Discussion :

[torquemada]

Bonjour à tous,

malgré mes recherches sur les différents tutoriels sur numpy, je n'ai pas trouvé de réponse à ma question, car les sujets sont tournés plutôt vers les tableaux et matrices à deux dimensions et ,en complément,avec la phrase "(ça se généralise bien sûr à des tableaux de trois dimensions ou plus)".
Voici un tableau à 3 dimensions

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

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

on atteint la valeur 1 avec T[0,0,0] 2 avec T[0,0,1] etc

Ma question est : comment faire pour créer des valeurs telle que, par exemple, T[1,2,1]=10 soit en modifiant l'expression de T écrite au dessus ou par une autre méthode.

Merci de m'avoir consacré de votre temps

[VinsS]

Salut,

quelque chose comme ceci:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
>>> arr = np.array([[[1, 2, 3], [4, 5, 6]], [7, 8, 9]])
>>> arr[0]
[[1, 2, 3], [4, 5, 6]]
>>> arr[0][0]
[1, 2, 3]
>>> arr[0][1][1]
5
>>> arr[1][0]
7
>>>

?

[torquemada]

Merci de ta réponse .Cela semble bien être ce que je cherchais mais ,question subsidiaire
pourquoi

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

print(arr.ndim)

retourne 1 et non 3

[wiztricks]

Ma question est : comment faire pour créer des valeurs telle que, par exemple, T[1,2,1]=10 soit en modifiant l'expression de T écrite au dessus ou par une autre méthode.

Un tableau numpy est une zone mémoire contiguë (donc un tableau 1D) avec une méthode d'accès qui donnera l'illusion des autres dimensions. Exemple:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>>> ar = np.zeros(2*3*4)
>>> ar
array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  
          0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])

C'est un tableau 1D et on peut changer/accéder aux valeurs:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
>>> ar[1] = 99
>>> ar[1] = 99
>>> ar
array([  0.,  99.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,
         0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,   0.,
         0.,   0.])
>>>

Maintenant on peut le changer en tableau à 3 dimensions:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
>>> ar.resize((2, 3, 4))
>>> ar
array([[[  0.,  99.,   0.,   0.],
        [  0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.]],
 
       [[  0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.],
        [  0.,   0.,   0.,   0.]]])

Et pour retrouver la case marquée 99, c'est:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
>>> ar[0, 0, 1]
99.0
>>>

malgré mes recherches sur les différents tutoriels sur numpy, je n'ai pas trouvé de réponse à ma question, car les sujets sont tournés plutôt vers les tableaux et matrices à deux dimensions et ,en complément,avec la phrase "(ça se généralise bien sûr à des tableaux de trois dimensions ou plus)".

Ah ben, les tutoriels permettent de rendre la documentation plus comestible mais pas facile de trouver la réponse à toutes les questions sans apprendre(*) à lire la documentation.
(*) parce qu'elle ne vous donnera pas toujours la réponse directement.

- W

[torquemada]

Merci à tous

euh pour la doc j'ai un peu de mal avec l'anglais

[dividee]

Merci de ta réponse .Cela semble bien être ce que je cherchais mais ,question subsidiaire
pourquoi

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

print(arr.ndim)

retourne 1 et non 3

Parce que c'est un mauvais exemple. C'est un array "mal foutu":

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
>>> arr = np.array([[[1, 2, 3], [4, 5, 6]], [7, 8, 9]])
>>> arr.shape
(2,)
>>> arr.dtype
dtype('O')                # le type des éléments est "object", on s'attendrait à un type numérique
>>> arr[0]
[[1, 2, 3], [4, 5, 6]]
>>> arr[1]
[7, 8, 9]

C'est un array numpy de 2 éléments, contenant des listes Python. Il n'y a pas moyen de voir ça comme un array 3D, il manque des éléments.
Un meilleur exemple:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
>>> arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10,11,12]]])
>>> arr
array([[[ 1,  2,  3],
        [ 4,  5,  6]],
 
       [[ 7,  8,  9],
        [10, 11, 12]]])
>>> arr.ndim
3
>>> arr.shape
(2, 2, 3)
>>> arr[0,1,2]
6