.. _numpytricksrst:

==================================
Points d’implémentation avec numpy
==================================


.. only:: html

    **Links:** :download:`notebook <numpy_tricks.ipynb>`, :downloadlink:`html <numpy_tricks2html.html>`, :download:`PDF <numpy_tricks.pdf>`, :download:`python <numpy_tricks.py>`, :downloadlink:`slides <numpy_tricks.slides.html>`, :githublink:`GitHub|_doc/notebooks/numpy/numpy_tricks.ipynb|*`


Quelques écritures efficaces et non efficaces avec
`numpy <http://www.numpy.org/>`__.

.. code:: ipython3

    from jyquickhelper import add_notebook_menu
    add_notebook_menu()






.. contents::
    :local:





accéder à un élément en particulier
-----------------------------------

.. code:: ipython3

    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




.. parsed-literal::
    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.]])



.. code:: ipython3

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




.. parsed-literal::
    (23.0, 23.0)



.. code:: ipython3

    %timeit mat[2, 3]


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


.. code:: ipython3

    %timeit mat[2][3]


.. parsed-literal::
    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.

.. code:: ipython3

    mat[2]




.. parsed-literal::
    array([20., 21., 22., 23., 24.])