Réponses des exercices numpy
=============================


.. _reponses1:

Création de tableaux
---------------------

**Exercices** : créer les tableaux suivants de la manière la plus simple
possible (pas élément par élement) ::

    [[ 1.  1.  1.  1.]
     [ 1.  1.  1.  1.]
     [ 1.  1.  1.  2.]
     [ 1.  6.  1.  1.]]

    [[0 0 0 0 0]
     [2 0 0 0 0]
     [0 3 0 0 0]
     [0 0 4 0 0]
     [0 0 0 5 0]
     [0 0 0 0 6]]

Voilà les réponses !

..
   >>> import numpy as np

Réponses ::

    >>> a = np.ones((4,4))
    >>> a[3,1] = 6
    >>> a[2,3] = 2
    >>> a
    array([[ 1.,  1.,  1.,  1.],
           [ 1.,  1.,  1.,  1.],
           [ 1.,  1.,  1.,  2.],
           [ 1.,  6.,  1.,  1.]])
    >>> b = np.diag(np.arange(1,7))
    >>> b = b[:,1:]
    >>> b
    array([[0, 0, 0, 0, 0],
           [2, 0, 0, 0, 0],
           [0, 3, 0, 0, 0],
           [0, 0, 4, 0, 0],
           [0, 0, 0, 5, 0],
           [0, 0, 0, 0, 6]])

.. _stat_recherche:

Statistiques du pourcentage de femmes dans la recherche française
-------------------------------------------------------------------

1. Récupérer les fichiers ``organismes.txt`` et
   ``pourcentage_femmes.txt`` (clé USB).

2. Créer un tableau ``data`` en ouvrant le fichier
   ``pourcentage_femmes.txt`` avec ``np.loadtxt``. 
   Quelle est la taille de ce tableau ?

::

    >>> data = np.loadtxt('pourcentage_femmes.txt')
    >>> data.shape
    (21, 6)


3. Les colonnes correspondent aux années 2006 à 2001. Créer un tableau
   ``annees`` (sans accent !) contenant les entiers correspondant à ces
   années.

::

    >>> annees = np.arange(2006, 2000, -1)
    >>> annees
    array([2006, 2005, 2004, 2003, 2002, 2001])

4. Les différentes lignes correspondent à différents organismes de
   recherche dont les noms sont stockés dans le fichier
   ``organismes.txt``. Créer un tableau ``organisms`` en ouvrant ce
   fichier. **Attention** : comme ``np.loadtxt`` crée par défaut des
   tableaux de flottants, il faut lui préciser qu'on veut créer un tableau de
   strings : ``organisms = np.loadtxt('organismes.txt', dtype=str)``

::

    >>> organisms = np.loadtxt('organismes.txt', dtype=str)
    >>> organisms
    array(['ADEME', 'BRGM', 'CEA', 'CEMAGREF', 'CIRAD', 'CNES', 'CNRS', 'CSTB',
           'IFREMER', 'INED', 'INERIS', 'INRA', 'INRETS', 'INRIA', 'INSERM',
           'IRD', 'IRSN', 'LCPC', 'ONERA', 'Pasteur', 'Universites'], 
          dtype='|S11')

5. Vérifier que le nombre de lignes de data est égal au nombre
   d'organismes.

..

    >>> data.shape[0] == organisms.shape[0]
    True

6. Quel est le pourcentage maximal de femmes dans tous les organismes, 
   toutes années confondues ?

..

    >>> data.max() # max sur tout le tableau
    56.299999999999997

7. Créer un tableau contenant la moyenne temporelle du pourcentage de
   femmes pour chaque organisme (i.e., faire la moyenne de ``data`` suivant
   l'axe No 1).

..

    >>> mn = data.mean(axis=1)
    >>> mn
    array([ 37.8       ,  23.16666667,  25.15      ,  24.51666667,
            24.38333333,  25.46666667,  30.88333333,  23.36666667,
            25.08333333,  52.53333333,  29.33333333,  37.58333333,
            31.86666667,  18.21666667,  50.16666667,  23.23333333,
            33.45      ,  15.18333333,  14.35      ,  49.86666667,  33.41666667])


8. Quel organisme avait le pourcentage de femmes le plus élevé en 2004 ?
   (Indice np.argmax).

..

    >>> np.nonzero(annees==2004)
    (array([2]),)
    >>> np.argmax(data[:,2])
    9
    >>> organisms[9]
    'INED'


9. Un peu plus compliqué : créez un tableau contenant l'organisme avec le
   pourcentage de femmes le plus élévé de chaque année.

::

    >>> indices = np.argmax(data, axis=0)
    >>> indices
    array([ 9,  9,  9,  9,  9, 19])
    >>> organisms[indices]
    array(['INED', 'INED', 'INED', 'INED', 'INED', 'Pasteur'], 
	  dtype='|S11')


10. Représenter un histogramme du pourcentage de femmes dans les 
    différents organismes en 2006 (indice : np.histogram, puis bar ou 
    plot de matplotlib pour la visualisation).

.. 

    >>> np.nonzero(annees==2006)
    (array([0]),)
    >>> hi = np.histogram(data[:,0])

.. sourcecode:: ipython

    In [88]: bar(hi[1][:-1], hi[0])

.. image:: barplot.png
   :align: center

**Suite de l'exercice**

1. 1. Créer un tableau ``sup30`` de même taille que ``data`` valant 1 si
   la valeur de ``data`` est supérieure à 30%, et 0 sinon.

::

    >>> sup30 = data>30

2. Un peu plus compliqué : créez un tableau contenant l'organisme avec le
   pourcentage de femmes le plus élévé de chaque année.

::

    >>> indices = np.argmax(data, axis=0)
    >>> indices
    array([ 9,  9,  9,  9,  9, 19])
    >>> organisms[indices]
    array(['INED', 'INED', 'INED', 'INED', 'INED', 'Pasteur'], 
	  dtype='|S11')