Professional Documents
Culture Documents
Algorithmique Chap6 S1 BCPST
Algorithmique Chap6 S1 BCPST
structure de données
Algorithmes opérant par boucles imbriquées
Anicet Ebou
ediman.ebou@inphb.ci
01 02
Tableaux à deux Manipulations
dimensions élémentaires
03 04
Opérations sur Algorithmes de
une matrice recherche
Amener l’apprenant à:
?
Cours d’informatique - Semestre 3 - Prépa BCPST 6
Format des tableaux à deux dimensions
Var:
# Matrice i x j
import numpy as np
● NumPy est une bibliothèque Python utilisée pour travailler avec des
tableaux.
● Elle dispose également de fonctions permettant de travailler dans le
domaine de l'algèbre linéaire, de la transformée de Fourier et des
matrices.
● NumPy a été créé en 2005 par Travis Oliphant. Il s'agit d'un projet open
source utilisable librement. NumPy est l'acronyme de Numerical Python.
● En Python, nous avons des listes qui servent de tableaux, mais elles sont
lentes à traiter.
● NumPy vise à fournir un objet tableau qui est jusqu'à 50 fois plus rapide
que les listes traditionnelles de Python.
Pseudo-code Python
Pseudo-code Python
Ecrire(tab[i][j]) print(tab[i][j])
# Chargement du module
import numpy as np
liste = [1 ,2 ,3 ,4 ,5]
type(tab) # numpy.ndarray
tab = np.array(range(100))
tab = np.arange(-5, 6)
tab = np.arange(10)
matrice[4, :] # idem
matrice = np.array(lst)
liste = [0 ,1 ,2 ,3 ,4]
liste2 = liste
liste3 = liste[:]
liste4 = liste.copy()
tab2 = tab
tab3 = tab[:]
tab4 = tab.copy()
tab4 is tab
Ils sont construits par la fonction zeros(taille) où taille est un tuple qui
contient les dimensions.
Par défaut, les éléments du tableau sont de type float (modifiable avec un
argument optionnel).
# matrice identité
np.tri (3)
POUR i ← 0 à m FAIRE
POUR j ← 0 à n FAIRE
ECRIRE(“Entrer l’élément “, i, j)
LIRE(t[i][j])
FINPOUR
for i in range(m):
for j in range(n):
tab[i][j] = input()
for i in tab:
for j in i:
j = input()
somme <- 0
somme = 0
for i in range(m):
for j in range(n):
import numpy as np
somme = np.sum(tab)
produit <- 0
produit = 0
for i in range(m):
for j in range(n):
# Produit de la matrice
produit = np.prod(tab)
for i in range(n):
for j in range(m):
transpose[i][j] = tab[j][i]
transpose = np.transpose(tab)
est_dans_texte = False
for i in range(len(texte) - len(mot) + 1):
if texte[i:i+len(mot)] == mot:
est_dans_texte = True
46