STM32 Synth

Appearance

Cheatsheet Python / Numpy ​

documentation officielle

Introduction ​

numpy est une bibliothèque de calcul scientifique en Python. Elle fournit un objet tableau multidimensionnel, des objets dérivés (tels que les tableaux masqués et les matrices), et un assortiment de routines pour des opérations rapides sur les tableaux, y compris les mathématiques, la logique, la manipulation de formes, le tri, la sélection, les transformations de Fourier, l'algèbre linéaire, les opérations statistiques, et bien plus.

Getting Started ​

Pour commencer avec numpy, vous devez l'installer et l'importer dans votre projet :

python
# Installation (dans votre terminal ou prompt de commande)
pip install numpy

# Importation dans votre script Python
import numpy as np

Création de tableau ​

  1. Tableau à partir d'une liste :

    python
    np.array([1, 2, 3, 4, 5])

  2. Tableau de zéros :

    python
    np.zeros(5)  # Tableau de 5 zéros

  3. Tableau de uns :

    python
    np.ones(5)  # Tableau de 5 uns

  4. Tableau d'une séquence :

    python
    np.arange(10)  # 0 à 9
np.arange(2, 10)  # 2 à 9
np.arange(2, 10, 2)  # 2, 4, 6, 8

  5. Tableau d'espacement linéaire :

    python
    np.linspace(0, 1, 5)  # 5 nombres de 0 à 1, espacés également

  6. Tableau avec valeurs aléatoires :

    python
    np.random.rand(5)  # 5 nombres aléatoires de la distribution uniforme [0, 1)

Manipulation des Tableaux ​

  1. Indexation : Accès aux éléments

    python
    arr = np.array([10, 20, 30, 40, 50])
arr[0]  # Premier élément (10)
arr[-1]  # Dernier élément (50)

  2. Slicing : Extraction de sous-tableaux

    python
    arr[1:4]  # Éléments de l'indice 1 à 3
arr[:3]  # Premiers trois éléments
arr[2:]  # Éléments à partir de l'indice 2
arr[:]  # Tous les éléments

  3. Redimensionnement : Changement de la forme

    python
    np.reshape(arr, (5, 1))  # Transforme en tableau 2D de 5x1

  4. Opérations mathématiques : Appliquées élément par élément

    python
    arr + 5  # Ajoute 5 à chaque élément
arr * 2  # Multiplie chaque élément par 2
np.sqrt(arr)  # Racine carrée de chaque élément

  5. Statistiques : Calculs simples

    python
    np.mean(arr)  # Moyenne
np.median(arr)  # Médiane
np.std(arr)  # Écart type

Autres opérations utiles ​

  • Tri :
    python
    np.sort(arr)
  • Concaténation :
    python
    np.concatenate([arr, np.array([60, 70])])
  • Comparaison :
    python
    arr > 30  # Tableau de booléens selon la condition