[Python 3.X] comment stocker des valeurs après boucles dans un tableau

comment stocker des valeurs après boucles dans un tableau

Bonjour,

j'ai un script python ou j utilise une boucle afin de changer a chaque fois le nombre d intervalle et le pourcentage :

Code:

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
intervalles=list()
intervalles.append(100)
intervalles.append(50)
intervalles.append(25)
intervalles.append(10)
 
pourcentage_liste=list()
pourcentage_liste.append(10)
pourcentage_liste.append(5)
pourcentage_liste.append(2.5)
pourcentage_listee.append(1)
 
for i in intervalles: 
    for k in pourcentage_liste:
 
        (pts_inf, pts_sup), (pts_inf_mean, pts_sup_mean) = courbes_phi(fvc, temp_surf, nb_interval=i, pourcentage=k)
 
        # Liste de couleurs pour l'affichage des points des intervalles
        nb_interval=i
        pourcentage=k
        color_list = plt.cm.Set1(np.linspace(0, 1, nb_interval))
 
        fig, ax = plt.subplots(figsize=(14, 10))
        fig.suptitle("Estimation du coefficient de Priestley-Taylor \n par double interpolation", fontsize=20)
        x_reg = np.array([0, 1])
 
        # Points moyens
        print("*** Régression avec les points moyens ***")
        reg_h_moy = linregress(pts_inf_mean[:, 0], pts_inf_mean[:, 1])
        print("Bord humide : R2 = %f - pente = %f - intersect = %f" % 
              (reg_h_moy[2] ** 2, reg_h_moy[0], reg_h_moy[1]))
        y_inf = reg_h_moy[0]*x_reg + reg_h_moy[1]
        # Affichage des points moyens du bord humide
        ax.scatter(pts_inf_mean[:, 0], pts_inf_mean[:, 1], zorder=10, c="k")
        # Affichage de la régression des points moyens du bord humide
        ax.plot(x_reg, y_inf,'k-')
        reg_s_moy = linregress(pts_sup_mean[:, 0], pts_sup_mean[:, 1])
        print("Bord sec : R2 = %f - pente = %f - intersect = %f" %
              (reg_s_moy[2] ** 2, reg_s_moy[0], reg_s_moy[1]))
        y_sup = reg_s_moy[0]*x_reg + reg_s_moy[1]
        # Affichage des points moyens du bord sec
        pts = ax.scatter(pts_sup_mean[:, 0], pts_sup_mean[:, 1], c="k", zorder=10, label="Points moyens")
        # Affichage de la régression des points moyens du bord sec
        reg_moy, = ax.plot(x_reg, y_sup,'k-', label="Régression des points moyens")
        # Affichage doite du bord humide
        temp_hum = pts_inf_mean.copy()
        arg = np.argsort(temp_hum[:, 1])
        y_min_hum = temp_hum[:, 1][arg][1]
        plot_reg_humide, = ax.plot(x_reg, [y_min_hum, y_min_hum],'r-', lw=2, label="Droite du bord humide")
 
        # Tous les points
        print("*** Régression avec l'ensemble des points ***")
        reg_h_tot = linregress(pts_inf[:, 0], pts_inf[:, 1])
        print("Bord humide : R2 = %f - pente = %f - intersect = %f" %
              (reg_h_tot[2] ** 2, reg_h_tot[0], reg_h_tot[1]))
        slope_sec = reg_h_tot[0]
        y_inf = reg_h_tot[0]*x_reg + reg_h_tot[1]
        # Affichage de tous les points du bord humide
        ax.scatter(pts_inf[:, 0], pts_inf[:, 1], color=color_list[pts_inf[:, 2].astype(int)],
                           alpha=0.2, edgecolor='none')
        # Affichage de la régression de tous les points du bord humide
        ax.plot(x_reg, y_inf,'b-')
        reg_s_tot = linregress(pts_sup[:, 0], pts_sup[:, 1])
        print("Bord sec : R2 = %f - pente = %f - intersect = %f" %
              (reg_s_tot[2] ** 2, reg_s_tot[0], reg_s_tot[1]))
 
        y_sup = reg_s_tot[0]*x_reg + reg_s_tot[1]
        # Affichage de tous les points du bord sec
        ax.scatter(pts_sup[:, 0], pts_sup[:, 1], color=color_list[pts_sup[:, 2].astype(int)],
                           alpha=0.2, edgecolor="none")
        # Affichage de la régression de tous les points du bord sec
        plot_reg_tot, = ax.plot(x_reg, y_sup,'b-', label="Régression de l'ensemble des points")
 
        ax.set_title("\nNombre d'intervalle = %d - Poucentage = %.1f%%"  % (nb_interval, pourcentage), fontsize=16)
        ax.set_xlabel("FVC", fontsize=16)
        ax.set_ylabel("Ts", fontsize=16)
        plt.legend(handles=[pts, reg_moy, plot_reg_tot, plot_reg_humide])
        # Sauvegarde de la figure au format png
        plt.savefig(os.path.join(path_indice, "phi_%d_%.1f.png" % (nb_interval, pourcentage)), dpi=300)
        plt.show()
 
        #ESTIMER PHI (COEFF DE PRIESTLEY-TAYLOR)
        t_min_hum = y_min_hum
        slope_sec = -18.813213
        intercept_sec = 3101.330539
        temp_max = slope_sec * fvc + intercept_sec
        stats_temp_max=get_stats(temp_max)
        #hist(temp_max)
        #create_tif(temp_max, "temp_max_%d_%.1f.tif" % (nb_interval, pourcentage))
        phi = 1.26 * (temp_max - temp_surf ) / (temp_max - t_min_hum)
        stats_phi=get_stats(phi)
        #hist(phi)
        #create_tif(phi, "phi_%d_%.1f_ts.tif" % (nb_interval, pourcentage))
        print("Nombre de valeurs négative : %d" % (phi < 0).sum())
        print("Nombre de valeurs > 1,26 : %d" % (phi > 1.26).sum())
        val_negative=((phi < 0).sum())
        val_sup_1_26=((phi > 1.26).sum())
 
        #CALCULER EF
        tmoy = temp_surf
        delta = (get_e_sat(tmoy) / tmoy) #* ((6790.4985 / tmoy) - 5.02808)
        stats_delta=get_stats(delta)
        #hist(delta)
        #create_tif(delta, "delta_%d_%.1f.tif" % (nb_interval, pourcentage))
        # gamma : constante psychométrique
        gamma = 66
        EF_WDI = delta * phi / (delta + gamma)
        stats_EF=get_stats(EF_WDI)
        #hist(EF_WDI)
        #create_tif(EF_WDI, "EF_%d_%.1f_ts.tif" % (nb_interval, pourcentage))
 
        #STOCKAGE DES STATS
 
        res_1_tour=list()
 
            #méthode de calcul de EF
        res_1_tour.append("WDI")
            #nombre d intervalle
        res_1_tour.append(i)
            #pourcentage de points
        res_1_tour.append(k)
 
        #pour les points moyens
            #R2
        res_1_tour.append(reg_h_moy[2] ** 2)
            #pente
        res_1_tour.append(reg_h_moy[0])
            #intercept
        res_1_tour.append(reg_h_moy[1])
            #R2
        res_1_tour.append(reg_s_moy[2] ** 2)
            #pente
        res_1_tour.append(reg_s_moy[0])
            #intercept
        res_1_tour.append(reg_s_moy[1])
 
        #pour l'ensemble des points
            #R2
        res_1_tour.append(reg_h_tot[2] ** 2)
            #pente
        res_1_tour.append(reg_h_tot[0])
            #intercept
        res_1_tour.append(reg_h_tot[1])
            #R2
        res_1_tour.append(reg_s_tot[2] ** 2)
            #pente
        res_1_tour.append(reg_s_tot[0])
            #intercept
        res_1_tour.append(reg_s_tot[1])
 
        #pour la temperature max
            #valeur min
        res_1_tour.append(stats_temp_max[0])
            #valeur moy
        res_1_tour.append(stats_temp_max[2])
            #valeur max
        res_1_tour.append(stats_temp_max[1])
 
        #pour le coefficient de priest-taylor(phi)
            #nombre de valeur negative
        res_1_tour.append(val_negative)
            #nombre de valeur superieur a 1.26
        res_1_tour.append(val_sup_1_26)
            #valeur min
        res_1_tour.append(stats_phi[0])
            #valeur moy
        res_1_tour.append(stats_phi[2])
            #valeur max
        res_1_tour.append(stats_phi[2])
 
        #pour la pente de la droite de saturation de l air en vapeur d eau (delta)
            #valeur min
        res_1_tour.append(stats_delta[0])
            #valeur moy
        res_1_tour.append(stats_delta[2])
            #valeur max
        res_1_tour.append(stats_delta[1])
 
        #pour EF 
            #valeur min
        res_1_tour.append(stats_EF[0])
            #valeur moy
        res_1_tour.append(stats_EF[2])
            #valeur max
        res_1_tour.append(stats_EF[1])

mon problème que a chaque fois je tourne le script il stock que la dernière valeurs alors que les autres valeurs sont supprimé

j'ai besoin d'une boucle afin de stocker les valeurs dans un tableau a chaque fois que la boucle tourne et a chaque fois que le nombre d'intervalle ou pourcentage change !!!

merci d'avance

Salut,

Citation:

Envoyé par loula05

mon problème que a chaque fois je tourne le script il stock que la dernière valeurs alors que les autres valeurs sont supprimé

En créant une nouvelle liste à chaque itération... à la sortie, il n'y aura que les dernières valeurs stockées.

- W

Bonjour,

Comme l'a dit wiztricks, tu crées ta liste résultat dans la boucle écrasant ainsi à chaque itération la liste de l'itération précédente.
Il te faut faire qque chose du genre:
Code:

1 2 3 4 5 6 ma_liste_resultat = list() debut boucle traitements ma_liste_resultat.ajouter_resultat(resultat_courant) fin boucle retourner ma_liste_resultat

Bonjour ,

merci mais j'ai pas compris votre code et où je dois le mettre , c'est pas moi qui ai fais le script c'est pourquoi je sais pas où mettre votre code

merci encore

Bonjour,

si vous ne comprenez pas ce qu'a proposé Fifan31, c'est que vous n'avez pas les bases en Python. Ouvrez un tutoriel, potassez-le un peu et vous comprendrez vite.
Il ne s'agit pas d'un code opérationel mais de la logique à suivre (ce qui est plus important). Une connaissance minimale de base vous permettra d'en tirer parti.

Citation:

Envoyé par Supernul

Bonjour,

si vous ne comprenez pas ce qu'a proposé Fifan31, c'est que vous n'avez pas les bases en Python. Ouvrez un tutoriel, potassez-le un peu et vous comprendrez vite.
Il ne s'agit pas d'un code opérationel mais de la logique à suivre (ce qui est plus important). Une connaissance minimale de base vous permettra d'en tirer parti.

Bonjour,

d'accord merci

si quelqu'un pourra m'expliquer svp

merci d avance