Joindre des tableaux

Fait partie de la section Données et visualisations du Journey Machine Learning de Coddy. Leçon 17 sur 60.

Un musée a compté les visiteurs pendant trois matinées, puis pendant deux soirées. np.concatenate assemble les tableaux bout à bout :

Cinq cellules sur une ligne : les nombres du matin 12, 15, 19 suivis des nombres du soir 20, 18

Le code :

morning = np.array([12, 15, 19])
evening = np.array([20, 18])
print(np.concatenate([morning, evening]))

Cela affiche [12 15 19 20 18]. Un modèle attend autre chose : une ligne par échantillon, une colonne par caractéristique. np.column_stack place les tableaux côte à côte en tant que colonnes :

Un tableau de 3 appartements en 2 colonnes : superficies de 45, 60, 82 à côté des loyers de 900, 1200, 1500, un appartement par ligne

Dans le code :

sizes = np.array([45, 60, 82])
rents = np.array([900, 1200, 1500])
table = np.column_stack([sizes, rents])
print(table.shape)

Cela affiche (3, 2). Chaque ligne prend une valeur dans chaque tableau, leurs longueurs doivent donc correspondre.

Défi

Facile

Une étude a besoin d’un tableau regroupant les personnes : l’âge dans la première colonne, les heures quotidiennes passées devant un écran dans la deuxième, le groupe 1 en premier. Le code d’un collègue s’arrête sur une erreur et, une fois celle-ci corrigée, le tableau obtenu reste incorrect.

Corrige les trois lignes qui construisent ages, hours et table. Garde les deux dernières lignes telles quelles.

Pour une étude plus petite portant sur trois personnes, le programme corrigé affiche :

[[30  5]
 [28  8]
 [62  2]]
People: 3, measurements each: 2

Essayez vous-même

import numpy as np

# Premier groupe : l’âge de chaque personne et son temps d’écran quotidien en heures
ages_1 = np.array([23, 35, 41])
hours_1 = np.array([6, 4, 3])
# Deuxième groupe
ages_2 = np.array([19, 52])
hours_2 = np.array([7, 2])

# L’étude nécessite une ligne par personne : l’âge, puis le nombre d’heures. Corrige les lignes ci-dessous
ages = np.concatenate([ages_1, ages_2])
hours = np.concatenate(hours_1, hours_2)
table = np.concatenate([ages, hours])

# Ne modifie pas les lignes ci-dessous
print(table)
print(f"People: {table.shape[0]}, measurements each: {table.shape[1]}")