Discussion :

[Jma06]

Bonjour,
Je débute en python et encore plus avec l'utilisation des tableaux numpy.

J'ai un tableau numpy du style

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
import numpy as np
a = np.array([10, 20, 30, 40, 50,])

Je voudrais parcourir ce tableau selon ses index "i" et faire pour chaque élément "e" le calcul suivant:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

e[i] = (e[i]+e[i+1])/2

et, du coup, sortir un nouveau tableau qui devrait avoir ces valeurs

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 array([15, 25, 35, 45, 50])

Et je sais pas ce qu'il il faut écrire pour expliquer a numpy de faire ce travail.
J'ai essayé des boucles for avec des append sur un tableau vide.. (un peu comme avec des listes).

Comment puis-je faire svp?

[wiztricks]

Salut,

Pensez "vecteur"...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
>>> a = np.array([10, 20, 30, 40, 50,])
>>> e = np.roll(a,-1)
>>> (a + e) / 2
array([15., 25., 35., 45., 30.])

- W

[Jma06]

Oh..gg
Rapide et terriblement efficace merci W!

Suis allez voir comment fonctionne numpy.roll() sur https://numpy.org/doc/stable/reference/generated/numpy.roll.html

si je comprends bien on fait un nouveau tableau en décalant le tableau source de "1 vers la gauche" (roll), on l'ajoute au tableau source et divise par deux pour obtenir le resultat.
Le valeurs type [1., 2.] (avec des "." sont des scalaires c'est ça?
l'obtention de scalaires vient du fait que numpy considère que nous effectuons par défaut des aditions de vecteurs?

[wiztricks]

Le valeurs type [1., 2.] (avec des "." sont des scalaires c'est ça?
l'obtention de scalaires vient du fait que numpy considère que nous effectuons par défaut des aditions de vecteurs?

1. est juste un nombre flottant.

Ne mélangez pas des notions abstraites des mathématiques (vecteur, scalaire) avec celles de l'informatique (ici in vecteur vient de calcul vectoriel qui s'oppose à itérations).

- W

[Jma06]

Ok c'est plus clair désormais
encore merci pour votre temps

[tsuji]

Je ne sais pas si la virgule après 50 est une faute de frappe ou non.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

a = np.array([10, 20, 30, 40, 50,])

Si oui, on peut le faire d'une façon tout à fait classique ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
>>> import numpy as np
>>> a=np.array([10,20,30,40,50])
>>> for i in range(len(a)-1):
...     a[i]=(a[i]+a[i+1])/2
...
>>> print(a)
[15 25 35 45 50]
>>>

[wiztricks]

Je ne sais pas si la virgule après 50 est une faute de frappe ou non.

Ce n'est pas une faute de frappe, Python l'accepte et c'est utile à l'édition pour ajouter des éléments à la liste (présentée en colonnes).

Si oui, on peut le faire d'une façon tout à fait classique ?

Pourquoi utiliser numpy dans ce cas.

- W

[tsuji]

Pourquoi utiliser numpy dans ce cas.

Pour beaucoup de raisons non-dit, et pourquoi ne pas utiliser numpy ? j'en suis certain on peut trouver des raisons aussi selon des besoins également non-dit.

[tsuji]

Ce n'est pas une faute de frappe, Python l'accepte et c'est utile à l'édition pour ajouter des éléments à la liste (présentée en colonnes).

Oui, mais c'est une question postée par un "débutant". Je ne crois pas c'est la façon d'écrire dans quelque tuto que ce soit ou la documentation pour apprendre des gens amateurs ou pas.

[Damien_38]

Pour beaucoup de raisons non-dit, et pourquoi ne pas utiliser numpy ? j'en suis certain on peut trouver des raisons aussi selon des besoins également non-dit.

Pour illustrer votre propos, j'ai eu à peu près le même cas (numpy et liste) : opencv renvoie des vecteurs. Or, il est plus simple (pour moi qui débute en tout cas) de manipuler des listes. Ceci étant, je vais regarder cette idée de .roll qui est plus propre (on reste dans une logique vecteur).

Merci à tous

[tsuji]

Ok, je m'enforce d'avoir partout np pour que le code soit "assez" np en apparence pour m'amuser.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
>>> import numpy as np
>>> a=np.array([10,20,30,40,50])
>>> b=np.roll(a,-1)
>>> b[-1]=a[-1]
>>> c=np.divide(np.add(a,b),2)
>>> print(c)
[15. 25. 35. 45. 50.]
>>>

Mais, est-ce la troisième ligne assez "np" ? c'est tout de même une syntaxe de python de base (ou classique) sans essayer de faire quelque chose de plus convolutée.