Personnaliser les préférences

Nous utilisons des cookies pour vous aider à naviguer efficacement et à exécuter certaines fonctions. Vous trouverez ci-dessous des informations détaillées sur tous les cookies sous chaque catégorie de consentement.

Les cookies classés comme « Nécessaires » sont stockés sur votre navigateur car ils sont essentiels pour activer les fonctionnalités de base du site.... 

Toujours actif

Necessary cookies are required to enable the basic features of this site, such as providing secure log-in or adjusting your consent preferences. These cookies do not store any personally identifiable data.

Aucun cookie à afficher.

Functional cookies help perform certain functionalities like sharing the content of the website on social media platforms, collecting feedback, and other third-party features.

Aucun cookie à afficher.

Analytical cookies are used to understand how visitors interact with the website. These cookies help provide information on metrics such as the number of visitors, bounce rate, traffic source, etc.

Aucun cookie à afficher.

Performance cookies are used to understand and analyze the key performance indexes of the website which helps in delivering a better user experience for the visitors.

Aucun cookie à afficher.

Advertisement cookies are used to provide visitors with customized advertisements based on the pages you visited previously and to analyze the effectiveness of the ad campaigns.

Aucun cookie à afficher.

Comment filtrer un tableau NumPy (4 exemples)



Vous pouvez utiliser les méthodes suivantes pour filtrer les valeurs d’un tableau NumPy :

Méthode 1 : filtrer les valeurs en fonction d’une seule condition

#filter for values less than 5
my_array[my_array < 5]

Méthode 2 : filtrer les valeurs à l’aide de la condition « OU »

#filter for values less than 5 or greater than 9
my_array[(my_array < 5) | (my_array > 9)]

Méthode 3 : filtrer les valeurs à l’aide de la condition « ET »

#filter for values greater than 5 and less than 9
my_array[(my_array > 5) & (my_array < 9)]

Méthode 4 : filtrer les valeurs contenues dans la liste

#filter for values that are equal to 2, 3, 5, or 12
my_array[np.in1d(my_array, [2, 3, 5, 12])]

Ce tutoriel explique comment utiliser chaque méthode en pratique avec le tableau NumPy suivant :

import numpy as np

#create NumPy array
my_array = np.array([1, 2, 2, 3, 5, 6, 7, 10, 12, 14])

#view NumPy array
my_array

array([ 1,  2,  2,  3,  5,  6,  7, 10, 12, 14])

Exemple 1 : Filtrer les valeurs en fonction d’une condition

Le code suivant montre comment filtrer les valeurs du tableau NumPy en fonction d’une seule condition :

#filter for values less than 5
my_array[(my_array < 5)]

array([1, 2, 2, 3])

#filter for values greater than 5
my_array[(my_array > 5)]

array([ 6,  7, 10, 12, 14])

#filter for values equal to 5
my_array[(my_array == 5)]

array([5])

Exemple 2 : Filtrer les valeurs à l’aide de la condition « OU »

Le code suivant montre comment filtrer les valeurs du tableau NumPy à l’aide d’une condition « OU » :

#filter for values less than 5 or greater than 9
my_array[(my_array < 5) | (my_array > 9)]

array([ 1,  2,  2,  3, 10, 12, 14])

Ce filtre renvoie les valeurs du tableau NumPy inférieures à 5 ou supérieures à 9.

Exemple 3 : Filtrer les valeurs à l’aide de la condition « ET »

Le code suivant montre comment filtrer les valeurs du tableau NumPy à l’aide d’une condition « ET » :

#filter for values greater than 5 and less than 9
my_array[(my_array > 5) & (my_array < 9)]

array([6, 7])

Ce filtre renvoie les valeurs du tableau NumPy supérieures à 5 et inférieures à 9.

Exemple 4 : filtrer les valeurs contenues dans la liste

Le code suivant montre comment filtrer les valeurs du tableau NumPy contenues dans une liste :

#filter for values that are equal to 2, 3, 5, or 12
my_array[np.in1d(my_array, [2, 3, 5, 12])]

array([ 2,  2,  3,  5, 12])

Ce filtre renvoie uniquement les valeurs égales à 2, 3, 5 ou 12.

Remarque : Vous pouvez trouver la documentation complète de la fonction NumPy in1d() ici .

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations de filtrage courantes en Python :

Comment filtrer les lignes Pandas DataFrame qui contiennent une chaîne spécifique
Comment filtrer un DataFrame Pandas sur plusieurs conditions
Comment utiliser le filtre « NON IN » dans Pandas DataFrame

Ajouter un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *