AI018 Professionnel

Guide utilisateur NumPy

Une vue d'ensemble complète et un guide technique introductif à NumPy, couvrant l'installation, la manipulation des tableaux, l'indexation, la diffusion et l'intégration avec C/C++.

4.9

15.0h

891 étudiants

5 lessons

0 j'aime

Intelligence Artificielle

Commencer à apprendre

Aperçu du cours

📚 Résumé du contenu

Une présentation complète et introductive ainsi qu'un guide technique sur NumPy, couvrant l'installation, la manipulation des tableaux, l'indexation, la diffusion (broadcasting) et l'intégration avec C/C++.

Maîtrisez les fondations du calcul scientifique en Python avec le guide officiel de NumPy.

Auteur : La communauté NumPy

Remerciements : Rédigé par la communauté NumPy

🎯 Objectifs d'apprentissage

Définir NumPy et identifier son rôle dans l'écosystème scientifique Python.
Expliquer pourquoi NumPy est nettement plus rapide que les boucles standard de Python grâce au concept de vectorisation.
Exécuter les commandes d'installation pour divers environnements, y compris Pip, Conda et Raspberry Pi.
Identifier et interpréter les attributs principaux de ndarray tels que ndim, shape et dtype.
Exécuter la création et la manipulation des tableaux à l'aide de fonctions comme linspace, reshape, vstack et hstack.
Appliquer des opérations élément par élément, des fonctions universelles (ufuncs) et des solveurs d'algèbre linéaire sur des jeux de données numériques.
Gérer la précision des données et éviter les erreurs de dépassement (overflow) à l'aide des types scalaires de NumPy et des outils d'information (iinfo, finfo).
Mettre en œuvre une ingestion flexible des données depuis le disque à l'aide de genfromtxt avec des délimiteurs personnalisés, des en-têtes et des sélections de colonnes.
Appliquer les règles générales de diffusion (broadcasting) pour prédire et contrôler les interactions entre tableaux de formes différentes.
Gérer les références mémoire et éviter les pièges dans les sous-classes personnalisées de ndarray à l'aide de l'attribut .base.

Leçons 共 5 课时 · 预计 15.0h

1 Introduction et configuration de l'environnement

2 Fondamentaux essentiels et manipulation des tableaux

3 Gestion avancée des données et diffusion

4 Exceptions numériques et interface avec le langage

5 Extension de NumPy via l'API C

Leçons

Lesson

1 Lesson 1

This lesson introduces NumPy as the foundational bridge between high-level Python applications and low-level hardware, focusing on the ndarray as a universal interface for scientific computing. Students will learn how the ndarray’s contiguous memory layout and homogeneous data structure enable high-performance, vectorized operations across the data science ecosystem.

2 Lesson 2

This lesson introduces the NumPy ndarray as a memory-efficient, homogeneous alternative to Python lists, focusing on proper initialization and the performance benefits of contiguous memory. Students will learn to interpret core array attributes—such as shape, size, and data type—to understand how metadata defines the spatial geometry and memory footprint of numerical data.

3 Lesson 3

This lesson covers precision management in NumPy, focusing on how fixed-size data types handle integer overflow and floating-point saturation. It also introduces robust data ingestion techniques using np.genfromtxt to handle irregular file formats and sanitize messy datasets.

4 Lesson 4

This lesson explores the complexities of subclassing `numpy.ndarray`, focusing on the "Initialization Triad" and the critical role of the `__array_finalize__` hook in maintaining metadata. Students will learn to navigate the risks of behavioral fragility and identify when to choose subclassing for interoperability versus using composition for safer architectural design.

5 Lesson 5