Vous êtes un professionnel et vous avez besoin d'une formation ? Deep Learning avec Python
et Keras et Tensorflow Voir le programme détaillé

Tri, recherche et valeurs uniques avec NumPy

Agrégations et statistiques Valeurs manquantes et spéciales

Accès rapide :
Introduction
Trier un vecteur
Trier selon un axe
Récupérer les indices de tri
Rechercher des positions
Extraire les valeurs uniques
Limiter les valeurs
Combiner recherche et masque booléen

Introduction

Dès que l'on manipule des données, on a souvent besoin de les trier, de retrouver certaines positions, ou de compter les valeurs distinctes. NumPy propose des fonctions efficaces pour ces opérations.

Trier un vecteur

La fonction np.sort retourne une version triée du tableau sans modifier le tableau d'origine.

 1 
 2 
 3 
 4 
 5 
 6 
 7 

import numpy as np

values = np.array([40, 10, 30, 20])
sorted_values = np.sort(values)

print(values)
print(sorted_values)

[40 10 30 20]
[10 20 30 40]

Trier selon un axe

Sur une matrice, le tri peut être réalisé ligne par ligne ou colonne par colonne selon l'axe choisi.

 1 
 2 
 3 
 4 
 5 
 6 

import numpy as np

m = np.array([[3, 1, 2], [9, 7, 8]])

print(np.sort(m, axis=1))
print(np.sort(m, axis=0))

[[1 2 3]
 [7 8 9]]
[[3 1 2]
 [9 7 8]]

Récupérer les indices de tri

La fonction argsort retourne les indices qui permettraient de trier un tableau. C'est utile lorsque plusieurs tableaux décrivent les mêmes observations.

 1 
 2 
 3 
 4 
 5 
 6 
 7 
 8 

import numpy as np

names = np.array(["Bob", "Alice", "Diane"])
scores = np.array([12, 18, 15])
order = np.argsort(scores)

print(scores[order])
print(names[order])

[12 15 18]
['Bob' 'Diane' 'Alice']

Les noms ont été réordonnés avec les mêmes indices que les scores.

Rechercher des positions

La fonction where permet de récupèrer les positions qui respectent une condition.

 1 
 2 
 3 
 4 
 5 
 6 
 7 

import numpy as np

values = np.array([5, 12, 8, 20, 3])
positions = np.where(values >= 10)[0]

print(positions)
print(values[positions])

[1 3]
[12 20]

Extraire les valeurs uniques

La fonction unique retourne les valeurs distinctes d'un tableau. Elle peut aussi compter le nombre d'occurrences de chaque valeur.

 1 
 2 
 3 
 4 
 5 
 6 
 7 

import numpy as np

colors = np.array(["red", "blue", "red", "green", "blue", "red"])
values, counts = np.unique(colors, return_counts=True)

print(values)
print(counts)

['blue' 'green' 'red']
[2 1 3]

Les valeurs uniques sont retournées dans l'ordre trié, avec le nombre d'apparitions correspondant.

Limiter les valeurs

La fonction clip force les valeurs à rester dans un intervalle donné. Les valeurs trop petites sont remontées, les valeurs trop grandes sont abaissées.

 1 
 2 
 3 
 4 
 5 

import numpy as np

values = np.array([-5, 3, 12, 27])

print(np.clip(values, 0, 20))

[ 0  3 12 20]

Combiner recherche et masque booléen

Les masques booléens sont souvent la manière la plus lisible de sélectionner des valeurs.

 1 
 2 
 3 
 4 
 5 
 6 
 7 

import numpy as np

scores = np.array([8, 12, 15, 6, 18])
mask = scores >= 10

print(np.where(mask)[0])
print(scores[mask])

[1 2 4]
[12 15 18]

Agrégations et statistiques Valeurs manquantes et spéciales

Vous êtes un professionnel et vous avez besoin d'une formation ? Machine Learning
avec Scikit-Learn Voir le programme détaillé