Discussion :

[jlg_47]

Bonjour,

Je débute avec Numpy et je crois ne pas avoir bien compris car je viens d'avoir une surprise !!

Je crée 2 arrays Numpy data_x et data_y de forme identique :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
 
data_x = numpy.ndarray(shape =(10),dtype=np.float)
data_y = numpy.ndarray(shape =(10),dtype=np.float)

dans data_x je mets 1.,2.,3. .....

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

data_x =[1.,2.,3.,4.,5.,6.,7.,8.,9.,10.]

ensuite je copie data_x dans data_y

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

data_y = data_x

Jusque là tout va bien ...

puis je change la dernière valeur de data_y

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

data_y[9] = 25.

Et là oh!! stupeur, je découvre que la dernière valeur de data_x a aussi été changée

est ce que data_y = data_x crée une équivalence entre les 2 arrays?
y a til une fonction copy que je n'ai pas trouvée?

voici le code en entier :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import numpy as np
 
data_x = np.ndarray(shape =(10),dtype=np.float)
data_y = np.ndarray(shape =(10),dtype=np.float)
 
data_x =[1.,2.,3.,4.,5.,6.,7.,8.,9.,10.]
data_y = data_x 
print "data_x"
print data_x  # ici c'est ok
 
data_y [9] = 25.
 
print "data_x"  # et là data_x [9] a été changé !!!
print data_x
print "data_y"
print data_y

Si quelqu'un peut venir à mon secours j'apprécierai beaucoup.

Bonne soirée

[nyko77]

Bonjour,
C'est normal, lorsque tu fais:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

data_y = data_x

Tu ne copie pas les valeurs contenues dans data_x, mais l'objet numpy.ndarray Donc data_x et data_y pointent ensuite vers le même objet.
C'est valable pour tous les objets.

y a til une fonction copy que je n'ai pas trouvée?

Exactement, il suffisait de taper "numpy copy" dans google (ce que j'ai fais).

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

1
2
3
4
5
6
7
8
9
10
11
 
import numpy as np
 
data_x = np.ndarray(shape =(10),dtype=np.float)
 
data_x = np.arange(10)
data_y = np.copy(data_x)
 
data_y[9] = 25
print data_x
print data_y

Tu as maintenant 2 objets distinct.

[jlg_47]

Bonjour Nyko77,

Merci pour ta réponse très claire.

J'avais trouvé entre temps, mais j'ai préféré laisser ma question parce que je ne voyais pas la différence entre data_y = data_x et data_y = numpy.copy(data_x)

J'ai eu raison car tu m'as donné l'explication, mieux vaut comprendre; je n'ai pas l'habitude de la programmation objet.

Je profite de tes compétences pour te poser une autre question:
quelle est la différence entre :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

data_y[9] = 25.

et

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

numpy.put (data_y,9,25.)

?

Est il préférable d'utiliser numpy.put ?

Dans le même ordre d'idée:
quelle est la différence entre :

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 data_z = data_x * data_y

et

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

 data_z = numpy.multiply (data_x,data_y)

?
Merci encore et bonne nuit
Chez moi il est déjà 9h05 du matin

[nyko77]

Il vaut mieux utiliser:

Code :

Sélectionner tout - Visualiser dans une fenêtre à part

data_y[9] = 25.

si tu veux changer seulement 1 valeurs.

Après quelques test le numpy.put est 17 fois plus lent, pour cette utilisation.

Pour les multiplie, le temps de calcul est à peu près identique, je pense que lorsque tu fais a*b, ça appel la méthode numpy.multiply (à vérifié).
Tu peux donc utiliser la méthode que tu préfères. Personnellement je trouve la méthode a*b plus clair et plus pratique.