Exécuter NumPy en ligne

Changer la forme d'un tableau NumPy avec reshape

Dans cette leçon, vous allez réorganiser un tableau NumPy avec reshape() selon un nouveau nombre de lignes et de colonnes, sans modifier les données.

  • Intermédiaire
  • 2 min de lecture
  • 1 exemple exécutable

Introduction

Le problème

Les données arrivent souvent en une longue ligne de nombres, mais il vous faut un tableau : 12 valeurs mensuelles en 4 trimestres de 3 mois, ou 784 valeurs de pixels en image de 28 × 28. Changer la forme réarrange les mêmes valeurs dans une nouvelle forme sans les copier une par une.

Imaginez-le ainsi

Changer la forme, c'est comme réarranger une rangée de 6 chaises en 2 rangées de 3. Les mêmes chaises, dans le même ordre, simplement disposées autrement. Impossible de faire 2 rangées de 4 avec 6 chaises.

Des rangées de chaises au code
np.arange(1, 7)🪑 Six chaises sur une rangée
values.reshape(2, 3)🔲 Réarrangées en 2 rangées de 3
2 × 3 = 6✅ La nouvelle disposition doit utiliser chaque chaise exactement une fois
matrix📋 [[1 2 3] [4 5 6]]
Mêmes valeurs, même ordre, nouvelle forme.
En une phrase

Changer la forme (reshape) modifie les dimensions d'un tableau en gardant ses valeurs et leur ordre ; la nouvelle forme doit contenir exactement le même nombre d'éléments.

Points clés

  1. np.arange(1, 7) crée les valeurs de 1 à 6 dans un tableau plat.
  2. values.reshape(2, 3) les dispose en 2 lignes de 3 ; 2 × 3 doit valoir 6.
  3. Les valeurs remplissent la nouvelle forme ligne par ligne, en gardant leur ordre.
  4. values ne change pas ; matrix est une nouvelle vue des mêmes données.

Quand l’utiliser ?

  • Transformer des données plates en lignes et colonnes : mois en trimestres, pixels en images.
  • Préparer des tableaux dans la forme attendue par un modèle d'apprentissage automatique.
  • Réaplatir un tableau en une seule ligne avec reshape(-1).

Quand s'en passer

  • Changer le nombre d'éléments : reshape ne peut ni ajouter ni retirer de valeurs ; utilisez le découpage ou le remplissage.
  • Échanger lignes et colonnes : c'est une transposition (.T), pas un reshape.

Voir comment ça marche

Appuyez sur reshape pour voir les mêmes 12 valeurs avec une autre forme. Les données ne bougent pas en mémoire, seule la façon de les lire change.

Code d’exemple

Exécuter le code →
main.py
import numpy as np

values = np.arange(1, 7)
matrix = values.reshape(2, 3)

print(matrix)
Obtenir un bouton Run pour cet exemple

Résultat de l’exécution

[[1 2 3]
 [4 5 6]]

Explication du code

La fonction np.arange(1, 7) crée un tableau à une dimension contenant les nombres de 1 à 6. Ensuite, reshape(2, 3) les range en 2 lignes de 3 éléments. Le produit des nouvelles dimensions doit être égal au nombre d'éléments de départ, sinon NumPy signale une erreur. Quand c'est possible, NumPy renvoie une vue (view) qui partage les données au lieu de les copier.

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

Une forme qui ne correspond pas à la taille

2 × 4 = 8, mais il n'y a que 6 valeurs.

Problème
values.reshape(2, 4)  # ValueError
Correction
values.reshape(2, 3)

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