Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Apprendre Création de Tableaux à Dimensions Supérieures | Bases de NumPy
Numpy Ultime

book
Création de Tableaux à Dimensions Supérieures

Tableaux 2D

Créons maintenant un tableau de dimension supérieure, à savoir un tableau 2D :

import numpy as np
# Creating a 2D array
array_2d = np.array([[1, 2, 3], [4, 5, 6]])
print(f'2-dimensional array: \n{array_2d}')
1234
import numpy as np # Creating a 2D array array_2d = np.array([[1, 2, 3], [4, 5, 6]]) print(f'2-dimensional array: \n{array_2d}')
copy

Fondamentalement, créer un tableau NumPy de dimension supérieure implique de passer une liste de dimension supérieure comme argument de la fonction array().

Remarque

Tout objet tableau NumPy est appelé un ndarray.

Voici une visualisation de notre tableau 2D :

On peut le considérer comme une matrice 2x3.

Tableau 3D

Créer des tableaux 3D est presque identique à créer des tableaux 2D. La seule différence est que nous devons maintenant passer une liste 3D comme argument :

import numpy as np
# Creating a 3D array
array_3d = np.array([
[[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]]
])
print(f'3-dimensional array: \n{array_3d}')
12345678
import numpy as np # Creating a 3D array array_3d = np.array([ [[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]] ]) print(f'3-dimensional array: \n{array_3d}')
copy

Cependant, visualiser un tableau 3D est un peu plus complexe, mais cela peut toujours être fait :

Le tableau est 3x3x3, c'est pourquoi nous avons un cube avec chaque côté égal à 3.

En pratique, l'approche pour manipuler des tableaux 3D et de dimensions supérieures n'est pas différente de celle pour manipuler des tableaux 2D.

Tâche

Swipe to start coding

Créez un tableau 2D en utilisant des listes. Ce tableau peut avoir n'importe quel nombre de lignes et de colonnes, avec des valeurs arbitraires.

Solution

import numpy as np
# Create a 2D numpy array
array_2d = np.array([[1, 2], [3, 4]])
print(array_2d)

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 1. Chapitre 3
import numpy as np
# Create a 2D numpy array
array_2d = ___
print(array_2d)

Demandez à l'IA

expand
ChatGPT

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

some-alt