Séance de cours

Numpy: Création d'objets

Graph Chat

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Description

Cette séance de cours couvre plusieurs façons de créer des objets ndArray avec Numpy, y compris la création d'intervalles, la génération de ndarrays avec des valeurs aléatoires, la manipulation et les attributs d'objets ndarray, les opérations avec des objets ndarray, et la copie de ndarrays. L'instructeur explique les différences entre les objets ndarray et tableau, la création d'intervalles en utilisant np.arange() et np.linspace(), et la génération de ndarrays en utilisant np.zeros(), np.ones(), np.full(), np.random, np.fromfunction et np.meshgrid. En outre, la séance de cours se penche sur l'importance d'utiliser une bibliothèque spécifique comme Numpy pour travailler avec des tableaux en Python, montrant des exemples pratiques et des comparaisons avec les fonctionnalités intégrées de Python.

Source officielle

Concepts associés (32)

Variable aléatoire

vignette|La valeur d’un dé après un lancer est une variable aléatoire comprise entre 1 et 6. En théorie des probabilités, une variable aléatoire est une variable dont la valeur est déterminée après la réalisation d’un phénomène, expérience ou événement, aléatoire. En voici des exemples : la valeur d’un dé entre 1 et 6 ; le côté de la pièce dans un pile ou face ; le nombre de voitures en attente dans la 2e file d’un télépéage autoroutier ; le jour de semaine de naissance de la prochaine personne que vous rencontrez ; le temps d’attente dans la queue du cinéma ; le poids de la part de tomme que le fromager vous coupe quand vous lui en demandez un quart ; etc.

NumPy

NumPy est une bibliothèque pour langage de programmation Python, destinée à manipuler des matrices ou tableaux multidimensionnels ainsi que des fonctions mathématiques opérant sur ces tableaux. Plus précisément, cette bibliothèque logicielle libre et open source fournit de multiples fonctions permettant notamment de créer directement un tableau depuis un fichier ou au contraire de sauvegarder un tableau dans un fichier, et manipuler des vecteurs, matrices et polynômes.

Matrice aléatoire

En théorie des probabilités et en physique mathématique, une matrice aléatoire est une matrice dont les éléments sont des variables aléatoires. La théorie des matrices aléatoires a pour objectif de comprendre certaines propriétés de ces matrices, comme leur norme d'opérateur, leurs valeurs propres ou leurs valeurs singulières. Face à la complexité croissante des spectres nucléaires observés expérimentalement dans les années 1950, Wigner a suggéré de remplacer l'opérateur hamiltonien du noyau par une matrice aléatoire.

Interval estimation

In statistics, interval estimation is the use of sample data to estimate an interval of possible values of a parameter of interest. This is in contrast to point estimation, which gives a single value. The most prevalent forms of interval estimation are confidence intervals (a frequentist method) and credible intervals (a Bayesian method); less common forms include likelihood intervals and fiducial intervals.

Python (langage)

Python (prononcé ) est un langage de programmation interprété, multiparadigme et multiplateformes. Il favorise la programmation impérative structurée, fonctionnelle et orientée objet. Il est doté d'un typage dynamique fort, d'une gestion automatique de la mémoire par ramasse-miettes et d'un système de gestion d'exceptions ; il est ainsi similaire à Perl, Ruby, Scheme, Smalltalk et Tcl.

Afficher plus

Séances de cours associées (64)

Complément Python : Numpy, Scipy, Matplotlib

Couvre des sujets Python avancés tels que les opérations numpy, l'algèbre linéaire scipy et matplotlib pour la création de figures.

Fondements de programmation: Listes et importations

Déplacez-vous dans les listes Python, le slice, les fonctions et les importations pour le partage de code.

Augmentations Fines Généralisées: Applications et Exemples

Discute des incréments fins généralisés, de l'évaluation des fonctions, des théorèmes et des applications dérivées.

Python Basics: Fonctions et Listes

Introduit les bases de Python comme les types, les fonctions, les conditions, les boucles et les listes, avec des exemples de manipulation de chaîne et d'opérations de liste.

Programmation R : conditions, boucles, fonctions et graphiques

Couvre les conditions, les boucles, les fonctions et les graphiques en programmation R avec des exemples pratiques.

Afficher plus

Concepts associés (32)