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 remplacer des éléments dans un tableau NumPy (3 exemples)



Vous pouvez utiliser les méthodes suivantes pour remplacer des éléments dans un tableau NumPy :

Méthode 1 : remplacer les éléments égaux à une certaine valeur

#replace all elements equal to 8 with a new value of 20
my_array[my_array == 8] = 20

Méthode 2 : remplacer les éléments en fonction d’une condition

#replace all elements greater than 8 with a new value of 20
my_array[my_array > 8] = 20

Méthode 3 : remplacer des éléments en fonction de plusieurs conditions

#replace all elements greater than 8 or less than 6 with a new value of 20
my_array[(my_array > 8) | (my_array < 6)] = 20

Les exemples suivants montrent comment utiliser chaque méthode en pratique avec le tableau NumPy suivant :

import numpy as np

#create array
my_array = np.array([4, 5, 5, 7, 8, 8, 9, 12])

#view array
print(my_array)

[ 4  5  5  7  8  8  9 12]

Méthode 1 : remplacer les éléments égaux à une certaine valeur

Le code suivant montre comment remplacer tous les éléments du tableau NumPy égaux à 8 par une nouvelle valeur de 20 :

#replace all elements equal to 8 with 20
my_array[my_array == 8] = 20

#view updated array
print(my_array)

[ 4  5  5  7 20 20  9 12]

Méthode 2 : remplacer les éléments en fonction d’une condition

Le code suivant montre comment remplacer tous les éléments du tableau NumPy supérieurs à 8 par une nouvelle valeur de 20 :

#replace all elements greater than 8 with 20
my_array[my_array > 8] = 20

#view updated array
print(my_array)

[ 4  5  5  7  8  8 20 20]

Méthode 3 : remplacer des éléments en fonction de plusieurs conditions

Le code suivant montre comment remplacer tous les éléments du tableau NumPy supérieurs à 8 ou inférieurs à 6 par une nouvelle valeur de 20 :

#replace all elements greater than 8 or less than 6 with a new value of 20
my_array[(my_array > 8) | (my_array < 6)] = 20

#view updated array
print(my_array)

[20 20 20  7  8  8 20 20]

Ressources additionnelles

Les didacticiels suivants expliquent comment effectuer d’autres opérations courantes dans NumPy :

Comment calculer le mode du tableau NumPy
Comment trouver l’indice de valeur dans le tableau NumPy
Comment mapper une fonction sur un tableau NumPy

Ajouter un commentaire

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