Nous mettrons à jour notre Politique de confidentialité prochainement. En voici un aperçu.

Découvrir la data science avec Python

Découvrir le mode Pylab

Testez gratuitement nos 1340 formations

pendant 10 jours !

Tester maintenant Afficher tous les abonnements
Utilisez les bibliothèques NumPy et Matplotlib dans le namespace courant avec le mode Pylab d'Ipython.
04:47

Transcription

Faisons maintenant quelques lignes de code dans IPython afin de commencer à s'en servir un peu. On va faire quelque chose de très simple. On va afficher un petit graphe vraiment très très simple et pour cela on a besoin de quelques librairies, de bibliothèques. qu'on va importer. Je le fais d'abord manuellement. Donc je vais faire un import de matplotlib -voyez j'ai à peu près mes bibliothèques ici déjà intégrées dans ma distribution Anaconda et disponibles donc je vais prendre matplotlib- je vais importer pyplot de matplotlib qui va me permettre d'avoir quelques méthodes à disposition pour générer des graphes. Je vais lui donner un alias et puis je vais également importer Numpy pour avoir des fonctions mathématiques à disposition également. Je vais lui mettre aussi un alias. Eh bien, je pourrais utiliser maintenant Numpy pour générer un tableau. Alors je vous montre déjà ce que je vais faire. Un tableau de 1000 valeurs par exemple. Et donc j'utilise Numpy j'utilise son objet « random » qui a une méthode « randn ». Pourquoi « n » ? Parce que il va retourner un « ndarray » qui est un tableau spécifique à plusieurs dimensions potentiellement, là c'est un tableau à une dimension que je vais générer, et qui est défini dans la bibliothèque Numpy. C'est un tableau de valeurs identiques et fixes qui va être généré. Ça va être plus pratique de l'utiliser dans des fonctionnalités de Numpy que les listes ou les collections traditionnelles dans Python. Voyons le résultat. Vous voyez, j'ai un tableau de 1000 valeurs avec des valeurs aléatoires. Donc, je vais me servir de ça et puis je vais utiliser « plt.plot » pour afficher le résultat. Alors peut-être que ça va me donner un certain nombre de points aléatoires. Je vais donc utiliser une méthode, on va dire, de l'objet ndarray appelée « cumsum », qui, comme son nom l'indique, va me retourner un total cumulé. On a donc une évolution ascendante des valeurs car on prend chaque valeur et on fait un total cumulé de tout ça, ce qui va faire un graphe un petit peu plus joli. Donc on est bon, et vous voyez que on a dit en output voilà j'ai un objet matplotlib. Alors ici j'ai un problème spécifique, c'est qu'il n'est nulle part. On est d'accord. Parce que dans ma boucle de l'interpréteur Python, il n'y a aucune place pour charger quelque chose et le rendre visible. On va écraser tout de suite le résultat. Je dois profiter des fonctionnalités de GUI de IPython qui peut donc se connecter à un GUI qui est du système d'exploitation et générer le rendu. Alors pour cela, je peux utiliser la commande magique « %gui » et ensuite faire mon plot et ça ne donne toujours pas grand chose. Donc je me dis ce n'est toujours pas ça. Ce que vous allez faire, quand vous voulez commencer à utiliser cette manipulation et avoir des résultats -alors je vais le faire dans une autre fenêtre, je vais me copier ça, je vais quitter tout simplement- et ce que je viens de faire étant compliqué, je vais vous montrer une version plus simple. Je vais utiliser un mode spécifique, le mode « pylab ». Alors je peux le faire comme ça et vous voyez que maintenant on a défini un backend pour matplotlib, qui est Qt, Qt4, donc une bibliothèque graphique qui a été intégrée ici dans ma distribution d'IPython et d'Anaconda et puis vous avez vu qu'on a alimenté le namespace avec Numpy et matplotlib, Je n'ai donc plus besoin de faire mes imports le mode « pylab » est un mode avancé que vous allez utiliser probablement systématiquement qui va vous permettre d'afficher le résultat de vos graphes et de ne pas avoir à pré-déclarer les namespace de Numpy et de matplotlib. Donc maintenant je vais reprendre le contenu -je ne l'ai plus donc je vais le reprendre ici- et j'ai plus besoin de ça, en fait mes alias sont devenus inutiles, il ne va pas les reconnaître, et je vais travailler directement comme ceci, avec mes méthodes et mes objets qui sont directement dans le namespace courant. Et vous voyez que matplotlib a fait un rendu et j'ai donc un affichage interactif dans une autre fenêtre qui va montrer le résultat du rendu de matplotlib.

Découvrir la data science avec Python

Prenez en main les outils utilisés pour la data science avec Python, d'un point de vue technique. Pour cela, explorez les deux bibliothèques importantes, NumPy et Pandas.

2h16 (25 vidéos)
Aucun commentaire n´est disponible actuellement
 
Logiciel :
Spécial abonnés
Date de parution :25 août 2016

Votre formation est disponible en ligne avec option de téléchargement. Bonne nouvelle : vous ne devez pas choisir entre les deux. Dès que vous achetez une formation, vous disposez des deux options de consultation !

Le téléchargement vous permet de consulter la formation hors ligne et offre une interface plus conviviale. Si vous travaillez sur différents ordinateurs ou que vous ne voulez pas regarder la formation en une seule fois, connectez-vous sur cette page pour consulter en ligne les vidéos de la formation. Nous vous souhaitons un excellent apprentissage avec cette formation vidéo.

N'hésitez pas à nous contacter si vous avez des questions !