import numpy as np
À noter qu'on n'utilise ici le type matrix et non le type array.
# définition d'une matrice
A=np.mat("[1 0 3 ; 4 5 6 ; 7 8 9 ]")
print(A)
print(type(A))
[[1 0 3] [4 5 6] [7 8 9]] <class 'numpy.matrix'>
# convertir une matrice en tableau
K=np.asarray(A)
print(K)
print(type(K))
[[1 0 3] [4 5 6] [7 8 9]] <class 'numpy.ndarray'>
# accés aux coefficients
a=A[1,0]
print(a)
b=A[2,2]
print(b)
4 9
# matrice colonne
B=np.mat("[2 ; 0; 3]")
print(B)
[[2] [0] [3]]
# poduit d'un réel par une matrice
C=2*A
print(C)
[[ 2 0 6] [ 8 10 12] [14 16 18]]
# produit de matrice
D=A*B
print(D)
[[11] [26] [41]]
# inverse de la matrice
E=np.linalg.inv(A)
print(E)
[[ 0.25 -2. 1.25 ] [-0.5 1. -0.5 ] [ 0.25 0.66666667 -0.41666667]]
# matrice identité
I=np.mat(np.eye(3,3))
print(I)
[[1. 0. 0.] [0. 1. 0.] [0. 0. 1.]]
K=A+I
print(K)
[[ 2. 0. 3.] [ 4. 6. 6.] [ 7. 8. 10.]]
# à partir de tuples
a = np.array(((1.,2),(3,4)))
print(a)
print(a.ndim)
print(a.shape)
print(a.dtype)
[[1. 2.] [3. 4.]] 2 (2, 2) float64
# avec des "floats" :
b = np.array([
[1., 2],
[9, 3.]
])
print(b)
[[1. 2.] [9. 3.]]
c=a+b
print(c)
[[ 2. 4.] [12. 7.]]
** Attention : le produit matricielle n'est pas avec le fois mais avec une fonction np.dot(a,b).**
# produit matricielle
d=np.dot(a,b)
print(d)
[[19. 8.] [39. 18.]]
# inverse de la matrice
e=np.linalg.inv(d)
print(e)
[[ 0.6 -0.26666667] [-1.3 0.63333333]]
# transposée de la matrice
k=np.transpose(a)
print(k)
[[1. 3.] [2. 4.]]
g=np.power(a,3)
print(g)
[[ 1. 8.] [27. 64.]]
# définition exhaustive
a=np.array([1,2,3,4,5,6])
print(a)
type(a)
[1 2 3 4 5 6]
numpy.ndarray
# tableau régulier de 11 valeurs entre 1 et 2
b=np.linspace(1,2,11)
print(b)
[1. 1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 2. ]
On utilise ici le type array.
s=np.array([1,5,6.2,8,10,0.6,24,6.2,6,3])
print(s)
print(sorted(s))
[ 1. 5. 6.2 8. 10. 0.6 24. 6.2 6. 3. ] [0.6, 1.0, 3.0, 5.0, 6.0, 6.2, 6.2, 8.0, 10.0, 24.0]
n=len(s)
print(f"Effectif : {n}")
Effectif : 10
minimum =np.min(s)
print(f"Minimum : {minimum}")
Minimum : 0.6
maximum =np.max(s)
print(f"Maximum : {maximum}")
Maximum : 24.0
moyenne =np.mean(s)
print(f"Moyenne : {moyenne}")
Moyenne : 7.0
mediane =np.median(s)
print(f"Médiane : {mediane}")
Médiane : 6.1
ecart_type =np.std(s)
print(f"Écart_type : {ecart_type}")
Écart_type : 6.310625959443326
a = np.array([1.,2.,3.5,5.,6.,7.,7.4,7.8,8.2,8.4,8.5,9.,10.2,12.5])
print(a, a.ndim, a.shape, a.dtype)
print("médiane = ",np.median(a))
print("moyenne = ",np.mean(a))
print("variance = ",np.var(a))
print("Écart-type = ",np.std(a))
[ 1. 2. 3.5 5. 6. 7. 7.4 7.8 8.2 8.4 8.5 9. 10.2 12.5] 1 (14,) float64 médiane = 7.6 moyenne = 6.892857142857144 variance = 9.21637755102041 Écart-type = 3.0358487365184073