Les bases des librairies de Python pour la science

Acquérir les bases numpy et de matplotlib

Le problème exposé dans ce sujet a été résolu.

Tout le monde se secoue ! :D

J’ai commencé (lundi 21 février 2022 à 09h03) la rédaction d’un tutoriel au doux nom de « Les bases des librairies de Python pour la science » et j’ai pour objectif de proposer en validation un texte aux petits oignons. Je fais donc appel à votre bonté sans limites pour dénicher le moindre pépin, que ce soit à propos du fond ou de la forme. Vous pourrez consulter la bêta à votre guise à l’adresse suivante :

Merci !

Ce serait mieux si le texte était cohérent avec l’exemple :

Opérations de bases sur les tableaux

par exemple si on veut initialiser un tableau avec les valeurs 1, 2, 4, et 6 :

1, 2, 4, et 6 1, 1.5, 2, 2.5

====================================================================

Ces fonctions ne modifie pas directement le tableau, elles retourne un nouveau tableau.

Ces fonctions ne modifient pas directement le tableau, elles retournent un nouveau tableau.

=====================================================================

de générer des tableau, en fonction d’une loi de probabilité, comme la loi normal 

de générer des tableaux, en fonction d’une loi de probabilité, comme la loi normale 
=====================================================================

l’index des éléments qui vérifie la condition tant qu’à la fonction np.extract, elle va renvoyer les éléments qui vérifie les condition.

l’index des éléments qui vérifient la condition. Pour la fonction np.extract, elle va renvoyer les éléments qui vérifient les conditions.

======================================================================

Dans le cas où on voudrais générer un tableau de dimension, d’entier compris entre 0 et 10, il suffira de changer le paramètre size, par une liste contenant les dimensions du tableau :

Dans le cas où on voudrais générer un tableau multidimensionnel d’entiers compris entre 0 et 10, il suffira d’utiliser le paramètre size, avec une liste contenant les dimensions du tableau :
=======================================================================

Numpy propose aussi des fonctions spécifiques au tableau de plusieurs dimensions, on retrouve d’abord la fonction reshape qui prend en paramètre un tableau de une dimension qui le transforme en un tableau de dimension de deux, selon les valeurs passées en paramètre. On peut aussi utiliser la fonction rot90 quie va appliquer une rotation de 90 degrés:

Ce serait mieux de décrire uniquement reshape, et d’écrire un texte plus précis.

+0 -0

Un premier graphique

la première correspond à l’abscisse des points et la deuxième à l’ordonnée des points.

la première correspond à aux abscisses des points et la deuxième aux l’ordonnées des points.
======================================================================

On peut très facilement afficher plusieurs courbe sur un même graphique,

On peut très facilement afficher plusieurs courbes sur un même graphique,

+0 -0

J’aime beaucoup ce mini tuto, il aborde de manière simple et directe ces deux incontournables.

===========================================================

Rechercher dans un tableau

La fonction np.where va prendre en paramètre une condition sur les valeurs d’un tableau et va retourner l’index des éléments qui vérifie la condition tant qu’à la fonction np.extract, elle va renvoyer les éléments qui vérifient les conditions. Ce qui donne :

La fonction np.where va prendre en paramètre une condition sur les valeurs d’un tableau et va retourner l’index des éléments qui vérifient la condition. La fonction np.extract va renvoyer les éléments qui vérifient les conditions. Ce qui donne :

=======================================================================

Les tableaux de plusieurs dimensions

Il y a un petit bug dans l’affichage de l’exemple.

Peut être :

Dans ce mini-tuto, on se limite à deux dimensions.

ou encore :

Dans ce mini-tuto, on se limite à deux dimensions. On peut par exemple utiliser 3 dimensions pour représenter les pixels d’une image un couleurs.

+0 -0

Traçons des graphiques avec matplotlib

Dans cette partie, on n’utilise plus l’interpréteur, on utilise des scrpts.

Je pense que ça ne coûte pas cher d’ajouter les import :

import numpy as np
import matplotlib.pyplot as plt

ça donne par exemple :

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(0, 20, 200)
y = x ** 2
plt.plot(x, y)
plt.show()

==============================================================

Les autres types de graphiques

Ce serait bien de faire apparaître le diagramme en camembert associé à plt.pie :

import numpy as np
import matplotlib.pyplot as plt

nb_deputes = np.array([268, 101, 57, 28, 22, 19, 18, 17, 15])
parti_politique = [
    'La République en Marche',
    'Les Républicains',
    'MoDem et Démocrates apparentés',
    'Socialistes et apparentés',
    'Agir ensemble',
    'UDI et Indépendants',
    'Libertés et Territoires',
    'La France insoumise',
    'Gauche démocrate et républicaine'
]
plt.pie(nb_deputes, labels=parti_politique) # diagramme en camembert
plt.show()
image.png
image.png
+0 -0

Pas de commentaire, sinon : :)

edit :
Mon correcteur orthographique pinaille :

Rechercher dans un tableau :
insérer une espace après le point :
… qui vérifient la condition. La fonction

Fonctions spécifiques aux tableaux de plusieurs dimensions :
…dans le sens antihoraire : …

+0 -0

Bonjour,

La bêta du contenu « Les bases de numpy et matplotlib pour la science » a été désactivée.

Publication ici.

+0 -0
Ce sujet est verrouillé.