Effets secondaires de NumPy

numpy est idéal pour faire de l'arithmétique vectorielle. Si vous comparez ses fonctionnalités à celles des listes Python ordinaires, certaines choses ont toutefois changé.

Tout d'abord, les tableaux numpy ne peuvent pas contenir d'éléments de types différents. Si vous mélangez des types, tels que des booléens et des entiers, numpy les convertit automatiquement en un type commun. Les booléens tels que True et False sont traités comme 1 et 0 lorsqu'ils sont combinés avec des nombres, de sorte que le tableau se présente sous forme d'entiers.

Deuxièmement, les opérateurs arithmétiques usuels, tels que +, -, * et /, ont une signification différente pour les listes Python ordinaires et les tableaux numpy.

Quelques lignes de code vous ont été fournies. Essayez-les et choisissez celle qui correspond le mieux à vos attentes :

np.array([True, 1, 2]) + np.array([3, 4, False])

Le paquet numpy est déjà importé en tant que np.