Création liste taille n, ss-liste taille N

fifi21 · June 2021

Bonjour à tous,
j'aimerais créer une fonction $f(n,N)$ qui crée une liste L composée de n sous-listes de taille N, dont chaque coefficient est un nombre aléatoire (0 ou 1). Ensuite, il faudrait un compteur qui augmente de 1 dès qu'il y a au moins un 1 dans chacune des sous-listes.

si j'écris

def f(n,N):
    liste=[]
    for i in range (n):
        liste.append([random.randint(0,1)]*N)
    return liste

j'obtiens que chaque membre de chaque sous liste est composé du même nombre aléatoire (0 ou 1), or je voudrais quelque chose du type (pour N=3) [[1,0,0],[0,1,1],[0,0,0],[0,1,0]...]

Bonne fin de journée.

bisam · June 2021

Il suffit de remplacer la ligne

liste.append([random.randint(0,1)]*N)

par

liste.append([random.randint(0,1) for i in range(N)])

sinon, comme tu l'as remarqué, c'est la même instanciation de

random.randint(0,1)

qui est copiée dans chacune des cases de la liste.

En fait, en utilisant la compréhension de liste, tu peux même faire toute la fonction $f$ en une seule ligne :

def f(n, N):
    return [[random.randint(0,1) for i in range(N)] for j in range(n)]

Quant à ton compteur, je te laisse le faire, mais ce n'est pas très difficile.

paul18 · June 2021

Personnellement j'ai une violente réaction épidermique quand je vois un "append" dans un programme ; j'aurais utilisé la chose suivante :

n,N = (50, 10)
Mat = np.random.randint(2, size=(n,N))
List = np.ndarray.tolist(Mat)

Peut-être ai-je mal compris

fifi21 · June 2021

désolé pour votre allergie

je fais avec mon niveau en Python (qui n'est donc pas très très élevé)

paul18 · June 2021

"append" c'est de l'allocation dynamique de mémoire, et ça coûte très cher; à n'utiliser qu'en dernier recours.

A minima, la bonne méthode consiste:

soit à initialiser ta matrice et ensuite remplir les "cases"
soit à utiliser un module ou une bibliothèque qui le fait directement pour toi (c'est le cas de numpy dans le cas présent)

Je te laisse tester avec n=100_000 par exemple et tu verras la différence

bisam · June 2021

paul18 : Il faut savoir nuancer. En premier lieu, il vaut mieux savoir faire quelque chose qui marche, et ensuite chercher à l'améliorer, voire changer de méthode, si ce n'est pas assez performant.

Ceci étant, puisque dans le cas présent il y a une fonction toute faite dans numpy...