[Python 3.X] [DEB][Numpy] tableaux à 3 dimensions et plus, syntaxe

[DEB][Numpy] tableaux à 3 dimensions et plus, syntaxe

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:

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

Salut,

quelque chose comme ceci:

Code:

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
>>>

?

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

Code:

print(arr.ndim)

retourne 1 et non 3

Citation:

Envoyé par torquemada

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:

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:

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:

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:

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

Envoyé par torquemada

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

Merci à tous

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

Citation:

Envoyé par torquemada

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

Code:

print(arr.ndim)

retourne 1 et non 3

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

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:

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