Transposer une matrice avec NumPy
Dans cette leçon, vous allez transposer une matrice NumPy, en transformant les lignes en colonnes et les colonnes en lignes avec l'attribut .T.
Introduction
Le problème
Les données sont souvent stockées dans le mauvais sens : une ligne par mois alors qu'il faut une ligne par produit, ou une matrice dont la forme ne convient pas à une multiplication. Transposer échange lignes et colonnes en une étape.
Imaginez-le ainsi
Transposer une matrice, c'est comme recopier un emploi du temps en échangeant ses en-têtes. Ce qui était écrit en haut, à l'horizontale, passe sur le côté, à la verticale : la première ligne devient la première colonne, la deuxième ligne la deuxième colonne. Chaque case garde sa valeur ; seule sa place change.
matrix🗓️ 2 lignes, 3 colonnesmatrix.T🔄 Recopier en faisant des lignes des colonnes[i, j] → [j, i]↘️ La case ligne i, colonne j passe en ligne j, colonne i(3, 2)📐 Maintenant 3 lignes, 2 colonnesTransposer une matrice échange ses lignes et ses colonnes : l'élément à la ligne i, colonne j passe à la ligne j, colonne i.
Points clés
matrixa la forme (2, 3) : deux lignes de trois valeurs.matrix.Ta la forme (3, 2) : la première ligne [1, 2, 3] devient la première colonne.- Chaque valeur garde son nombre ; seule sa position change.
.Trenvoie une vue, donc aucune donnée n'est copiée etmatrixlui-même ne change pas.
Quand l’utiliser ?
- Faire correspondre des formes pour la multiplication de matrices.
- Passer d'une disposition une ligne par élément à une colonne par élément.
- Les formules d'algèbre linéaire qui utilisent des matrices transposées.
Quand s'en passer
- Changer le nombre de lignes et de colonnes sans les échanger : utilisez
reshape. - Un tableau à une dimension :
.Tne lui fait rien ; ajoutez d'abord une dimension avecreshape(-1, 1).
Voir comment ça marche
Appuyez sur transpose pour échanger lignes et colonnes. Pointez une case pour voir sa nouvelle position et son décalage en mémoire.
Code d’exemple
import numpy as np
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix.T)
Résultat de l’exécution
[[1 4]
[2 5]
[3 6]]
Explication du code
L'attribut .T renvoie la transposée d'un tableau à deux dimensions. Le résultat est généralement une vue qui partage les données avec le tableau d'origine, il ne consomme donc pas de mémoire supplémentaire et la matrice de départ reste inchangée.
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.
- Changez la forme (shape) et le type de données (dtype) du tableau d’entrée.
- Testez avec des nombres négatifs, des décimaux et des valeurs manquantes.
- Appliquez la même opération à un tableau plus grand à plusieurs dimensions et mesurez le temps.
Erreurs fréquentes
Utiliser reshape pour transposer
reshape garde l'ordre des valeurs, donc le résultat n'est pas une transposée.
matrix.reshape(3, 2) # [[1 2] [3 4] [5 6]]
matrix.T # [[1 4] [2 5] [3 6]]
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.
- Multiplication de matrices Multipliez deux matrices, l'opération derrière chaque couche d'un réseau de neurones. Facile
- Attention par produit scalaire mis à l'échelle Implémentez l'opération d'attention, au cœur des Transformers et des grands modèles de langage. Difficile
- Partitionnement k-means Regroupez des points en k clusters en les assignant au centroïde le plus proche puis en déplaçant les centroïdes, plusieurs fois. Moyen