for t in T:
If condition1 and condition2 and ... condition4:
print(t)
Où la condition i sera de la sorte: t[ i]< nombre ou bien t[ i] >nombre [size=x-small](Remplace les parenthèse pout t(i) par des crochets, je n'arrive pas à les faires afficher)[/size]
D'accord vous utilisez la libraire pandas.
Ma réponse n'était donc pas adapté, mais elle ne pouvait pas l'être.
quand vous utilisez df, c est un raccourci pour dataframe.
Vous manipulez bien un tableau au sens littéral mais en terme de structure c'est la structure dataframe de pandas.
Qui peut être converti en type tableau de python.
"loc" permet de localiser des valeurs de votre dataframe et renvoie le résultat de cette valeur.
Ce n'est pas un affichage en tant que tel.
Même si Jupyter vous affiche le résultat, c'est une souplesse de sa part.
Personnellement j'utilise la vectorisation (je crois me rappeler qu'il faut transformer l'objet Pandas en Array):
" la moyenne par région " $\Rightarrow$ on utilise le "slicing" avec les ":"; par exemple moy = numpy.mean(A[0,5:20]) calculera la moyenne de la première colonne, depuis la ligne 6 à 20 (20 non inclus)
"remplacer les colonnes nulles" $\Rightarrow$ avec numpy.where; indices renvoie les positions pour lesquelles la condition est vraie
Exemple de code
import numpy as np
## préparation d'un tableau
n=20
A=np.arange((n+1), dtype = np.float)
B=np.vstack((A,2*A))
B[1,10] = 0.
## calcul de la moyenne
moy = np.mean(B[0,5:20])
print("extrait = {}".format(B[0,5:20]))
## remplacement de la valeur nulle par la moyenne
indices=np.where(B==0.)
C = np.copy(B)
C[indices]=moy
print("C = {}".format(C))
Réponses
Ca donne quelque chose de ce type la
Soit T ton tableau: Où la condition i sera de la sorte: t[ i]< nombre ou bien t[ i] >nombre
[size=x-small](Remplace les parenthèse pout t(i) par des crochets, je n'arrive pas à les faires afficher)[/size]
Edit
Ma réponse n'était donc pas adapté, mais elle ne pouvait pas l'être.
quand vous utilisez df, c est un raccourci pour dataframe.
Vous manipulez bien un tableau au sens littéral mais en terme de structure c'est la structure dataframe de pandas.
Qui peut être converti en type tableau de python.
"loc" permet de localiser des valeurs de votre dataframe et renvoie le résultat de cette valeur.
Ce n'est pas un affichage en tant que tel.
Même si Jupyter vous affiche le résultat, c'est une souplesse de sa part.
En espérant vous avoir éclairé un peu
Edit
Edit
Personnellement j'utilise la vectorisation (je crois me rappeler qu'il faut transformer l'objet Pandas en Array):
Exemple de code