Exécuter NumPy en ligne

Filtrer un tableau NumPy avec une condition

Dans cette leçon, vous allez extraire les éléments d'un tableau NumPy qui vérifient une condition grâce à l'indexation booléenne (boolean indexing).

  • Intermédiaire
  • 2 min de lecture
  • 1 exemple exécutable

Introduction

Le problème

Sélectionner les valeurs qui vous intéressent (les notes suffisantes, les prix sous un plafond, les températures au-dessus de zéro) est l'une des tâches les plus courantes quand on traite des données. Avec NumPy, pas besoin de boucle : une condition choisit les valeurs pour vous.

Imaginez-le ainsi

Le filtrage booléen, c'est comme poser un pochoir sur une rangée de nombres. La condition découpe un trou au-dessus de chaque valeur qui la respecte. En regardant à travers le pochoir, vous ne voyez que ces valeurs.

Du pochoir au code
scores >= 80✂️ Découper un trou au-dessus de chaque note suffisante
[False, True, True, False, True]🕳️ Le pochoir : des trous là où c'est True
scores[scores >= 80]👀 Regarder à travers les trous
passing📋 [82 91 88]
Un masque True/False choisit les éléments à garder.
En une phrase

L'indexation booléenne sélectionne des éléments d'un tableau à l'aide d'un masque de valeurs True et False de même forme que lui : elle garde les éléments là où le masque vaut True.

Points clés

  1. scores >= 80 compare chaque élément et renvoie un tableau de True et False.
  2. scores[scores >= 80] ne garde que les éléments où le masque vaut True.
  3. passing est un nouveau tableau, [82 91 88] ; scores ne change pas.
  4. L'ordre des valeurs gardées est le même que dans le tableau d'origine.

Quand l’utiliser ?

  • Sélectionner des valeurs selon une condition : valeurs aberrantes, mesures valides, notes suffisantes.
  • Compter les valeurs qui remplissent la condition avec (scores >= 80).sum().
  • Remplacer les valeurs qui remplissent une condition.

Quand s'en passer

  • Les listes Python ordinaires : elles n'acceptent pas les masques, utilisez plutôt une liste en compréhension.
  • Les données tabulaires étiquetées : le filtrage de pandas conserve les étiquettes de lignes et les noms de colonnes.

Code d’exemple

Exécuter le code →
main.py
import numpy as np

scores = np.array([64, 82, 91, 73, 88])
passing = scores[scores >= 80]

print(passing)
Obtenir un bouton Run pour cet exemple

Résultat de l’exécution

[82 91 88]

Explication du code

La comparaison scores >= 80 crée le masque [False, True, True, False, True]. En plaçant ce masque entre crochets, scores[...], il ne reste que les notes de 80 et plus : [82 91 88]. Pour combiner plusieurs conditions, utilisez & (et) et | (ou) en mettant chaque condition entre parenthèses.

Modifiez les valeurs et exécutez le programme avec le compilateur Python en ligne CodeUtility, sans installation locale.

Exercices d’approfondissement

Essayez de modifier le code en suivant les pistes ci-dessous. Changer le code et observer le résultat vous fera bien mieux comprendre la leçon que la simple lecture.

  1. Changez la forme (shape) et le type de données (dtype) du tableau d’entrée.
  2. Testez avec des nombres négatifs, des décimaux et des valeurs manquantes.
  3. Appliquez la même opération à un tableau plus grand à plusieurs dimensions et mesurez le temps.
Exécuter dans le compilateur Python →

Erreurs fréquentes

Combiner des conditions avec and

Le and de Python ne fonctionne pas sur des tableaux ; utilisez & avec des parenthèses.

Problème
scores[scores >= 80 and scores < 90]
Correction
scores[(scores >= 80) & (scores < 90)]

Leçon terminée ?

Marquez-la comme apprise pour suivre votre progression.

S'entraîner avec un défi

Utilisez le contenu de cette leçon pour résoudre un vrai problème. Chaque défi s'exécute dans le navigateur, avec des tests instantanés et une revue par l'IA.

Tous les défis