>> b
array([[0, 1, 2],
       [3, 4, 5]])
>>> b.ndim
2
>>> b.shape
(2, 3)
>>> len(b)     # returns the size of the first dimension
2

>>> c = np.array([[[1], [2]], [[3], [4]]])
>>> c
array([[[1],
        [2]],

       [[3],
        [4]]])
>>> c.shape
(2, 2, 1)

Exercice : tableaux simples

  • Créez un simple tableau 2D. Pour commencer, refaites les exemples ci-dessus. Puis créez le vôtre : combien de nombres impairs sur la première ligne en les comptant à partir de la fin, et de nombres pairs sur la seconde ?
  • Utilisez les fonctions len() et numpy.shape() sur ces tableaux. Quelle est la relation entre ces deux fonctions ? Et que retourne l'attribut ndim de chacun de ces tableaux ?

I-B-2. Fonctions pour créer des tableaux

Dans la pratique, on ne saisit que rarement les éléments un à un.

  • Création d'un tableau de valeurs uniformément espacées

     
    Sélectionnez
    >>> a = np.arange(10) # 0 .. n-1  (!)
    >>> a
    array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
    >>> b = np.arange(1, 9, 2) # start, end (exclusive), step
    >>> b
    array([1, 3, 5, 7])
  • Similaire à arange, mais en précisant le nombre de points au lieu du pas

     
    Sélectionnez
    >>> c = np.linspace(0, 1, 6)   # start, end, num-points
    >>> c
    array([ 0. ,  0.2,  0.4,  0.6,  0.8,  1. ])
    >>> d = np.linspace(0, 1, 5, endpoint=False)
    >>> d
    array([ 0. ,  0.2,  0.4,  0.6,  0.8])
  • Tableaux courants

     
    Sélectionnez
    >>> a = np.ones((3, 3))  # reminder: (3, 3) is a tuple
    >>> a
    array([[ 1.,  1.,  1.],
           [ 1.,  1.,  1.],
           [ 1.,  1.,  1.]])
    >>> b = np.zeros((2, 2))
    >>> b
    array([[ 0.,  0.],
           [ 0.,  0.]])
    >>> c = np.eye(3)
    >>> c
    array([[ 1.,  0.,  0.],
           [ 0.,  1.,  0.],
           [ 0.,  0.,  1.]])
    >>> d = np.diag(np.array([1, 2, 3, 4]))
    >>> d
    array([[1, 0, 0, 0],
           [0, 2, 0, 0],
           [0, 0, 3, 0],
           [0, 0, 0, 4]])
  • np.random : nombres aléatoires
 
Sélectionnez
>>> a = np.random.rand(4)       # uniform in [0, 1]
>>> a  
array([ 0.95799151,  0.14222247,  0.08777354,  0.51887998])

>>> b = np.random.randn(4)      # Gaussian
>>> b  
array([ 0.37544699, -0.11425369, -0.47616538,  1.79664113])

>>> np.random.seed(1234)        # Setting the random seed

Exercice : créer des tableaux en utilisant des fonctions

  • Expérimentez avec arange, linspace, ones, zeros, eye et diag.
  • Créez différents types de tableaux avec des nombres aléatoires.
  • Essayez en initialisant la valeur de la graine aléatoire (random seed) avant de créer le tableau avec des valeurs aléatoires.
  • Regardez la fonction np.empty. Que fait-elle ? Quand peut-elle être utile ?

I-C. Les différents types de données basiques

Vous avez peut-être remarqué que dans certains cas, les éléments d'un tableau sont affichés au format float (2. au lieu de 2). Cela est dû à la gestion du type de données :

 
Sélectionnez
>>> a = np.array([1, 2, 3])
>>> a.dtype
dtype('int64')

>>> b = np.array([1., 2., 3.])
>>> b.dtype
dtype('float64')

Les différents types de données existants nous permettent de mieux gérer l'occupation mémoire des données, mais la plupart du temps, nous travaillerons simplement avec des nombres à virgule flottante. Veuillez noter que dans l'exemple ci-dessus, NumPy détecte automatiquement le type de données en entrée.

Vous pouvez explicitement spécifier le type à utiliser :

 
Sélectionnez
>>> c = np.array([1, 2, 3], dtype=float)
>>> c.dtype
dtype('float64')

Par défaut, le type utilisé est le float :

 
Sélectionnez
>>> a = np.ones((3, 3))
>>> a.dtype
dtype('float64')

Mais il existe d'autres types :

Nombres complexes :

 
Sélectionnez
>>> d = np.array([1+2j, 3+4j, 5+6*1j])
>>> d.dtype
dtype('complex128')

Booléens :

 
Sélectionnez
>>> e = np.array([True, False, False, True])
>>> e.dtype
dtype('bool')

Chaînes de caractères :

 
Sélectionnez
>>> f = np.array(['Bonjour', 'Hello', 'Hallo',])
>>> f.dtype     # <--- strings containing max. 7 letters
dtype('S7')

Mais aussi :

  • int32
  • int64
  • unit32
  • unit64

I-D. Visualisation basique

Maintenant que nous avons nos premiers tableaux de données, nous allons visualiser leur contenu.

Commençons par lancer IPython en mode pylab.

 
Sélectionnez
$ ipython --pylab

Ou le notebook :

 
Sélectionnez
$ ipython notebook --pylab=inline

Sinon, si IPython est déjà lancé :

 
Sélectionnez
>>> %pylab

Ou, depuis le notebook :

 
Sélectionnez
>>> %pylab inline

Le inline est important dans le notebook, car il permet l'affichage dans le notebook même et non dans une nouvelle fenêtre.

Matplotlib est un outil de tracés de graphiques 2D. Nous pouvons importer ses fonctions ainsi :

 
Sélectionnez
>>> import matplotlib.pyplot as plt  # the tidy way

Puis on les utilise comme suit (notez que vous devez utiliser show de manière explicite) :

 
Sélectionnez
>>> plt.plot(x, y)       # line plot    
>>> plt.show()           # <-- shows the plot (not needed with pylab)

Ou encore, si vous utilisez pylab :

 
Sélectionnez
>>> plot(x, y)       # line plot

Utiliser import matplotlib.pyplot as plt est recommandé dans les scripts. Tandis que pylab est plus recommandé pour le travail interactif.

  • Tracé de courbe 1D
 
Sélectionnez
>>> x = np.linspace(0, 3, 20)
>>> y = np.linspace(0, 9, 20)
>>> plt.plot(x, y)       # line plot    
[<matplotlib.lines.Line2D object at ...>]
>>> plt.plot(x, y, 'o')  # dot plot    
[<matplotlib.lines.Line2D object at ...>]
Image non disponible
  • Tableaux 2D (par exemple, les pixels d'une image) :
 
Sélectionnez
>>> image = np.random.rand(30, 30)
>>> plt.imshow(image, cmap=plt.cm.hot)    
>>> plt.colorbar()    
<matplotlib.colorbar.Colorbar instance at ...>
Image non disponible

Exercice : visualisation basique

  • Réalisez des graphiques à partir de tableaux simples : un cosinus en fonction du temps et une matrice 2D.
  • Essayez d'utiliser la palette de couleurs gray dans une matrice 2D.

I-E. Indexation et échantillonnage

Les éléments d'un tableau peuvent être accédés et assignés de la même façon que les listes en Python :

 
Sélectionnez
>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> a[0], a[2], a[-1]
(0, 2, 9)

Les indices commencent à 0, comme n'importe quelle séquence Python (ou C/C++). Au contraire, donc, du Fortran ou de Matlab, dont les indices commencent à 1.

L'idiome usuel de Python pour lire une séquence à l'envers est également supporté :

 
Sélectionnez
>>> a[::-1]
array([9, 8, 7, 6, 5, 4, 3, 2, 1, 0])

Pour des tableaux multidimensionnels, les index sont des tuples d'entiers :

 
Sélectionnez
>>> a = np.diag(np.arange(3))
>>> a
array([[0, 0, 0],
       [0, 1, 0],
       [0, 0, 2]])
>>> a[1, 1]
1
>>> a[2, 1] = 10 # third line, second column
>>> a
array([[ 0,  0,  0],
       [ 0,  1,  0],
       [ 0, 10,  2]])
>>> a[1]
array([0, 1, 0])
  • En 2D, la première dimension correspond à la ligne, et la seconde à la colonne.
  • Pour les tableaux multidimensionnels, a, a[0] sont interprétés comme demandant tous les éléments du tableau dans la ou les dimensions non spécifiées.

Échantillonnage (ou slicing) : les tableaux, comme toute séquence Python, peuvent être échantillonnés :

 
Sélectionnez
>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> a[2:9:3] # [start:end:step]
array([2, 5, 8])

Notez que le dernier index n'est pas inclus :

 
Sélectionnez
>>> a[:4]
array([0, 1, 2, 3])

Les trois arguments start, end et step du slicing ne sont pas forcément tous requis : par défaut, l'index de départ start vaut 0, l'index d'arrivée end est celui du dernier élément et le pas step vaut 1 :

 
Sélectionnez
>>> a[1:3]
array([1, 2])
>>> a[::2]
array([0, 2, 4, 6, 8])
>>> a[3:]
array([3, 4, 5, 6, 7, 8, 9])

La petite illustration suivante résume bien la façon dont NumPy gère l'indexation et l'échantillonnage :

Image non disponible

Vous pouvez également combiner les deux techniques :

 
Sélectionnez
>>> a = np.arange(10)
>>> a[5:] = 10
>>> a
array([ 0,  1,  2,  3,  4, 10, 10, 10, 10, 10])
>>> b = np.arange(5)
>>> a[5:] = b[::-1]
>>> a
array([0, 1, 2, 3, 4, 4, 3, 2, 1, 0])

Exercice : indexation et échantillonnage

  • Essayez les différentes possibilités de l'échantillonnage : en partant d'un linspace, essayez de récupérer les nombres impairs, en partant de la fin, puis les nombres pairs en partant du début.
  • Reproduisez les différents échantillonnages du diagramme ci-dessus. Utilisez l'expression suivante pour créer le tableau de base :
 
Sélectionnez
>>> np.arange(6) + np.arange(0, 51, 10)[:, np.newaxis]
array([[ 0,  1,  2,  3,  4,  5],
       [10, 11, 12, 13, 14, 15],
       [20, 21, 22, 23, 24, 25],
       [30, 31, 32, 33, 34, 35],
       [40, 41, 42, 43, 44, 45],
       [50, 51, 52, 53, 54, 55]])

Exercice : création de tableaux

Créez les tableaux suivants (avec les mêmes données et types) :

 
Sélectionnez
[[1, 1, 1, 1],
 [1, 1, 1, 1],
 [1, 1, 1, 2],
 [1, 6, 1, 1]]

[[0., 0., 0., 0., 0.],
 [2., 0., 0., 0., 0.],
 [0., 3., 0., 0., 0.],
 [0., 0., 4., 0., 0.],
 [0., 0., 0., 5., 0.],
 [0., 0., 0., 0., 6.]]

Astuce : les éléments d'un tableau sont accessibles de la même manière qu'avec une liste (ex. : a[1] ou a[1, 2]).

Astuce : examinez la docstring de diag.

Exercice : création de tableaux par répétition

Fouillez la documentation pour trouver les informations concernant np.tile, et utilisez cette fonction pour construire le tableau suivant :

 
Sélectionnez
[[4, 3, 4, 3, 4, 3],
 [2, 1, 2, 1, 2, 1],
 [4, 3, 4, 3, 4, 3],
 [2, 1, 2, 1, 2, 1]]

I-F. Copie et visualisation

Toute opération d'échantillonnage crée une vue du tableau original, qui consiste juste en une façon différente d'accéder aux données du tableau. Aussi, ce tableau n'est pas recopié en mémoire. Vous pouvez utiliser np.may_share_memory() pour vérifier si deux tableaux partagent le même espace mémoire. Notez également que cela utilise des heuristiques et peut vous renvoyer de faux positifs.

Quand vous modifiez une vue, le tableau originel est également modifié :

 
Sélectionnez
>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> b = a[::2]
>>> b
array([0, 2, 4, 6, 8])
>>> np.may_share_memory(a, b)
True
>>> b[0] = 12
>>> b
array([12,  2,  4,  6,  8])
>>> a   # (!)
array([12,  1,  2,  3,  4,  5,  6,  7,  8,  9])

>>> a = np.arange(10)
>>> c = a[::2].copy()  # force a copy
>>> c[0] = 12
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

>>> np.may_share_memory(a, c)
False

Cela peut paraître surprenant de prime abord, mais cela permet de gagner en mémoire et en temps de traitement.

Exemple : filtre pour nombres premiers

Image non disponible

Calculer les nombres premiers entre 0 et 99, à l'aide d'un masque.

  • Construisez un tableau booléen is_prime de type (100,), rempli avec True
 
Sélectionnez
>>> is_prime = np.ones((100,), dtype=bool)
  • Annotez à False 0 et 1 qui ne sont pas des nombres premiers :
 
Sélectionnez
>>> is_prime[:2] = 0
  • Pour chaque entier j à partir de 2, mettez à False tous ses multiples :
 
Sélectionnez
>>> N_max = int(np.sqrt(len(is_prime)))
>>> for j in range(2, N_max):
...     is_prime[2*j::j] = False
  • À l'aide de help(no.nonzero), affichez les nombres premiers.
  • Effectuez les tâches suivantes :

I-G. Indexation avancée

Les tableaux Numpy peuvent être indexés grâce à l'échantillonnage, mais aussi avec des tableaux de booléens ou d'entiers (masques). Cette méthode est appelée : indexation avancée (fancy indexing). Cela crée des copies et non des vues.

I-G-1. Utilisation de masque booléen

 
Sélectionnez
>>> np.random.seed(3)
>>> a = np.random.random_integers(0, 20, 15)
>>> a
array([10,  3,  8,  0, 19, 10, 11,  9, 10,  6,  0, 20, 12,  7, 14])
>>> (a % 3 == 0)
array([False,  True, False,  True, False, False, False,  True, False,
        True,  True, False,  True, False, False], dtype=bool)
>>> mask = (a % 3 == 0)
>>> extract_from_a = a[mask] # or,  a[a%3==0]
>>> extract_from_a           # extract a sub-array with the mask
array([ 3,  0,  9,  6,  0, 12])

L'indexation via un masque peut être très utile pour assigner des valeurs à un tableau issues du premier.

 
Sélectionnez
>>> a[a % 3 == 0] = -1
>>> a
array([10, -1,  8, -1, 19, 10, 11, -1, 10, -1, -1, 20, -1,  7, 14])

I-G-2. Indexation à l'aide d'un tableau d'entiers

 
Sélectionnez
>>> a = np.arange(0, 100, 10)
>>> a
array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])

L'indexation peut être effectuée avec des tableaux d'entiers, où le même index est répété à plusieurs reprises :

 
Sélectionnez
>>> a[[2, 3, 2, 4, 2]]  # note: [2, 3, 2, 4, 2] is a Python list
array([20, 30, 20, 40, 20])

De nouvelles valeurs peuvent être assignées comme suit :

 
Sélectionnez
>>> a[[9, 7]] = -100
>>> a
array([   0,   10,   20,   30,   40,   50,   60, -100,   80, -100])

Quand un nouveau tableau est créé en indexant par l'intermédiaire d'un tableau d'entiers, le nouveau tableau a la même forme que le tableau d'origine :

 
Sélectionnez
>>> a = np.arange(10)
>>> idx = np.array([[3, 4], [9, 7]])
>>> idx.shape
(2, 2)
>>> a[idx]
array([[3, 4],
       [9, 7]])

L'image ci-dessous montre diverses utilisations d'indexations avancées :

Image non disponible

Exercice : indexation avancée

Une fois de plus, reproduisez l'indexation avancée du diagramme ci-dessus.

Utilisez l'indexation avancée d'un côté et la création de tableaux de l'autre pour assigner les valeurs d'un tableau, par exemple en modifiant les éléments du tableau du diagramme qui sont en dessous de zéro.

II. Opérations numériques sur les tableaux NumPy

II-A. Opérations sur les éléments

II-A-1. Opérations basiques

Avec des scalaires :

 
Sélectionnez
>>> a = np.array([1, 2, 3, 4])
>>> a + 1
array([2, 3, 4, 5])
>>> 2**a
array([ 2,  4,  8, 16])

Opérations élémentaires :

 
Sélectionnez
>>> b = np.ones(4) + 1
>>> a - b
array([-1.,  0.,  1.,  2.])
>>> a * b
array([ 2.,  4.,  6.,  8.])

>>> j = np.arange(5)
>>> 2**(j + 1) - j
array([ 2,  3,  6, 13, 28])

Ces opérations sont, bien entendu, plus rapides que si vous les exécutiez directement en pur Python :

 
Sélectionnez
>>> a = np.arange(10000)
>>> %timeit a + 1  
10000 loops, best of 3: 24.3 us per loop
>>> l = range(10000)
>>> %timeit [i+1 for i in l] 
1000 loops, best of 3: 861 us per loop

Une multiplication de tableaux n'est pas une multiplication de matrices

 
Sélectionnez
>>> c = np.ones((3, 3))
>>> c * c                   # NOT matrix multiplication!
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])

Multiplication de matrices

 
Sélectionnez
>>> c.dot(c)
array([[ 3.,  3.,  3.],
       [ 3.,  3.,  3.],
       [ 3.,  3.,  3.]])

Exercice : opérations élémentaires

  • Essayez des opérations arithmétiques basiques : addition des nombres pairs et impairs ;
  • horodatez-les via %timeit ;
  • Générez :

    • [2**0, 2**1, 2**2, 2**3, 2**4],
    • a_j = 2^(3*j) – j.

II-A-2. Opérations complémentaires

Comparaisons :

 
Sélectionnez
>>> a = np.array([1, 2, 3, 4])
>>> b = np.array([4, 2, 2, 4])
>>> a == b
array([False,  True, False,  True], dtype=bool)
>>> a > b
array([False, False,  True, False], dtype=bool)

Comparaison de tableaux :

 
Sélectionnez
>>> a = np.array([1, 2, 3, 4])
>>> b = np.array([4, 2, 2, 4])
>>> c = np.array([1, 2, 3, 4])
>>> np.array_equal(a, b)
False
>>> np.array_equal(a, c)
True

Opérations logiques :

 
Sélectionnez
>>> a = np.array([1, 1, 0, 0], dtype=bool)
>>> b = np.array([1, 0, 1, 0], dtype=bool)
>>> np.logical_or(a, b)
array([ True,  True,  True, False], dtype=bool)
>>> np.logical_and(a, b)
array([ True, False, False, False], dtype=bool)

Fonctions transcendantales :

 
Sélectionnez
>>> a = np.arange(5)
>>> np.sin(a)
array([ 0.        ,  0.84147098,  0.90929743,  0.14112001, -0.7568025])
>>> np.log(a)
array([       -inf,  0.        ,  0.69314718,  1.09861229,  1.38629436])
>>> np.exp(a)
array([  1.00000000e+00,   2.71828183e+00,   7.38905610e+00,
         2.00855369e+01,   5.45981500e+01])

Comparaisons de structure :

 
Sélectionnez
>>> a = np.arange(4)
>>> a + np.array([1, 2])  
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: operands could not be broadcast together with shapes (4) (2)

broadcasting ? Nous y reviendrons plus tard.

Transpositions :

 
Sélectionnez
>>> a = np.triu(np.ones((3, 3)), 1)   # see help(np.triu)
>>> a
array([[ 0.,  1.,  1.],
       [ 0.,  0.,  1.],
       [ 0.,  0.,  0.]])
>>> a.T
array([[ 0.,  0.,  0.],
       [ 1.,  0.,  0.],
       [ 1.,  1.,  0.]])

La transposition est une vue

le résultat est que la ligne suivante est fausse et ne créera pas de matrice symétrique :

 
Sélectionnez
>>> a += a.T

Algèbre linéaire :

le sous-module numpy.linalg implémente l'algèbre linéaire basique, pour résoudre les systèmes linéaires, la décomposition en valeurs singulières… Pour autant, il n'est pas garanti qu'il soit compilé en utilisant les routines optimales, et nous recommandons plutôt l'utilisation de scipy.linalg.

Exercice : autres opérations

  • Regardez l'aide sur l'opération np.allclose. Quand cette opération peut-elle servir ?
  • Regardez l'aide sur np.triu et np.tril.

II-B. Opérations de réduction

II-B-1. Calculer des sommes

 
Sélectionnez
>>> x = np.array([1, 2, 3, 4])
>>> np.sum(x)
10
>>> x.sum()
10

Somme de lignes et de colonnes :

Image non disponible
 
Sélectionnez
>>> x = np.array([[1, 1], [2, 2]])
>>> x
array([[1, 1],
       [2, 2]])
>>> x.sum(axis=0)   # columns (first dimension)
array([3, 3])
>>> x[:, 0].sum(), x[:, 1].sum()
(3, 3)
>>> x.sum(axis=1)   # rows (second dimension)
array([2, 4])
>>> x[0, :].sum(), x[1, :].sum()
(2, 4)

Dans le même genre, pour des tableaux de dimensions plus élevées :

 
Sélectionnez
>>> x = np.random.rand(2, 2, 2)
>>> x.sum(axis=2)[0, 1]     
1.14764...
>>> x[0, 1, :].sum()     
1.14764...

II-B-2. Autres opérations de réduction

Extrema :

 
Sélectionnez
>>> x = np.array([1, 3, 2])
>>> x.min()
1
>>> x.max()
3

>>> x.argmin()  # index of minimum
0
>>> x.argmax()  # index of maximum
1

Opérations logiques :

 
Sélectionnez
>>> np.all([True, True, False])
False
>>> np.any([True, True, False])
True

Comparaison de tableaux :

 
Sélectionnez
>>> a = np.zeros((100, 100))
>>> np.any(a != 0)
False
>>> np.all(a == a)
True

>>> a = np.array([1, 2, 3, 2])
>>> b = np.array([2, 2, 3, 2])
>>> c = np.array([6, 4, 4, 5])
>>> ((a <= b) & (b <= c)).all()
True

Statistiques :

 
Sélectionnez
>>> x = np.array([1, 2, 3, 1])
>>> y = np.array([[1, 2, 3], [5, 6, 1]])
>>> x.mean()
1.75
>>> np.median(x)
1.5
>>> np.median(y, axis=-1) # last axis
array([ 2.,  5.])

>>> x.std()          # full population standard dev.
0.82915619758884995

Et beaucoup plus.

Exercice : réductions

  • En dehors de sum, quelle autre fonction peut-on utiliser ?
  • Quelle est la différence entre sum et cumsum ?

Exemple pratique : données statistiques

Les données contenues dans le fichier populations.txt décrivent les populations de lièvres et de lynx (et de carottes) dans le nord du Canada sur 20 ans.

Vous pouvez visualiser ces données dans un éditeur ou dans Ipython :

 
Sélectionnez
In [1]: !cat data/populations.txt

Pour commencer, chargez les données dans un tableau NumPy :

 
Sélectionnez
>>> data = np.loadtxt('data/populations.txt')
>>> year, hares, lynxes, carrots = data.T  # trick: columns to variables

Puis affichez-les :

 
Sélectionnez
>>> from matplotlib import pyplot as plt
>>> plt.axes([0.2, 0.1, 0.5, 0.8]) 
>>> plt.plot(year, hares, year, lynxes, year, carrots) 
>>> plt.legend(('Hare', 'Lynx', 'Carrot'), loc=(1.05, 0.5))
Image non disponible

La moyenne des populations dans le temps est :

 
Sélectionnez
>>> populations = data[:, 1:]
>>> populations.mean(axis=0)
array([ 34080.95238095,  20166.66666667,  42400.        ])

La variation moyenne est :

 
Sélectionnez
>>> populations.std(axis=0)
array([ 20897.90645809,  16254.59153691,   3322.50622558])

Quelle espèce a la population la plus importante chaque année ?

 
Sélectionnez
>>> np.argmax(populations, axis=1)
array([2, 2, 0, 0, 1, 1, 2, 2, 2, 2, 2, 2, 0, 0, 0, 1, 2, 2, 2, 2, 2])

Exemple pratique : broadcasting avec algorithme de marche aléatoire

Image non disponible

Considérons un simple algorithme de marche aléatoire unidimensionnel : à chaque pas de temps, nous avançons ou reculons, avec une probabilité similaire.

Nous allons ici tâcher de trouver la distance typique parcourue depuis le départ, après t sauts en avant ou en arrière.

Nous allons pour cela simuler plusieurs marcheurs pour trouver cette loi, et nous allons procéder à quelques simulations : nous allons créer un tableau 2D avec des histoires (chaque marcheur a sa propre histoire) avec sur une dimension le temps, et sur l'autre l'histoire.

Image non disponible
 
Sélectionnez
>>> n_stories = 1000 # number of walkers
>>> t_max = 200      # time during which we follow the walker

Nous allons choisir de manière totalement aléatoire si nous avançons ou reculons :

 
Sélectionnez
>>> t = np.arange(t_max)
>>> steps = 2 * np.random.random_integers(0, 1, (n_stories, t_max)) - 1
>>> np.unique(steps) # Verification: all steps are 1 or -1
array([-1,  1])

Nous faisons avancer le marcheur en additionnant les pas dans le temps :

 
Sélectionnez
>>> positions = np.cumsum(steps, axis=1) # axis = 1: dimension of time
>>> sq_distance = positions**2

Nous obtenons alors le fil conducteur de l'histoire :

 
Sélectionnez
>>> mean_sq_distance = np.mean(sq_distance, axis=0)

On affiche le résultat :

 
Sélectionnez
>>> plt.figure(figsize=(4, 3)) 
<matplotlib.figure.Figure object at ...>
>>> plt.plot(t, np.sqrt(mean_sq_distance), 'g.', t, np.sqrt(t), 'y-') 
[<matplotlib.lines.Line2D object at ...>, <matplotlib.lines.Line2D object at ...>]
>>> plt.xlabel(r"$t$") 
<matplotlib.text.Text object at ...>
>>> plt.ylabel(r"$\sqrt{\langle (\delta x)^2 \rangle}$") 
<matplotlib.text.Text object at ...>
Image non disponible

Nous venons d'établir un fait physique reconnu : la distance moyenne augmente proportionnellement avec la racine carrée du temps.

II-C. Broadcasting

  • Les opérations basiques entre tableaux NumPy se font élément par élément.
  • Cela ne fonctionne que sur des tableaux de dimensions identiques.
    Dans tous les cas, il est possible d'effectuer les opérations entre des tableaux de tailles différentes si NumPy peut transformer ces tableaux de façon à ce qu'ils aient les mêmes dimensions. Cette conversion est alors appelée broadcasting.

L'image suivante donne un exemple de broadcasting :

Image non disponible

Vérifions cela :

 
Sélectionnez
>>> a = np.tile(np.arange(0, 40, 10), (3, 1)).T
>>> a
array([[ 0,  0,  0],
       [10, 10, 10],
       [20, 20, 20],
       [30, 30, 30]])
>>> b = np.array([0, 1, 2])
>>> a + b
array([[ 0,  1,  2],
       [10, 11, 12],
       [20, 21, 22],
       [30, 31, 32]])

Nous avons déjà fait du broadcasting sans le savoir :

 
Sélectionnez
>>> a = np.ones((4, 5))
>>> a[0] = 2  # we assign an array of dimension 0 to an array of dimension 1
>>> a
array([[ 2.,  2.,  2.,  2.,  2.],
       [ 1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.,  1.],
       [ 1.,  1.,  1.,  1.,  1.]])

Une petite astuce fort utile :

 
Sélectionnez
>>> a = np.arange(0, 40, 10)
>>> a.shape
(4,)
>>> a = a[:, np.newaxis]  # adds a new axis -> 2D array
>>> a.shape
(4, 1)
>>> a
array([[ 0],
       [10],
       [20],
       [30]])
>>> a + b
array([[ 0,  1,  2],
       [10, 11, 12],
       [20, 21, 22],
       [30, 31, 32]])

Le broadcasting semble être un peu magique, mais il est en réalité tout naturel quand nous devons résoudre un problème dont les données de sortie sont un tableau avec plus de dimensions qu'en entrée.

Exemple pratique : broadcasting

Nous allons construire un tableau des distances (en miles) entre chaque ville de la Route 66 : Chicago, Springfield, Saint-Louis, Tulsa, Oklahoma City, Amarillo, Santa Fe, Albuquerque, Flagstaff et Los Angeles.

 
Sélectionnez
>>> mileposts = np.array([0, 198, 303, 736, 871, 1175, 1475, 1544,
...        1913, 2448])
>>> distance_array = np.abs(mileposts - mileposts[:, np.newaxis])
>>> distance_array
array([[   0,  198,  303,  736,  871, 1175, 1475, 1544, 1913, 2448],
       [ 198,    0,  105,  538,  673,  977, 1277, 1346, 1715, 2250],
       [ 303,  105,    0,  433,  568,  872, 1172, 1241, 1610, 2145],
       [ 736,  538,  433,    0,  135,  439,  739,  808, 1177, 1712],
       [ 871,  673,  568,  135,    0,  304,  604,  673, 1042, 1577],
       [1175,  977,  872,  439,  304,    0,  300,  369,  738, 1273],
       [1475, 1277, 1172,  739,  604,  300,    0,   69,  438,  973],
       [1544, 1346, 1241,  808,  673,  369,   69,    0,  369,  904],
       [1913, 1715, 1610, 1177, 1042,  738,  438,  369,    0,  535],
       [2448, 2250, 2145, 1712, 1577, 1273,  973,  904,  535,    0]])
Image non disponible

Beaucoup de problèmes de calcul sur des grilles ou des réseaux peuvent être résolus par broadcasting. Par exemple, si nous désirons calculer la distance depuis l'origine jusqu'à chacun des points d'une grille de 10 x 10, nous ferons :

 
Sélectionnez
>>> x, y = np.arange(5), np.arange(5)[:, np.newaxis]
>>> distance = np.sqrt(x ** 2 + y ** 2)
>>> distance
array([[ 0.        ,  1.        ,  2.        ,  3.        ,  4.        ],
       [ 1.        ,  1.41421356,  2.23606798,  3.16227766,  4.12310563],
       [ 2.        ,  2.23606798,  2.82842712,  3.60555128,  4.47213595],
       [ 3.        ,  3.16227766,  3.60555128,  4.24264069,  5.        ],
       [ 4.        ,  4.12310563,  4.47213595,  5.        ,  5.65685425]])

Ou en couleur :

 
Sélectionnez
>>> plt.pcolor(distance)    
>>> plt.colorbar()
Image non disponible

Remarque : la fonction numpy.ogrid permet de créer directement les vecteurs x et y de l'exemple précédent, avec deux « dimensions significatives ».

 
Sélectionnez
>>> x, y = np.ogrid[0:5, 0:5]
>>> x, y
(array([[0],
       [1],
       [2],
       [3],
       [4]]), array([[0, 1, 2, 3, 4]]))
>>> x.shape, y.shape
((5, 1), (1, 5))
>>> distance = np.sqrt(x ** 2 + y ** 2)

np.ogrid est très pratique dès que l'on désire effectuer des calculs sur une grille. D'un autre côté, np.mgrid fournit des matrices préremplies pour les cas où nous ne pouvons (où ne voulons) utiliser le broadcasting.

 
Sélectionnez
>>> x, y = np.mgrid[0:4, 0:4]
>>> x
array([[0, 0, 0, 0],
       [1, 1, 1, 1],
       [2, 2, 2, 2],
       [3, 3, 3, 3]])
>>> y
array([[0, 1, 2, 3],
       [0, 1, 2, 3],
       [0, 1, 2, 3],
       [0, 1, 2, 3]])

II-D. Ajustement de tableaux

II-D-1. Aplatissement

 
Sélectionnez
>>> a = np.array([[1, 2, 3], [4, 5, 6]])
>>> a.ravel()
array([1, 2, 3, 4, 5, 6])
>>> a.T
array([[1, 4],
       [2, 5],
       [3, 6]])
>>> a.T.ravel()
array([1, 4, 2, 5, 3, 6])

Pour les tableaux à plusieurs dimensions, c'est la dernière qui est défaite en premier.

II-D-2. Redimensionnement

L'inverse de l'opération précédente :

 
Sélectionnez
>>> a.shape
(2, 3)
>>> b = a.ravel()
>>> b = b.reshape((2, 3))
>>> b
array([[1, 2, 3],
       [4, 5, 6]])

Ou encore :

 
Sélectionnez
>>> a.reshape((2, -1))    # unspecified (-1) value is inferred
array([[1, 2, 3],
       [4, 5, 6]])

ndarray.reshape peut retourner une vue (cf. help(np.reshape)) ou une copie.

 
Sélectionnez
>>> b[0, 0] = 99
>>> a
array([[99,  2,  3],
       [ 4,  5,  6]])

Attention : reshape peut aussi retourner une copie :

 
Sélectionnez
>>> a = np.zeros((3, 2))
>>> b = a.T.reshape(3*2)
>>> b[0] = 9
>>> a
array([[ 0.,  0.],
       [ 0.,  0.],
       [ 0.,  0.]])

Pour bien comprendre cela, vous vous devez d'en apprendre plus sur la gestion de la couche mémoire des tableaux NumPy.

II-D-3. Ajout d'une dimension

L'indexation avec l'objet np.newaxis nous permet d'ajouter un axe à un tableau (relisez la section dédiée au broadcasting) :

 
Sélectionnez
>>> z = np.array([1, 2, 3])
>>> z
array([1, 2, 3])

>>> z[:, np.newaxis]
array([[1],
       [2],
       [3]])

>>> z[np.newaxis, :]
array([[1, 2, 3]])

II-D-4. Réarrangement

 
Sélectionnez
>>> a = np.arange(4*3*2).reshape(4, 3, 2)
>>> a.shape
(4, 3, 2)
>>> a[0, 2, 1]
5
>>> b = a.transpose(1, 2, 0)
>>> b.shape
(3, 2, 4)
>>> b[2, 1, 0]
5

Créer une vue :

 
Sélectionnez
>>> b[2, 1, 0] = -1
>>> a[0, 2, 1]
-1

II-D-5. Redimensionnement avec resize

La taille d'un tableau peut être modifiée avec ndarray.resize :

 
Sélectionnez
>>> a = np.arange(4)
>>> a.resize((8,))
>>> a
array([0, 1, 2, 3, 0, 0, 0, 0])

Il ne faut pas que le tableau soit référencé par autre chose :

 
Sélectionnez
>>> b = a
>>> a.resize((4,))   
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: cannot resize an array that has been referenced or is
referencing another array in this way.  Use the resize function

Exercices : manipulation de structure

  • Lisez la docstring concernant reshape, spécialement les notes de section à propos des copies et des vues.
  • Utilisez flatten comme un substitut à ravel. Quelle est la différence ? (regardez laquelle renvoie une copie et l'autre une vue).
  • Testez transpose.

II-E. Tri des données

Tri le long d'un axe :

 
Sélectionnez
>>> a = np.array([[4, 3, 5], [1, 2, 1]])
>>> b = np.sort(a, axis=1)
>>> b
array([[3, 4, 5],
       [1, 1, 2]])

Chaque ligne est triée séparément.

Tri in situ :

 
Sélectionnez
>>> a.sort(axis=1)
>>> a
array([[3, 4, 5],
       [1, 1, 2]])

Tri par indexation avancée (fancy indexing) :

 
Sélectionnez
>>> a = np.array([4, 3, 1, 2])
>>> j = np.argsort(a)
>>> j
array([2, 3, 1, 0])
>>> a[j]
array([1, 2, 3, 4])

Trouver le minimum et le maximum :

 
Sélectionnez
>>> a = np.array([4, 3, 1, 2])
>>> j_max = np.argmax(a)
>>> j_min = np.argmin(a)
>>> j_max, j_min
(0, 2)

Exercice : tri

  • Testez le tri in situ et hors tableau.
  • Essayez de créer des tableaux avec différents dtypes et triez-les.
  • Utilisez all ou array_equal pour vérifier les résultats.
  • Regardez np.random.shuffle comme moyen de créer des entrées triables.
  • Combinez ravel, sort et reshape.
  • Regardez le mot-clé axis pour sort et refaites l'exercice précédent.

II-F. En résumé

II-F-1. Qu'avez-vous besoin de savoir pour débuter ?

  • Savoir comment créer des tableaux : array, arange, ones, zeros.
  • Connaître la forme d'un tableau via array.shape, et savoir l'échantillonner pour obtenir différentes vues du tableau : array[::2] … Ajuster la forme du tableau en utilisant reshape ou le remettre à plat avec ravel.
  • Obtenir un sous-ensemble du tableau et/ou modifier ses valeurs avec des masques :
 
Sélectionnez
>>> a[a < 0] = 0
  • Connaître les diverses opérations sur les tableaux, comme trouver la moyenne ou le maximum (array.max(), array.mean()). Il n'est pas nécessaire de tout retenir, mais il faut avoir le réflexe de chercher dans la documentation (documentation en ligne, help(), lookfor()).
  • Pour un usage avancé : utiliser des outils comme le broadcasting. Connaître davantage de fonctions NumPy pour effectuer diverses opérations.

III. Allons un peu plus loin avec les tableaux NumPy

III-A. Types de données supplémentaires

III-A-1. Typage

Les types les plus importants ont la priorité dans les opérations mixtes entre types :

 
Sélectionnez
>>> np.array([1, 2, 3]) + 1.5
array([ 2.5,  3.5,  4.5])

Les assignations ne changent jamais le type des données :

 
Sélectionnez
>>> a = np.array([1, 2, 3])
>>> a.dtype
dtype('int64')
>>> a[0] = 1.9     # <-- float is truncated to integer
>>> a
array([1, 2, 3])

Typage forcé :

 
Sélectionnez
>>> a = np.array([1.7, 1.2, 1.6])
>>> b = a.astype(int)  # <-- truncates to integer
>>> b
array([1, 1, 1])

Arrondis :

 
Sélectionnez
>>> a = np.array([1.2, 1.5, 1.6, 2.5, 3.5, 4.5])
>>> b = np.around(a)
>>> b                    # still floating-point
array([ 1.,  2.,  2.,  2.,  4.,  4.])
>>> c = np.around(a).astype(int)
>>> c
array([1, 2, 2, 2, 4, 4])

III-A-2. Les différentes tailles de données

Entiers (signés) :

int8

8 bits.

int16

16 bits.

int32

32 bits (identique à int sur plateforme 32 bits).

int64

64 bits (identique à int sur plateforme 64 bits).

 
Sélectionnez
>>> np.array([1], dtype=int).dtype
dtype('int64')
>>> np.iinfo(np.int32).max, 2**31 - 1
(2147483647, 2147483647)
>>> np.iinfo(np.int64).max, 2**63 - 1
(9223372036854775807, 9223372036854775807L)

Entiers non signés :

uint8

8 bits.

uint16

16 bits.

uint32

32 bits.

uint64

64 bits.

 
Sélectionnez
>>> np.iinfo(np.uint32).max, 2**32 - 1
(4294967295, 4294967295)
>>> np.iinfo(np.uint64).max, 2**64 - 1
(18446744073709551615L, 18446744073709551615L)

Nombres à virgule flottante :

float16

16 bits.

float32

32 bits.

float64

64 bits (idem que les float).

float96

96 bits, dépendant de la plateforme (np.longdouble).

float128

128 bits, dépendant de la plateforme (np.longdouble).

 
Sélectionnez
>>> np.finfo(np.float32).eps
1.1920929e-07
>>> np.finfo(np.float64).eps
2.2204460492503131e-16

>>> np.float32(1e-8) + np.float32(1) == 1
True
>>> np.float64(1e-8) + np.float64(1) == 1
False

Nombres complexes à virgule flottante :

complex64

2 float 32 bits.

complex128

2 float 64 bits.

complex192

2 float 96 bits.

complex256

2 float 128 bits.

Utilisation de types de données plus petits

Si vous ne savez pas que vous aurez besoin de types de données particuliers, c'est que vous n'en aurez probablement pas besoin.

Comparaison d'utilisation d'un float32 à la place d'un float64 :

  • moitié moins de mémoire et d'espace disque utilisé ;
  • moitié moins de bande passante utilisée (opérations plus rapides en général)

     
    Sélectionnez
    In [1]: a = np.zeros((1e6,), dtype=np.float64)
    
    In [2]: b = np.zeros((1e6,), dtype=np.float32)
    
    In [3]: %timeit a*a
    1000 loops, best of 3: 1.78 ms per loop
    
    In [4]: %timeit b*b
    1000 loops, best of 3: 1.07 ms per loop
  • mais : erreurs d'arrondi plus élevées, avec parfois des résultats imprévus.

III-B. Données structurées

sensor_code

Chaînes de 4 caractères.

position

float.

value

float.

 
Sélectionnez
>>> samples = np.zeros((6,), dtype=[('sensor_code', 'S4'),
...                                 ('position', float), ('value', float)])
>>> samples.ndim
1
>>> samples.shape
(6,)
>>> samples.dtype.names
('sensor_code', 'position', 'value')

>>> samples[:] = [('ALFA',   1, 0.37), ('BETA', 1, 0.11), ('TAU', 1,   0.13),
...               ('ALFA', 1.5, 0.37), ('ALFA', 3, 0.11), ('TAU', 1.2, 0.13)]
>>> samples
array([('ALFA', 1.0, 0.37), ('BETA', 1.0, 0.11), ('TAU', 1.0, 0.13),
       ('ALFA', 1.5, 0.37), ('ALFA', 3.0, 0.11), ('TAU', 1.2, 0.13)],
      dtype=[('sensor_code', 'S4'), ('position', '<f8'), ('value', '<f8')])

Les accès aux différents champs s'effectuent par indexation avec le nom du champ :

 
Sélectionnez
>>> samples['sensor_code']
array(['ALFA', 'BETA', 'TAU', 'ALFA', 'ALFA', 'TAU'],
      dtype='|S4')
>>> samples['value']
array([ 0.37,  0.11,  0.13,  0.37,  0.11,  0.13])
>>> samples[0]
('ALFA', 1.0, 0.37)

>>> samples[0]['sensor_code'] = 'TAU'
>>> samples[0]
('TAU', 1.0, 0.37)

Multiples accès à la fois :

 
Sélectionnez
>>> samples[['position', 'value']]
array([(1.0, 0.37), (1.0, 0.11), (1.0, 0.13), (1.5, 0.37), (3.0, 0.11),
       (1.2, 0.13)],
      dtype=[('position', '<f8'), ('value', '<f8')])

L'indexation avancée fonctionne également :

 
Sélectionnez
>>> samples[samples['sensor_code'] == 'ALFA']
array([('ALFA', 1.5, 0.37), ('ALFA', 3.0, 0.11)],
      dtype=[('sensor_code', 'S4'), ('position', '<f8'), ('value', '<f8')])

III-C. maskedarray : tenir compte de données manquantes

Les masques fonctionnent pour tous les types :

 
Sélectionnez
>>> x = np.ma.array([1, 2, 3, 4], mask=[0, 1, 0, 1])
>>> x
masked_array(data = [1 -- 3 --],
             mask = [False  True False  True],
       fill_value = 999999)


>>> y = np.ma.array([1, 2, 3, 4], mask=[0, 1, 1, 1])
>>> x + y
masked_array(data = [2 -- -- --],
             mask = [False  True  True  True],
       fill_value = 999999)

Sur les fonctions usuelles :

 
Sélectionnez
>>> np.ma.sqrt([1, -1, 2, -2])
masked_array(data = [1.0 -- 1.41421356237 --],
             mask = [False  True False  True],
       fill_value = 1e+20)

III-C-1. Bonnes pratiques

  • Expliciter les noms des variables (cela signifie qu'il n'y aura pas besoin de commentaires pour dire à quoi correspond la variable).
  • Respect du style : espace après les virgules, autour du symbole « = »… Un certain nombre de règles afin d'écrire du code « joli » (et afin que tout le monde utilise les mêmes conventions de codage) sont disponibles ICIhttp://www.python.org/dev/peps/pep-0008 et ICIhttp://www.python.org/dev/peps/pep-0257.
  • À quelques exceptions près, les noms des variables et les commentaires doivent être en anglais.

IV. Opérations avancées

IV-A. Polynômes

NumPy est également capable d'effectuer des calculs sur des polynômes :

Par exemple kitxmlcodeinlinelatexdvp3x^2+2x-1finkitxmlcodeinlinelatexdvp :

 
Sélectionnez
>>> p = np.poly1d([3, 2, -1])
>>> p(0)
-1
>>> p.roots
array([-1.        ,  0.33333333])
>>> p.order
2
 
Sélectionnez
>>> x = np.linspace(0, 1, 20)
>>> y = np.cos(x) + 0.3*np.random.rand(20)
>>> p = np.poly1d(np.polyfit(x, y, 3))

>>> t = np.linspace(0, 1, 200)
>>> plt.plot(x, y, 'o', t, p(t), '-')   
[<matplotlib.lines.Line2D object at ...>, <matplotlib.lines.Line2D object at ...>]
Image non disponible

IV-A-1. Allons un peu plus loin

NumPy est également capable de calcul polynomial plus complexe, basé par exemple sur les polynômes de Chebychev. kitxmlcodeinlinelatexdvp3x^2+2x-1finkitxmlcodeinlinelatexdvp :

 
Sélectionnez
>>> p = np.polynomial.Polynomial([-1, 2, 3]) # coefs in different order!
>>> p(0)
-1.0
>>> p.roots()
array([-1.        ,  0.33333333])
>>> p.degree()  # In general polynomials do not always expose 'order'
2

Voici un exemple utilisant les polynômes de Chebyshev, sur l'intervalle [-1,1] :

 
Sélectionnez
>>> x = np.linspace(-1, 1, 2000)
>>> y = np.cos(x) + 0.3*np.random.rand(2000)
>>> p = np.polynomial.Chebyshev.fit(x, y, 90)

>>> t = np.linspace(-1, 1, 200)
>>> plt.plot(x, y, 'r.')   
[<matplotlib.lines.Line2D object at ...>]
>>> plt.plot(t, p(t), 'k-', lw=3)   
[<matplotlib.lines.Line2D object at ...>]
Image non disponible

Les polynômes de Chebychev sont très intéressants pour les calculs d'interpolations.

IV-B. Charger des fichiers de données

IV-B-1. Fichiers texte

Exemple : populations.txt

 
Sélectionnez
# year  hare    lynx    carrot
1900    30e3    4e3     48300
1901    47.2e3  6.1e3   48200
1902    70.2e3  9.8e3   41500
1903    77.4e3  35.2e3  38200
 
Sélectionnez
>>> data = np.loadtxt('data/populations.txt')
>>> data    
array([[  1900.,  30000.,   4000.,  48300.],
       [  1901.,  47200.,   6100.,  48200.],
       [  1902.,  70200.,   9800.,  41500.],
...
 
Sélectionnez
>>> np.savetxt('pop2.txt', data)
>>> data2 = np.loadtxt('pop2.txt')

Si vous avez un fichier texte complexe, vous pouvez essayer :

  • np.genfromtxt ;
  • d'utiliser les fonctions d'E/S Python et, par exemple, les regexps pour parser le contenu (Python est plutôt bien équipé pour cela).

Rappelez-vous : naviguer dans le système de fichiers avec IPython

 
Sélectionnez
In [1]: pwd      # show current directory
'/home/user/stuff/2011-numpy-tutorial'
In [2]: cd ex
'/home/user/stuff/2011-numpy-tutorial/ex'
In [3]: ls
populations.txt  species.txt

IV-B-2. Images

Avec Matplotlib :

 
Sélectionnez
>>> img = plt.imread('data/elephant.png')
>>> img.shape, img.dtype
((200, 300, 3), dtype('float32'))
>>> plt.imshow(img)     
<matplotlib.image.AxesImage object at ...>
>>> plt.savefig('plot.png')

>>> plt.imsave('red_elephant', img[:,:,0], cmap=plt.cm.gray)

En sauvegardant uniquement un canal (RGB) :

 
Sélectionnez
>>> plt.imshow(plt.imread('red_elephant.png'))  
<matplotlib.image.AxesImage object at ...>

Avec une autre bibliothèque :

 
Sélectionnez
>>> from scipy.misc import imsave
>>> imsave('tiny_elephant.png', img[::6,::6])
>>> plt.imshow(plt.imread('tiny_elephant.png'), interpolation='nearest')  
<matplotlib.image.AxesImage object at ...>
Image non disponible

IV-B-3. Fichier au format NumPy

NumPy possède son propre format binaire, non portable, mais très efficace :

 
Sélectionnez
>>> data = np.ones((3, 3))
>>> np.save('pop.npy', data)
>>> data3 = np.load('pop.npy')

IV-B-4. Autres formats courants

… si quelqu'un l'utilise, il y a probablement une bibliothèque Python pour cela.

Exercice : fichiers texte de données

Écrivez un script Python qui charge les données depuis populations.txt et supprimez la dernière colonne et les cinq premières lignes. Enregistrez le jeu de données ainsi réduit dans pop2.txt.

Si vous êtes intéressé d'en apprendre plus sur les rouages internes de NumPy, je vous invite à lire les notions avancées de NumPyhttp://scipy-lectures.github.io/advanced/advanced_numpy/index.html#advanced-numpy.

V. Exercices

V-A. Manipulations de tableaux

1- Créez le tableau suivant (sans le saisir explicitement) et générez un nouveau tableau contenant sa 2e et 4e ligne.

 
Sélectionnez
[[1,  6, 11],
 [2,  7, 12],
 [3,  8, 13],
 [4,  9, 14],
 [5, 10, 15]]

2- Divisez chaque colonne du tableau a, élément par élément, avec le tableau b. (astuce : np.newaxis).

 
Sélectionnez
>>> a = np.arange(25).reshape(5, 5)
>>> b = np.array([1., 5, 10, 15, 20])

3- Un peu plus difficile : générez un tableau de 10 lignes de 3 colonnes avec des nombres aléatoires compris entre 0 et 1. Pour chaque ligne, extrayez le nombre le plus proche de 0,5.

  • Utilisez abs et argsort pour trouver la colonne j la plus proche pour chaque ligne.
  • Utilisez l'indexation avancée pour extraire les nombres. (astuce : a[i, j] ; le tableau i doit contenir le numéro de la colonne correspondante dans j).

V-B. Manipulation d'image : Lena

Effectuons quelques manipulations sur les tableaux NumPy en commençant par la célèbre image de Lena (http://www.cs.cmu.edu/~chuck/lennapg/). Scipy fournit un tableau 2D de cette image avec la fonction scipy.lena :

 
Sélectionnez
>>> from scipy import misc
>>> lena = misc.lena()

Pour les versions anciennes de Scipy, utilisez scipy.lena().

Voici quelques images montrant ce que l'on peut obtenir avec quelques manipulations : utilisations de palettes de couleurs, rognage ou encore modification partielle de l'image.

Image non disponible
  • Commençons par utiliser la fonction imshow pour afficher l'image

     
    Sélectionnez
    In [3]: import pylab as plt
    In [4]: lena = misc.lena()
    In [5]: plt.imshow(lena)
  • Lena est affichée en fausse couleur. Une palette de couleurs doit être précisée pour l'afficher en niveaux de gris.

     
    Sélectionnez
    In [6]: plt.imshow(lena, cmap=plt.cm.gray)
  • Créez un tableau à partir de l'image : par exemple, retirez 30 pixels en bordure de l'image. Pour visualiser le résultat, utilisez à nouveau imshow.

     
    Sélectionnez
    In [9]: crop_lena = lena[30:-30,30:-30]
  • Nous allons maintenant styliser le visage de Lena avec une marquise noire. Pour cela, nous avons besoin de créer un masque correspondant aux pixels que nous désirons colorer en noir. Ce masque est défini par la condition (y-256)**2 + (x-256)**2.

     
    Sélectionnez
    In [15]: y, x = np.ogrid[0:512,0:512] # x and y indices of pixels
    In [16]: y.shape, x.shape
    Out[16]: ((512, 1), (1, 512))
    In [17]: centerx, centery = (256, 256) # center of the image
    In [18]: mask = ((y - centery)**2 + (x - centerx)**2) > 230**2 # circle
  • Ensuite, nous assignons la valeur 0 aux pixels de l'image correspondant à ce masque. La syntaxe est extrêmement simple et intuitive.

     
    Sélectionnez
    In [19]: lena[mask] = 0
    In [20]: plt.imshow(lena)
    Out[20]: <matplotlib.image.AxesImage object at 0xa36534c>
    Image non disponible
  • Copiez toutes les instructions de cet exercice dans un script que vous nommerez lena_locket.py, puis exécutez-le.

  • Remplacez le cercle par une ellipse.

V-C. Statistiques de données

Les données contenues dans le fichier populations.txt décrivent les populations de lièvres et de lynx (et de carottes) dans le nord du Canada sur 20 ans.

 
Sélectionnez
>>> data = np.loadtxt('data/populations.txt')
>>> year, hares, lynxes, carrots = data.T  # trick: columns to variables

>>> plt.axes([0.2, 0.1, 0.5, 0.8]) 
<matplotlib.axes.Axes object at ...>
>>> plt.plot(year, hares, year, lynxes, year, carrots) 
[<matplotlib.lines.Line2D object at ...>, ...]
>>> plt.legend(('Hare', 'Lynx', 'Carrot'), loc=(1.05, 0.5)) 
<matplotlib.legend.Legend object at ...>
Image non disponible

Calculez et affichez à partir du jeu de données fourni :

  • la moyenne de la population pour chaque espèce, pour chaque année de la période ;
  • l'année pour laquelle chaque espèce a atteint son maximum de population ;
  • quelle espèce a la population la plus importante pour chaque année (astuce : argsort et indexation avancée ) ;
  • quelles années aucune des espèces citées ne dépasse les 50 000 (astuce : comparaisons et np.any) ;
  • les deux années pour chaque espèce, où elles disposent de la population la plus basse (astuce : argsort, indexation avancée) ;
  • comparez (graphique) l'évolution de la population de lièvres (voir help(np.gradient)) et de lynx. Vérifier la corrélation (voir herlp(np.corrcoef)).

…Le tout sans faire la moindre boucle for.

data_statistics.py
Cacher/Afficher le codeSélectionnez

V-D. Approximations d'intégrales brutes

Écrivez une fonction f(a,b,c) qui retourne ab-c. Créez un tableau de 24x12x6 contenant les valeurs de la fonction calculées dans le domaine [0,1]x[0,1]x[0,1].

Approchez la valeur de l'intégrale triple :

Image non disponible

Le résultat exact est Image non disponible . Quelle est l'erreur relative ?

(Astuces : utilisez les opérations élément par élément et le broadcasting). Vous pouvez utiliser np.grid qui fournit un nombre de points dans un intervalle avec np.ogrid[0:1:20j]).

Rappelez-vous de la fonction Python :

 
Sélectionnez
def f(a, b, c):
    return some_result
crude_integration.py
Cacher/Afficher le codeSélectionnez

V-E. Jeu de Mandelbrot

Image non disponible

Écrivez un script qui calcule la fractale de Mandelbrot. L'itération de Mandelbrot est la suivante :

 
Sélectionnez
N_max = 50
some_threshold = 50

c = x + 1j*y

for j in xrange(N_max):
    z = z**2 + c

Les points (x, y) appartiennent à l'ensemble de Mandelbrot si |C| < some_threshold.

  • Effectuez ce calcul en suivant les étapes :

    • construisez une grille de c=x+1j*y valeurs dans l'intervalle [-2,1]x[-1.5,1.5] ;
    • effectuez l'itération ;
    • créez le masque booléen 2D indiquant quels points appartiennent à l'ensemble ;
    • sauvegardez le résultat dans une image avec :
 
Sélectionnez
>>> import matplotlib.pyplot as plt
>>> plt.imshow(mask.T, extent=[-2, 1, -1.5, 1.5]) 
<matplotlib.image.AxesImage object at ...>
>>> plt.gray()
>>> plt.savefig('mandelbrot.png')
mandelbrot.py
Cacher/Afficher le codeSélectionnez

V-F. Chaîne de Markov

Image non disponible

Soit P la matrice de transition d'une chaîne de Markov, et p la distribution des états :

  1. 0 <= P[i,j] <= 1 : la probabilité de passer de l'état i à l'état j ;
  2. Image non disponible : la règle de transition ;
  3. all(sum(P, axis=1) == 1), p.sum() == 1 : leur normalisation.

Écrivez un script pour une chaîne comportant cinq états qui :

  • construit une matrice aléatoire et normalise chacune de ses lignes afin d'en faire une matrice de transition ;
  • débute par une distribution (normalisée) aléatoire p et effectue 50 pas => p_50 ;
  • calcule la distribution stationnaire : le vecteur propre de P.T associé à la valeur propre 1 (numériquement proche de 1) => p_stationary.

N'oubliez pas de normaliser le vecteur propre — Je ne l'ai pas fait…

  • Vérifiez si p_50 et p_stationary sont égaux avec une tolérance de 1e-5.

Boite à outils : np.random.rand, .dot(), np.linlg.eig, réductions, abs(), argmin, comparaisons, all, np.linalg.norm, etc.

markov_chain.py
Cacher/Afficher le codeSélectionnez

X. Remerciements

Merci aux personnes suivantes pour leur aide pour cette traduction :

Merci aux auteurs Emmanuelle GOUILLART, Didrik PINTE, Gaêl VAROQUAUX et Paul VIRTANEN pour avoir écrit ce tutoriel.

Commentez Donner une note à l´article (5)

Vous avez aimé ce tutoriel ? Alors partagez-le en cliquant sur les boutons suivants : Viadeo Twitter Facebook Share on Google+   

Le contenu original de cet article en anglais est rédigé par Emmanuelle GOUILLART, Didrik PINTE, Gaêl VAROQUAUX et Paul VIRTANEN, et traduit pour la version Française par les membres du club developpez.com f-leb et Alexandre GALODE, et est mis à disposition selon les termes de la Licence Creative Commons Attribution 4.0 International License (CC-by).