2. Numpy (suite):

import re

# re.search() : Recherche un motif une seule fois dans une chaîne
import re

# Exemple 1 : présence d'un mot
texte = "Bienvenue au cours Python"
corresp = re.search(r"Python", texte)
print(corresp.group())  

# Exemple 2 : chiffre dans une phrase
corresp = re.search(r"\d+", "Il a 13 ans 15 ans")
print(corresp.group())  # 13

# Exemple 3 : Non chiffre dans une phrase
corresp = re.search(r"\D+", "Il a 13 ans")
print(corresp.group())  

import re
# re.match() : Vérifie si le début de la chaîne correspond au motif.
# Exemple 1 : bon début
resultat = re.match(r"Bonjour", "Bonjour tout le monde")
print(resultat, "de type ", type(resultat)) 

print(resultat.group())  # .group() sert à récupérer le texte exact trouvé par la correspondance (match) : Bonjour

# Exemple 2 : ne matche pas car ce n’est pas au début
print(re.match(r"tout", "Bonjour tout le monde"))  # None

# re.findall() : Retourne toutes les correspondances sous forme de liste.
# Exemple 1 : trouver tous les chiffres
nums = re.findall(r"\d+", "Année 2020, puis 2024, et maintenant 2025")
print(nums)  # ['2020', '2024', '2025']

# Exemple 2 : mots commençant par une majuscule
mots = re.findall(r"\b[A-Z]\w+", "Alice est avec C Bob et Oscar")
print(mots)  # ['Alice', 'Bob', 'Oscar']

# re.finditer() : Comme findall, mais retourne des objets Match, donc plus d’info
# Exemple 1 : trouver les positions des chiffres
for m in re.finditer(r"\d+", "123 et 456"):
    print(f"Nombre : {m.group()}, position : {m.start()}")  
# Nombre : 123, position : 0
# Nombre : 456, position : 7

# Exemple 2 : toutes les majuscules avec leur position
texte = "Python Et C"
for match in re.finditer(r"[A-Z]", texte):
    print(match.group(), match.start())
# P 0
# E 7
# C 10

# re.split()
# Exemple 1 : couper par espace ou virgule
print(re.split(r"[ ,]+", "Python, PHP Java,, C++")) 
# ['Python', 'PHP', 'Java', 'C++']

# Exemple 2 : couper à chaque chiffre
print(re.split(r"\d+", "abc123def456ghi")) # ['abc', 'def', 'ghi']

# re.sub(): Remplace les correspondances par une nouvelle valeur.
# Exemple 1 : anonymiser un email
texte = "Mon email est alice@gmail.com"
print(re.sub(r"\S+@\S+", "[EMAIL]", texte)) # Mon email est [EMAIL]

# Exemple 2 : remplacer tous les chiffres par '*'
print(re.sub(r"\d", "*", "Code 12345"))   # Code *****

import re

motif = r"\d+"  # Un ou plusieurs chiffres

print(re.fullmatch(motif, "12345"))    #  OK → Match

print(re.fullmatch(motif, "123abc"))   #  NON → None

import numpy as np
A = np.zeros((2, 3)) # création d'un tableau de shape (2, 3)
print("-------------- A")
print(A)

print("-------------- A.reshape()")
A = A.reshape((3, 2)) # redimensionne le tableau A (3 lignes, 2 colonnes)
print(A)

print("-------------- A.ravel()")
X = A.ravel() # Aplatit le tableau A (une seule dimension)
print(X) 

Y = np.array([[[1, 1, 1], [2, 4, 8]]]) 
print ("- Y : \n", Y) 

d1 = 0
print (f"\n- Y[{d1}] :\n {Y[d1]}")  

d2 = 1
print (f"\n- Y[{d1},{d2}] :\n {Y[d1,d2]}")  

d3 = 2
print (f"\n- Y[{d1},{d2},{d3}] :\n {Y[d1,d2,d3]}")  

print("\nShape de Y : ", Y.shape)   

print("-------------- squeeze() [Fr : presser]")
YP = np.squeeze(Y)  # élimine les dimensions "1" de Y.
print ("Apres squeezed() Y :\n ", YP) 
print("\nShape Y : ", YP.shape)

print("-------------- squeeze() [Fr : presser]")
YP = np.squeeze(YP)  # élimine les dimensions "1" de Y.
print ("Apres squeezed() Y :\n ", YP) 
print("\nShape Y : ", YP.shape)

A = np.zeros((2, 3)) # création d'un tableau de shape (2, 3)
B = np.ones((3, 3)) # création d'un tableau de shape (2, 3)

print("A :\n", A)
print("\nB :\n", B)

np.concatenate((A, B), axis=0) # axe 0 : équivalent de np.vstack((A, B))

A = np.zeros((2, 3)) # création d'un tableau de shape (2, 3)
B = np.ones((2, 4)) # création d'un tableau de shape (2, 3)
print("A :\n", A)
print("\nB :\n", B)

np.concatenate((A, B), axis=1) # axe 1 : équivalent de np.hstack((A, B))

import numpy as np

A = np.array([[1, 2, 3], [4, 5, 6]])
print(A)

# Pour selectionner les blocs de la ligne (0-1) colonne (0-1)
A[0:2, 0:2]

A[0:2, 1:] = 11
print(A)

A = np.array([[7, 2, 3], [4, 5, 6]])
print(A)

print(A<5) # masque booléen

print(A[A < 5]) # sous-ensemble filtré par le masque booléen

A[A<5] = 412 # convertit les valeurs sélectionnées.
print(A)

import numpy as np

A = np.array([[1, 2, 3], [4, 5, 6]])
print("------------- A:")
print(A)

print("\nsum :", A.sum()) # effectue la somme de tous les éléments du tableau
print("sum(axis=0) :", A.sum(axis=0)) # effectue la somme des colonnes (somme sur éléments des les lignes)
print("sum(axis=1) :",A.sum(axis=1)) # effectue la somme des lignes (somme sur les éléments des colonnes)
print("A.cumsum(axis=1) :\n", A.cumsum(axis=1)) # effectue la somme cumulée
print("A.cumsum(axis=0) :\n", A.cumsum(axis=0)) # effectue la somme cumulée

A = np.array([[1, 2, 3], [4, 5, 6]])
print("------------- A:")
print(A)
print("A.prod() :", A.prod()) # effectue le produit
print("A.cumprod():",A.cumprod()) # effectue le produit cumulé

A = np.array([[1, 2, 3], [4, 5, 6]])
print("------------- A:")
print(A)
print("A.min():",A.min()) # trouve le minimum du tableau
print("A.max():",A.max()) # trouve le maximum du tableau

print("A.min():",A.min(axis=0)) # trouve le minimum / colonne du tableau 

print("A.max():",A.max(axis=1)) # trouve le max / ligne du tableau

print("A.mean():",A.mean()) # calcule la moyenne
print("A.std():",A.std()) # calcule l'ecart type,
print("A.var():",A.var()) # calcule la variance

print("A.mean():",A.mean(axis=0)) # calcule la moyenne / colonne

print("A.mean():",A.mean(axis=1)) # calcule la moyenne / ligne

v = np.array([2, 9, 1, 0, 8, 7, 3]) # tableau aléatoire
print(v)

pos = v.argsort()
print(pos) # retourne les index pour trier le vecteur

vtr = v[pos]
print(vtr)

import time
import random
nbf = 1_000_000
a = np.array([random.randint(0,10) for i in range(nbf)])
b = a.copy()

deb = time.time()
a.sort()
fin = time.time()

print("temps sort() :",fin-deb)

deba = time.time()
pos = b.argsort()
vtr = b[pos]
fina = time.time()
print("temps argsort() :",fina-deba)

A = np.random.randint(0, 10, [5, 5]) # tableau aléatoire
print(A)

print(A.argsort()) # retourne les index pour trier chaque ligne du tableau 

print(A[:,0].argsort()) # retourne les index pour trier la colonne 0 de A

A = A[A[:,0].argsort(), :] # trie les colonnes du tableau selon la colonne 0.
A

import numpy as np

B = np.random.randn(3, 3) # nombres aléatoires 3x3
print("B :\n",B)

# retourne la matrice de corrélation de B
print("np.corrcoef(B):\n",np.corrcoef(B))

# retourne la matrice de corrélation entre les lignes 0 et 1 ou 2 de B
print(np.corrcoef(B[0,:], B[1,:]))
print(np.corrcoef(B[0,:], B[2,:]))

# retourne la matrice de corrélation entre les colonnes 0 et 1 de B
print(np.corrcoef(B[:,0], B[:, 1]))

np.random.seed(0)
A = np.random.randint(0, 50, [5,5])
A

np.unique(A)

values, counts = np.unique(A, return_counts=True)

for i, j in zip(values[counts.argsort()], counts[counts.argsort()]):
    print(f'valeur {i:2} apparait {j}')

A = np.random.randn(5, 5)
A[0, 2] = np.nan # insere un NaN dans la matrice A
A[2, 4] = np.nan # insere un NaN dans la matrice A
print(A)

print(np.isnan(A))

nb_nan = np.isnan(A).sum()
print(nb_nan)

print('ratio NaN/zise:', (nb_nan/A.size)) # calcule la proportion de NaN dans A

print('moyenne :', np.mean(A)) # calcule la moyenne de A

B = np.array([[1, 2, np.nan],
 [4, 5, 6]])

print(np.nanmean(B))        # 3.6
print(np.nanmean(B, 0))     # [2.5, 3.5, 6.]
print(np.nanmean(B, 1))     # [1.5, 5.0]

print('moyenne sans NaN:', np.nanmean(A)) # calcule la moyenne de A en ignorant les NaN

A = np.random.randint(0, 10, [3, 3])
print(A)

determ = np.linalg.det(A)
print('det =', determ) # calcule le determinant de A

determ = np.around(determ)
print(determ)

# exemple :
import numpy as np
x = 1.1234567891234567
print(np.around(x, decimals=9))  # 1.1234567891

B = np.linalg.inv(A)
print('inv A:\n', B) # calcul l'inverse de A

C = np.around(B, decimals=5)
print(C)

print(10*C[0,0])

A = np.array([[4, -2],
              [1, 1]])
print(A)

val, vect = np.linalg.eig(A)

print("Valeurs propres :", val)
print("Vecteurs propres :\n", vect)

numVect = 1
print(A@vect[:,numVect]) 
print(val[numVect]*vect[:,numVect])

import numpy as np

A = np.array([np.arange(5*i, 5*i+3) for i in range(2)])
print(A)

B = 3
print("A :\n",A)
print("A+B :")
print(A+B) # résultat 1

C = np.array([[3],[4]])

print("A:\n", A)
print("C:\n", C)
print(C.shape)

print("A+C:")
print(A+C)

L = np.array([13,6,2])
print(A)
print(L)
print(L.shape)

print(A+L)

z = np.array([[5],[9]])
w = np.array([5, 9])

print(z.shape)
print(w.shape)

print(A+z)

print(A+w)

import numpy as np

a = np.array([1, 2, 3])  # shape = (3,)
a_col = a.reshape(-1, 1)  # shape = (3, 1)
print(a.shape)
print(a_col.shape)

# print(np.eye(3,2)+a_col)
# print(np.eye(3,2)+a)