Création et propriétés des tableaux
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size.
Création et propriétés des tableaux est une leçon Learn AI with Python gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Learn AI with Python, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Learn AI with Python comprend 4 leçons au total.
Le ndarray
L’objet central de NumPy est le ndarray : une grille de nombres homogènes et de taille fixe, stockés dans une zone mémoire contiguë. C’est cette organisation qui rend NumPy rapide.
import numpy as np
a = np.array([1, 2, 3, 4])
print(a) # [1 2 3 4]À partir de listes imbriquées
Passez une liste de listes pour construire un tableau à deux dimensions. NumPy déduit la forme à partir de la structure.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m)
# [[1 2 3]
# [4 5 6]]Zéros et uns
np.zeros et np.ones préallouent des tableaux d’une forme donnée. C’est la méthode standard pour créer des espaces réservés avant de les remplir.
print(np.zeros((2, 3))) # 2x3 of 0.0
print(np.ones(4)) # [1. 1. 1. 1.]Matrice identité avec eye
np.eye(n) construit une matrice identité n par n : des uns sur la diagonale et des zéros ailleurs. Elle est essentielle en algèbre linéaire.
print(np.eye(3))
# [[1. 0. 0.]
# [0. 1. 0.]
# [0. 0. 1.]]Plages avec arange
np.arange(start, stop, step) fonctionne comme la fonction range de Python, mais renvoie un tableau et accepte des pas décimaux.
print(np.arange(0, 10, 2)) # [0 2 4 6 8]
print(np.arange(0, 1, 0.25)) # [0. 0.25 0.5 0.75]Espacement régulier avec linspace
np.linspace(start, stop, num) renvoie num points régulièrement espacés, les deux extrémités étant incluses. C’est idéal pour les axes des graphiques.
print(np.linspace(0, 1, 5)) # [0. 0.25 0.5 0.75 1. ]arange ou linspace
Utilisez arange lorsque vous connaissez le pas ; utilisez linspace lorsque vous connaissez le nombre de points. linspace évite la dérive liée aux pas en virgule flottante.
# 50 points from 0 to 2*pi for a smooth curve
x = np.linspace(0, 2 * np.pi, 50)Shape et ndim
.shape est un tuple indiquant la taille de chaque dimension ; .ndim est le nombre de dimensions. Un tableau 2x3 a la forme (2,3) et ndim vaut 2.
m = np.array([[1, 2, 3], [4, 5, 6]])
print(m.shape) # (2, 3)
print(m.ndim) # 2size et dtype
.size est le nombre total d’éléments ; .dtype est le type de données des éléments. NumPy choisit automatiquement un type numérique efficace.
print(m.size) # 6
print(m.dtype) # int64itemsize et mémoire
.itemsize est la taille en octets d’un élément. Multipliez cette valeur par .size pour estimer l’empreinte mémoire du tableau.
print(m.itemsize) # 8 (bytes per int64)
print(m.size * m.itemsize) # 48 bytes totalChoisir un dtype
Vous pouvez imposer un type de données pour économiser de la mémoire ou garantir la précision. float32 utilise deux fois moins de mémoire que float64.
a = np.array([1, 2, 3], dtype=np.float32)
print(a.dtype) # float32
print(a.itemsize) # 4Vérification rapide
Testez vos connaissances sur la création de tableaux.
Récapitulatif
Boîte à outils pour créer des tableaux :
np.arrayà partir de listes,np.zeros/np.onescomme espaces réservés,np.eyepour une matrice identiténp.arange(par pas) etnp.linspace(par nombre de points)- Propriétés :
shape,ndim,size,dtype,itemsize
Questions Fréquemment Posées
La leçon « Création et propriétés des tableaux » est-elle gratuite ?
Oui — le texte complet de « Création et propriétés des tableaux » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Learn AI with Python, passe à CoddyKit PRO. Le cours Learn AI with Python comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Création et propriétés des tableaux » ?
np.array(), np.zeros/ones/eye/arange/linspace, shape, dtype, ndim, size. Tu pratiques Learn AI with Python avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer Learn AI with Python ?
Aucune expérience préalable n'est requise. Learn AI with Python sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Création et propriétés des tableaux » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon Learn AI with Python ?
Oui. Chaque leçon Learn AI with Python inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Création et propriétés des tableaux
- Indexation, découpage et indexation avancée
- Diffusion et opérations vectorisées
- Algèbre linéaire avec NumPy