Création de tableaux NumPy

En plus d'utiliser le constructeur ndarray sous-jacent, les tableaux ndarray peuvent également être créés des façons suivantes.

numpy.empty

La méthode numpy.empty est utilisée pour créer un tableau non initialisé avec une forme et un type de données (dtype) spécifiés :

numpy.empty(shape, dtype = float, order = 'C')

Description du paramètre :

Paramètre Description
shape Forme du tableau
dtype Type de données, facultatif
order Il existe deux options, « C » et « F », qui représentent respectivement l'ordre ligne-majeur et l'ordre colonne-majeur, pour l'ordre dans lequel les éléments sont stockés dans la mémoire de l'ordinateur.

Voici un exemple de création d'un tableau vide :

Exemple

import numpy as np x = np.empty([3,2], dtype = int) print (x)

Le résultat de sortie est:

[[ 6917529027641081856  5764616291768666155]
 [ 6917529027641081859 -5764598754299804209]
 [          4497473538      844429428932120]]

Remarque− Les éléments du tableau sont des valeurs aléatoires car ils ne sont pas initialisés.

numpy.zeros

Créez un tableau d'une taille spécifiée, avec les éléments du tableau remplis de 0 :

numpy.zeros(shape, dtype = float, order = 'C')

Description du paramètre :

Paramètre Description
shape Forme du tableau
dtype Type de données, facultatif
order 'C' pour les tableaux en ordre ligne-majeur de style C, ou 'F' pour les tableaux en ordre colonne-majeur de style FORTRAN

Exemple

import numpy as np # Par défaut : float x = np.zeros(5) print(x) # Définir le type sur entier y = np.zeros((5,), dtype = int) print(y) # Type personnalisé z = np.zeros((2,2), dtype = [('x', 'i4'), ('y', 'i4')]) print(z)

Le résultat de sortie est:

[0. 0. 0. 0. 0.]
[0 0 0 0 0]
[[(0, 0) (0, 0)]
 [(0, 0) (0, 0)]]

numpy.ones

Créer un tableau d'une forme spécifiée, avec les éléments du tableau remplis de 1:

numpy.ones(shape, dtype = None, order = 'C')

Description du paramètre :

Paramètre Description
shape Forme du tableau
dtype Type de données, facultatif
order 'C' pour les tableaux en ordre ligne-majeur de style C, ou 'F' pour les tableaux en ordre colonne-majeur de style FORTRAN

Exemple

import numpy as np # Par défaut : float x = np.ones(5) print(x) # Type personnalisé x = np.ones([2,2], dtype = int) print(x)

Le résultat de sortie est:

[1. 1. 1. 1. 1.]
[[1 1]
 [1 1]]

numpy.zeros_like

numpy.zeros_like est utilisé pour créer un tableau de même forme qu'un tableau donné, avec les éléments du tableau remplis de 0.

numpy.zeros et numpy.zeros_like sont tous deux utilisés pour créer un tableau d'une forme spécifiée, dans lequel tous les éléments sont 0.

La différence entre eux est que numpy.zeros peut directement spécifier la forme du tableau à créer, tandis que numpy.zeros_like crée un tableau de même forme qu'un tableau donné.

numpy.zeros_like(a, dtype=None, order='K', subok=True, shape=None)

Description du paramètre :

Paramètre Description
a Le tableau donné dont la forme doit être mise en correspondance
dtype Le type de données du tableau créé
order L'ordre de stockage du tableau en mémoire. Les valeurs possibles sont 'C' (lignes d'abord) ou 'F' (colonnes d'abord), la valeur par défaut étant 'K' (conservant l'ordre de stockage du tableau d'entrée)
subok Indique si les sous-classes sont autorisées à être renvoyées. Si True, un objet de sous-classe est renvoyé ; sinon, un tableau avec le même type de données et le même ordre de stockage que le tableau a est renvoyé
shape La forme du tableau créé. Si elle n'est pas spécifiée, elle prend par défaut la forme du tableau a.

Créez un tableau de même forme que arr, avec tous les éléments à 0 :

Exemple

import numpy as np # Créer un tableau bidimensionnel 3x3 arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # Créer un tableau de même forme que arr, avec tous les éléments à 0 zeros_arr = np.zeros_like(arr) print(zeros_arr)

Le résultat de sortie est:

[[0 0 0]
 [0 0 0]
 [0 0 0]]

numpy.ones_like

numpy.ones_like est utilisé pour créer un tableau de même forme qu'un tableau donné, avec les éléments du tableau remplis de 1.

numpy.ones et numpy.ones_like servent tous deux à créer un tableau d'une forme spécifiée, dont tous les éléments valent 1.

La différence entre les deux est que numpy.ones peut spécifier directement la forme du tableau à créer, tandis que numpy.ones_like crée un tableau de même forme qu'un tableau donné.

numpy.ones_like(a, dtype=None, order='K', subok=True, shape=None)

Description du paramètre :

Paramètre Description
a Le tableau donné dont la forme doit être mise en correspondance
dtype Le type de données du tableau créé
order L'ordre de stockage du tableau en mémoire. Les valeurs possibles sont 'C' (lignes d'abord) ou 'F' (colonnes d'abord), la valeur par défaut étant 'K' (conservant l'ordre de stockage du tableau d'entrée)
subok Indique si les sous-classes sont autorisées à être renvoyées. Si True, un objet de sous-classe est renvoyé ; sinon, un tableau avec le même type de données et le même ordre de stockage que le tableau a est renvoyé
shape La forme du tableau créé. Si elle n'est pas spécifiée, elle prend par défaut la forme du tableau a.

Créez un tableau de même forme que arr, avec tous les éléments valant 1 :

Exemple

import numpy as np # Créer un tableau bidimensionnel 3x3 arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # Créer un tableau de même forme que arr, dont tous les éléments valent 1 ones_arr = np.ones_like(arr) print(ones_arr)

Le résultat de sortie est:

[[1 1 1]
 [1 1 1]
 [1 1 1]]
Autres extensions