Pratique avec les tableaux NumPy
Exerçons-nous à découper (slicing) des tableaux numpy et à utiliser le concept de diffusion (broadcasting) de NumPy. Rappelez-vous que la diffusion correspond à la capacité d'un tableau numpy de vectoriser des opérations, de sorte qu'elles s'appliquent à tous les éléments d'un objet en une seule fois.
Un tableau numpy bidimensionnel a été chargé dans votre session (appelé nums) et imprimé dans la console pour vous faciliter la tâche. numpy a été importé dans votre session sous le nom np.
Cette activité fait partie du cours
Rédiger du code Python efficace
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Print second row of nums
print(nums[____,____])
# Print all elements of nums that are greater than six
print(____[____ > ____])
# Double every element of nums
nums_dbl = ____ * ____
print(nums_dbl)
# Replace the third column of nums
nums[____,____] = ____[____,____] + ____
print(nums)