Durée: 12 mois
Rubrique: Ingénieur IA
NumPy est une bibliothèque fondamentale pour l'analyse numérique et le calcul scientifique en Python. Une des raisons principales pour son adoption dans des projets liés à l'intelligence artificielle est sa capacité à gérer efficacement et rapidement de grandes quantités de données grâce à ses structures de données puissantes comme les array et les matrices. Dans cette section, nous aborderons les opérations fondamentales que l'on peut réaliser avec NumPy.
La forme la plus courante de créer un array est d'utiliser la fonction np.array()
. Par exemple:
python
import numpy as np
monarray = np.array([1, 2, 3, 4, 5])
Ici, monarray
devient un array NumPy. Les arrays peuvent être de différentes dimensions. Par exemple:
python
matrice2d = np.array([[1, 2, 3], [4, 5, 6]])
Ici, matrice2d
est une matrice 2D de taille 2x3 qui contient deux arrays de taille 3.
NumPy permet des opérations d'indexation et de slicing efficaces:
python
subarray = monarray[1:4]
Cela extrait les éléments de l'index 1 à l'index 3. Pour les tableaux multicouches ou matrices, on peut faire:
python
element = matrice2d[1, 2]
Cela extrait l'élément de la deuxième ligne et de la troisième colonne.
NumPy facilite les opérations mathématiques sur des arrays. Par exemple:
python
somme = monarray + 2
produit = monarray 2
Ces opérations s'appliquent à chaque élément de l'array. Pour des opérations entre deux arrays:
python
resultant = monarray + np.array([1, 1, 1, 1, 1])
Ici, chaque élément est additionné individuellement.
NumPy offre également des fonctions mathématiques comme:
python
np.mean(monarray) Calcul de la moyenne
np.std(monarray) Calcul de l'écart type
np.sum(monarray) Somme de tous les éléments
Chaque fonction est optimisée pour des performances maximales.
L'utilisation de fonctions avancées comme la transposition de matrices:
python
transposée = matrice2d.T
ou la multiplication de matrices avec np.dot()
:
python
multiplicationmatrices = np.dot(matrice2d, np.array([[7, 8], [9, 10], [11, 12]]))
est également très courante. Ces opérations sont essentielles en machine learning pour la manipulation des données.
En résumé, NumPy fournit des outils puissants et rapides pour la manipulation et les opérations mathématiques sur des grandes quantités de données, faisant de cette bibliothèque un atout indispensable en intelligence artificielle.