Discussion :

[DonutMan]

Bonjour,

soit les deux listes suivantes :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
a = [0,0,1,0,1,0]
b = [1,2,3,4,5,6]

Je souhaite extraire les éléments de b pour lesquels a est positif.
Autrement dit avoir in fine la liste [3,5]

Ceci ne marche pas :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

c = [v for v in b if a>0]

En rusant un peu, je me dépatouille avec ce code là qui donne bien le résultat escompté :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

c = [v for (n,v) in enumerate(b) if a[n]>0]

Néanmoins, je ne suis pas sûr que ça soit très propre... Y'a-t'il plus "pythonic" comme solution ?

Idéalement j'aimerais rester en python pur mais s'il existe une solution élégante avec un module, je suis preneur !
Par exemple, j'avais pensé à numpy mais np.where() ne donne pas ce que je souhaite. Il me semble que np.where renverra toujours un vecteur de la même taille que ses arguments...

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

np.where(np.array(a)>0, b, None)

Merci d'avance pour vos retours éclairés

D.

[Sve@r]

Bonjour

Ceci ne marche pas : c = [v for v in b if a>0]

Oui c'est évident. Déjà rien que pour toi, qu'est censé signifier "si une liste est supérieure à 0"??? Alors pour Python...
Il faut bien prendre conscience qu'une expression "en intension" n'est que l'écriture simplifiée d'une boucle "for"...

Code python :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
final=[]
for x in liste:
	if condition: final.append(x)

... qui se réécrira alors final=[x for x in liste if condition]. La condition, elle, ne change pas. Donc si la condition est mauvaise dès le départ, ce n'est pas en la réécrivant dans l'expression simplifiée que ça la rendra correcte.

Néanmoins, je ne suis pas sûr que ça soit très propre... Y'a-t'il plus "pythonic" comme solution ?

Déjà question propreté il sera bon de se demander si la liste se justifie pour un truc qui n'évolue pas (pour ça il y a le tuple).
Ensuite puisque ton code présuppose "a" et "b" de même taille, alors il y a le zip... c=tuple(y for (x, y) in zip(a, b) if x > 0)...

[BufferBob]

salut,

avec numpy on peut faire un truc dans ce goût là, sans dire que c'est mieux/plus pythonic :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
a = np.array([0,0,1,0,1,0], dtype='bool')
b = np.array([1,2,3,4,5,6])
b[a]

[Sve@r]

sans dire que c'est mieux/plus pythonic

Je sais pas si c'est plus/moins pythonic mais en tout cas terminer par un simple b[a] c'est classe !!!
Faut vraiment que je me mette à numpy moi...

[DonutMan]

Bonjour,
merci à vous pour vos retours rapides
J'ai modifié mon code en conséquence

A bientôt,

D.

[Invité]

Faut vraiment que je me mette à numpy moi...

J'utilise très superficiellement numpy avec cv2, qui sont les fous qui ont créé ce truc imbitable et inutilisable avec des boucles et des conditions ???

[wiztricks]

J'utilise très superficiellement numpy avec cv2, qui sont les fous qui ont créé ce truc imbitable et inutilisable avec des boucles et des conditions ???

numpy et cv2 sont des bibliothèques spécialisées et optimisées (écrites en C).

On peut faire ce genre de choses sur des domaines "stables" (côté algorithmes) pour lesquels nombre de cas d'utilisation (ce qu'on en attend) sont bien définis.

La difficulté lorsqu'on veut utiliser ces joujoux est d'arriver à se mettre dans la peau de ceux pour qui il a été destiné pour comprendre comment sont construites les solutions proposées.

On a un peu le même soucis avec le Python de base. Au début on fait des exercices pour apprendre boucles, conditions, listes,... puis lorsqu'on en a marre de répéter les mêmes constructions, on va trouver une bibliothèque standard, une fonction qui... Et il n'y a rien de plus frustrant pour le débutant qui patauge à écrire des trucs simples de voir que les plus avancés utiliseront des "trucs" qu'il ignore.

- W

[Invité]

Yeap, mais c'est quand même le seul module que j'ai rencontré avec lequel les bases de python servent presque à rien, nan ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
>>> import numpy as np
>>> a = np.array([1,2,3])
>>> b = np.array([4,5,6])
>>> c = np.array([1,2,3])
>>> l = [a,b]
>>> for ar in l:
	if ar == c:
		print("ok")
 
Traceback (most recent call last):
  File "<pyshell#8>", line 2, in <module>
    if ar == c:
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

C'est sûrement là pour une bonne raison, mais c'est quand même pas très intuitif... S'il faut se coltiner la documentation pour faire ce genre de truc ultra basique !

[wiztricks]

S'il faut se coltiner la documentation pour faire ce genre de truc ultra basique !

Ah non c'est pire... on peut survoler la documentation sans rien trouver car il faut au préalable, s'imprégner des principes pour arriver a en comprendre la logique.

Ici on est confronté à celle des développeurs qui se sont posé la question de savoir comment évaluer une expression avec des tableau pour sortir un booléen.

Est ce que çà doit être évalué à True si au moins un des éléments est True ou si tous les éléments sont évalués à True ou encore si le tableau est de taille non nulle (ce que fait Python)? Pour le coup, il a été décidé de lever une erreur et de laisser le soin au codeur de préciser ce qu'il veut... (ici (ar-c).all() par exemple).
Dit comme çà, çà peut avoir du sens et une certaine logique... mais c'est clair que c'est pas facile à capter lorsqu'on se prend ce genre d'erreur dans les dents (heureusement qu'il y a des forums et Google pour retrouver tout çà).

- W

[lg_53]

La philosophie de numpy c'est de faire des opérations sur les tableaux.

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
import numpy as np
a = np.array([1,2,3])
b = np.array([4,2,6])
 
print(a+b)     #### [5,4,9]
print(a==b)   #### [False,True,False]

La force c'est que effectivement, bon nombre d'opération qu'on fait classiquement avec une itération sur le tableau, et bien on n'a pas à écrire l'itération. La conséquence c'est que toute opération arithmétique entre 2 tableaux, ressort en résultat un tableau. Donc forcément si après vous écrivez if a==b, et bien vous n'évaluez pas un booléen, mais un tableau de booléen. Et numpy, dans son message d'erreur, vous donne bien gentillement les fonctionnalités qu'ils proposent pour décider de la valeur vrai/faux globale d'un tableau constitué de valeur vrai/faux.

La syntaxe de numpy est très complète, et c'est certainement pour ca que tu as l'impression que de connaitre python ne sert pas pour utiliser numpy. Mais en fait numpy n'a rien inventé: ce sont des syntaxes extrêmement proche de Matlab/scilab, ou encore de la librairie Eigen en C++, ou encore de certaine structure Fortran. Tout ceci étant conçu pour faire du calcul scientifique, c'est à dire quand vous manipulez des tableaux avec des millions d'éléments. Dans ce cas là, on pourrait aussi faire en python classique avec des listes de listes et tout, sauf que la même chose en numpy sera au minimum 10 fois plus rapide. Donc par exemple, si c'est pour calculer la météo du lendemain c'est quand même assez intéressant que le calcul ne mettent que 8H à se faire et pas une semaine ...

[Invité]

@lg_53 Merci pour ces explications !
En effet il suffisait de faire if (a==b).all() : pour s'assurer que les 2 aires soient similaires.
J'ai opté sur le moment pour une autre solution consistant à ajouter un index pour chaque aire présente dans ma liste d'aires.

PS :
En faite le print me renvoie un truc bizarre sans virgule, quesaquo ?

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
>>> print(a==b)
[False  True False]

[Sve@r]

En faite le print me renvoie un truc bizarre sans virgule, quesaquo ?

=> type => print(a==b, type(a==b)) et ça quesaquora

[wiztricks]

Salut,

En faite le print me renvoie un truc bizarre sans virgule, quesaquo ?

C'est l'affichage normal d'un tableau numpy:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
>>> import numpy as np
>>> ar = np.array([1,2,3])
>>> print(ar)
[1 2 3]
>>>

Pour explorer les possibilités de numpy, le plus simple sera d'ouvrir un tuto. ou de lire la documentation.

- W