Problème avec numpy.ndarray

Version imprimable

Bonjour,

je suis actuellement bloqué dans l'écriture de mon code. Le but est de modéliser le problème de MOnty Hall en n'utilisant que la bibliothèque numpy et sans avoir recours à la boucle for. Pour cela :

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
 
%matplotlib inline
 
import numpy as np
import matplotlib.pyplot as plt
from enum import Enum
 
class Strategie(Enum):
    GARDER = 0
    CHANGER = 1
 
def play():
    """Simulation du jeu de Monty Hall"""
 
    results = np.array([])
 
    # Portes disponibles au début du jeu
    doors = np.array([1, 2, 3])
 
    # Porte où se cache la voiture
    car = np.random.randint(1,4,1)
 
    # Porte choisie par le candidat
    choice = np.random.randint(1,4,1)
 
    # Portes que le présentateur peut ouvrir
    open_doors = np.setdiff1d(doors,[car, choice])
 
    # Porte ouverte par le présentateur
    open_door = np.random.choice(open_doors, 1)
 
    # Porte qui reste fermée après l'ouverture du présentateur
    other_closed_door = np.setdiff1d(doors, [choice, open_door])
 
    if other_closed_door == car:
        results = np.append(results, 1)
    else:
        results = np.append(results, 0)
 
    return results

Le terme results à la fin me retourne un nd.array avec la valeur 0 ou 1 suivant le bon choix de porte. Je voudrais que réaliser cette tâche plusieurs fois. En cherchant sur ce forum, j'ai trouvé une piste avec la fonction fromfunction mais lorsque je l'utilise de la manière suivante :

Code:

1
2
3
 
liste = np.vectorize(play(Strategie.Garder))
result = np.fromfunction(liste, (100,), dtype = int)

Cela renvoie numpy.array not callable alors qu'avec le code suivant cela marche :

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
 
%matplotlib inline
 
import numpy as np
import matplotlib.pyplot as plt
from enum import Enum
 
class Strategie(Enum):
    GARDER = 0
    CHANGER = 1
 
def play(nbtous):
    """Simulation du jeu de Monty Hall"""
 
    results = np.array([])
 
    # Portes disponibles au début du jeu
    doors = np.array([1, 2, 3])
 
    # Porte où se cache la voiture
    car = np.random.randint(1,4,1)
 
    # Porte choisie par le candidat
    choice = np.random.randint(1,4,1)
 
    # Portes que le présentateur peut ouvrir
    open_doors = np.setdiff1d(doors,[car, choice])
 
    # Porte ouverte par le présentateur
    open_door = np.random.choice(open_doors, 1)
 
    # Porte qui reste fermée après l'ouverture du présentateur
    other_closed_door = np.setdiff1d(doors, [choice, open_door])
 
    if other_closed_door == car:
        results = np.append(results, 1)
    else:
        results = np.append(results, 0)
 
    return results
 
liste = np.fromfunction(np.vectorize(play), (100,), dtype=int)

1 - Pourquoi dois-je passer un argument à play dans le second cas ?
2 - Pourquoi cela ne marche pas dans le premier cas ?

Merci d'avance pour vos piste et vos éclaircissements. Comme vous l'avez compris je début sous numpy...

22/01/2019, 08h36
wiztricks

Salut,

Citation:

Envoyé par beckhton

1 - Pourquoi dois-je passer un argument à play dans le second cas ?
2 - Pourquoi cela ne marche pas dans le premier cas ?

Merci d'avance pour vos piste et vos éclaircissements. Comme vous l'avez compris je début sous numpy...

Il faut prendre le temps d'ouvrir la documentation de numpy pour voir ce que vectorize et fromfunction font, attendent comme paramètres et comprendre les cas d'utilisations donnés en exemple.

- W
22/01/2019, 14h47
beckhton

Re,

en me relisant je m'excuse pour les fautes d'orthographe laissées dans mon texte. J'avais consulté cette documentation en plus des exemples sur le forum. Le constat est que dans mon premier j'ai placé un paramètre dans ma fonction appelé nbtous qui visiblement est la dimension du futur tableau retourné (vrai ou faux ?)

Par contre lorsque j'introduis le paramètre stratégie dans le second cas, plus rien ne fonctionne même si je mets deux paramètres à ma fonction play(Strategie.CHANGER, nbtous).
La seule chose que je semble avoir saisi pour vectorize est que cela permet de retourner un nd.array. je me demande même si l’utilisation de vectorize est nécessaire puisque ma fonction play retourne un array.

En fait ici j'insiste sur un point : je ne veux pas la réponse mais bien des pistes pour comprendre cette mauvaise "codification".

Comme vous le voyez c'est assez confus dans ma tête.

Merci d'avance
22/01/2019, 15h20
wiztricks
Salut,

Citation:

Envoyé par beckhton

En fait ici j'insiste sur un point : je ne veux pas la réponse mais bien des pistes pour comprendre cette mauvaise "codification".

Vous utilisez vectorize et fromfunction mais je ne comprends pas la logique de ce que vous voulez en faire.
Vous pourriez commencer par simplifier le problème en disant: "j'ai une fonction f qui retourne un nombre aléatoire dans 0, 1 et je voudrais stocker le résultat de N appels à cette fonction dans un tableau numpy de dimension N".
Le problème étant simplifié, on lance la console python:
Code:

1 2 3 4 5 >>> import numpy as np >>> from random import choice >>> def f(): ... return choice((0,1)) ...
puis on essaie de jouer avec vectorize:
Code:

1 2 3 4 5 6 >>> v = np.vectorize(lambda z: f(), otypes=[np.int]) >>> v([1,2,3]) array([0, 0, 0]) >>> v([1,2,3]) array([1, 1, 0]) >>>
Ca me retourne bien un tableau mais ses dimensions sont définies par ce qui lui est passé en argument.
Si vous avez un peu testé fromfunction, vous avez pu constater que la fonction reçoit le tableau en argument (juste comme l'attend vectorize). Donc çà se compose:
Code:

1 2 >>> np.fromfunction(v, (5,)) array([1, 0, 0, 0, 1])
Et j'ai fait quoi jusqu'ici? Une lecture "intelligente" de la documentation où je teste/vérifie que j'ai a peu près compris ce que çà raconte et que je sais en tirer profit pour répondre à mon besoin (stocker les N appels à f dans un tableau).

-W
22/01/2019, 18h58
beckhton

Merci pour votre aide et votre reformulation du problème initial, je vais tenter de conclure...

En fait je crois grâce à votre exemple que je viens de corriger une de mes boulettes. Ce que j'envoyais dans fromfunction n'était pas une fonction mais un numpy.array. En fait lorsque j'utilisais la fonction vectorize, il faut utiliser une fonction lambda pour avoir à coup sur une fonction que l'on peut mettre en argument dans fromfunction.

Cela fonctionne désormais :

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
 
%matplotlib inline
 
import numpy as np
import matplotlib.pyplot as plt
from enum import Enum
 
class Strategie(Enum):
    GARDER = 0
    CHANGER = 1
 
def play(strategie):
    """Simulation du jeu de Monty Hall"""
 
    results = np.array([])
 
    # Portes disponibles au début du jeu
    doors = np.array([1, 2, 3])
 
    # Porte où se cache la voiture
    car = np.random.randint(1,4,1)
 
    # Porte choisie par le candidat
    choice = np.random.randint(1,4,1)
 
    # Portes que le présentateur peut ouvrir
    open_doors = np.setdiff1d(doors,[car, choice])
 
    # Porte ouverte par le présentateur
    open_door = np.random.choice(open_doors, 1)
 
    # Porte qui reste fermée après l'ouverture du présentateur
    other_closed_door = np.setdiff1d(doors, [choice, open_door])
 
    # L'heure du second choix : GARDER ou CHANGER
    if strategie == Strategie.GARDER:
        second_choice = choice
 
    else:
        second_choice = other_closed_door
 
    if second_choice == car:
        results = np.append(results, 1)
    else:
        results = np.append(results, 1)
 
    return results
 
v = np.vectorize(lambda z : play(Strategie.GARDER))
print(v)
liste = np.fromfunction(v, (100,), dtype=int)

Merci merci !!