Points d’implémentation avec numpy

Links: notebook, html, PDF, python, slides, GitHub

Quelques écritures efficaces et non efficaces avec numpy.

from jyquickhelper import add_notebook_menu
add_notebook_menu()

accéder à un élément en particulier

import numpy
mat = numpy.zeros((5, 5))
for i in range(mat.shape[0]):
    for j in range(mat.shape[1]):
        mat[i, j] = i * 10 + j
mat

array([[ 0.,  1.,  2.,  3.,  4.],
       [10., 11., 12., 13., 14.],
       [20., 21., 22., 23., 24.],
       [30., 31., 32., 33., 34.],
       [40., 41., 42., 43., 44.]])

mat[2, 3], mat[2][3]

(23.0, 23.0)

%timeit mat[2, 3]

116 ns ± 4.49 ns per loop (mean ± std. dev. of 7 runs, 10000000 loops each)

%timeit mat[2][3]

319 ns ± 57 ns per loop (mean ± std. dev. of 7 runs, 1000000 loops each)

Les deux écritures ont l’air identique puisqu’elle retourne le même résultat. Néanmoins, mat[2][3] crée un tableau temporaire puis extrait un élément. Les éléments ne sont pas recopiés mais un objet intermédiaire est créé.

mat[2]

array([20., 21., 22., 23., 24.])