Python pour la science des données

ndarrayNumpy = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(f'. le tableau : \n{ndarrayNumpy}')
print(f'. sa géométrie : {ndarrayNumpy.shape}')
thirdLine = ndarrayNumpy[2]
print(f'. sa 3ème ligne : {thirdLine}')
print(f'. le 2ème élément de sa 4ème ligne : {ndarrayNumpy[3, 1]}')
print(f'. les 2 derniers éléments des 2 dernières lignes  :\n {ndarrayNumpy[-2:, -2:]}')
"""
Affiche :
. le tableau :
[[ 1  2  3]
 [ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
. sa géométrie : (4, 3)
. sa 3ème ligne : [7 8 9]
. le 2ème élément de sa 4ème ligne : 11
. les 2 derniers éléments des 2 dernières lignes  :
 [[ 8  9]
 [11 12]]
"""

import numpy as np
# Importation du module de tracé de Matplotlib
import matplotlib.pyplot as plt
# Importation du module de gestion des graduations de Matplotlib
import matplotlib.ticker as tck (2)

# Définition de la fonction f(x)
# !! IMPORTANT !! Cette fonction acceptera un ndarray en
# paramètre et sera capable d'appliquer l'exposant à chacun
# de ses éléments sans devoir faire de boucle car l'opérateur
# `**` est considéré comme une "ufunc" dans Numpy (1)
def f(x) : (3)
    y = x ** 2
    return y

# Domaine de définition de la fonction : [0...10[
# => Définition d'un ndarray contenant 100 valeurs de 0 à 9
# également réparties
x = np.linspace(0,9,100) (4)

# Appel de la fonction pour calculer le carré de toutes les
# valeurs contenues dans `x`
y = f(x) (5)

# Création d'une figure Matplotlib
fig, ax = plt.subplots(layout="constrained")

# Configuration de la grille de la courbe :
# . une graduation horizontale principale toutes les 1 unités
ax.xaxis.set_major_locator(tck.MultipleLocator(1))
# . une graduation horizontale secondaire toutes les 0.5 unités
ax.xaxis.set_minor_locator(tck.MultipleLocator(0.5))
# . une graduation verticale principale toutes les 10 unités
ax.yaxis.set_major_locator(tck.MultipleLocator(10))
# . une graduation verticale secondaire toutes les 0.5 unités
ax.yaxis.set_minor_locator(tck.MultipleLocator(5))

# . styles des grilles principales et secondaires
ax.grid(which='major', color='#CCCCCC', linestyle='--')
ax.grid(which='minor', color='#CCCCCC', linestyle=':')

# Tracé de la fonction
ax.plot(x, y, "blue")

# Configuration de la figure :
# . libellé axe des abscisses
ax.set_xlabel("abscisses")
# . libellé axe des ordonnées
ax.set_ylabel("ordonnées")
# . titre de la figure
ax.set_title("Fonction carré")
# . légende de la figure placée en haut à gauche
#   et définie sous forme de code LATEX
ax.legend([r'$ f(x) = x^{2}$' ],  loc='upper left')

# Affichage de la figure
plt.show()

import numpy as np
import matplotlib.pyplot as plt

def f(x) :
    y = x ** 2
    return y

# Domaine de définition de la fonction : [0...10[
# Définition d'un ndarray contenant 50 valeurs de 0 à 9 également réparties
x = np.linspace(0,9,50)

# Calcul des images de la fonction
y = f(x)

# Création d'une figure Matplotlib comportant 2 sous-figures
fig, (ax1, ax2) = plt.subplots(1,2,layout="constrained")

# Tracé de la fonction sous forme de courbe puis sous forme de points
ax1.plot(x, y, "blue")
ax2.scatter(x, y, 1.0, "green")

# Configuration de la figure
fig.suptitle('Fonction carré', fontsize=16)
ax1.set_title("courbe")
ax2.set_title("points")

# Affichage de la figure
plt.show()