Le moyen le plus simple d’utiliser NumPy : importer numpy en tant que np

NumPy , qui signifie Numerical Python, est une bibliothèque de calcul scientifique construite sur le langage de programmation Python.

La manière la plus courante d’importer NumPy dans votre environnement Python consiste à utiliser la syntaxe suivante :

import numpy as np

La partie import numpy du code indique à Python d’intégrer la bibliothèque NumPy dans votre environnement actuel.

La partie as np du code indique ensuite à Python de donner à NumPy l’alias de np . Cela vous permet d’utiliser les fonctions NumPy en tapant simplement np.function_name plutôt que numpy.function_name.

Une fois que vous avez importé NumPy, vous pouvez ensuite utiliser les fonctions intégrées pour créer et analyser rapidement des données.

Comment créer un tableau NumPy de base

Le type de données le plus courant avec lequel vous travaillerez dans NumPy est le array , qui peut être créé à l’aide de la fonction np.array() .

Le code suivant montre comment créer un tableau NumPy unidimensionnel de base :

import numpy as np

#define array
x = np.array([1, 12, 14, 9, 5])

#display array
print(x)

[ 1 12 14  9  5]

#display number of elements in array
x.size

5

Vous pouvez également créer plusieurs tableaux et y effectuer des opérations telles que l’addition, la soustraction, la multiplication, etc.

import numpy as np 

#define arrays 
x = np.array([1, 12, 14, 9, 5])
y = np.array([2, 3, 3, 4, 2])

#add the two arrays
x+y

array([ 3, 15, 17, 13,  7])

#subtract the two arrays
x-y

array([-1,  9, 11,  5,  3])

#multiply the two arrays
x*y

array([ 2, 36, 42, 36, 10])

Consultez le guide du débutant absolu sur NumPy pour une introduction détaillée à toutes les fonctions de base de NumPy.

Erreurs potentielles lors de l’importation de NumPy

Une erreur potentielle que vous pouvez rencontrer lors de l’importation de NumPy est :

NameError: name 'np' is not defined

Cela se produit lorsque vous ne parvenez pas à donner un alias à NumPy lors de son importation. Lisez ce didacticiel pour découvrir comment corriger rapidement cette erreur.

Ressources additionnelles

Si vous souhaitez en savoir plus sur NumPy, consultez les ressources suivantes :

Liste complète des guides Python de statistique
Page de documentation NumPy en ligne
Page Twitter officielle de NumPy