QCM : Introduction aux Fonctions et Manipulations NumPy — 11 questions

Questions et réponses du QCM

1. Comment Rodolphe Gonzalès définit-il une fonction en Python ?

Un ensemble de données structurées pour le traitement numérique
Un bloc de code destiné à une tâche spécifique, modulable et réutilisable
Une suite de lignes de code sans tâche précise, non réutilisable
Une variable contenant un nombre ou une chaîne de caractères

Un bloc de code destiné à une tâche spécifique, modulable et réutilisable

Explication

Rodolphe Gonzalès définit une fonction comme un bloc de code spécialisé pour une tâche spécifique, soulignant sa modularité et sa réutilisabilité.

2. Quelle est la caractéristique principale d'une fonction lambda en Python ?

Elle est définie sans utiliser `def`, ce qui la rend anonyme
Elle est toujours nommée dans le code
Elle ne peut contenir qu'une seule instruction
Elle doit être définie avec le mot-clé `def`

Elle est définie sans utiliser `def`, ce qui la rend anonyme

Explication

La source précise que la fonction lambda est définie sans utiliser le mot-clé `def`, ce qui la rend anonyme. Elle est conçue pour des opérations simples en une seule ligne, ce qui est sa caractéristique principale.

3. Quel est l’effet de l’utilisation de fonctions préprogrammées contenues dans des bibliothèques externes Python ?

Elle permet d’accélérer le développement en évitant de réécrire des opérations courantes
Elle ralentit le développement en obligeant à apprendre de nouvelles fonctions
Elle limite la flexibilité du code en imposant des structures fixes
Elle augmente la complexité du code en ajoutant des dépendances externes

Elle permet d’accélérer le développement en évitant de réécrire des opérations courantes

Explication

L’utilisation de fonctions préprogrammées dans des bibliothèques externes permet d’accélérer le développement en évitant la réécriture d’opérations courantes, ce qui rend le processus plus efficace et plus fiable.

4. Qui est crédité comme auteur ou source de la fonctionnalité de génération de nombres aléatoires dans NumPy décrite dans le texte ?

Le créateur de la bibliothèque NumPy
Rodolphe Gonzalès
La communauté Python
Les développeurs de SciPy

Le créateur de la bibliothèque NumPy

Explication

Le texte ne mentionne pas un auteur spécifique pour la fonctionnalité de génération de nombres aléatoires dans NumPy. Il présente simplement ces fonctions comme faisant partie de la bibliothèque NumPy, sans attribution à une personne ou à un groupe précis. Le seul choix qui correspond à cette absence d’attribution spécifique est 'Le créateur de la bibliothèque NumPy', ce qui est une formulation générique mais correcte dans ce contexte.

5. À quel moment la fonction np.array a-t-elle été introduite dans le contexte de la création d’arrays NumPy ?

Avant np.random.rand pour générer des nombres aléatoires
Après np.zeros pour initialiser un tableau de zéros
Après la création de np.arange pour générer des séquences numériques
Lors de la première étape pour transformer une liste Python en array NumPy

Lors de la première étape pour transformer une liste Python en array NumPy

Explication

La fonction np.array est présentée comme la première étape pour convertir une liste Python en array NumPy, facilitant la manipulation numérique, ce qui en fait une étape fondamentale et probablement la première dans le processus de création d’arrays à partir de listes.

6. En quoi `np.array` et `np.arange` se ressemblent-ils ou diffèrent-ils dans la génération d’arrays NumPy ?

Ils ont tous deux pour but de créer des arrays NumPy, mais `np.array` convertit des listes existantes tandis que `np.arange` génère une séquence numérique automatiquement.
Ils sont tous deux utilisés pour créer des arrays à partir de listes Python.
Ils servent uniquement à créer des arrays remplis de zéros ou de uns.
Ils ne peuvent pas être utilisés ensemble pour générer des arrays dans un même programme.

Ils ont tous deux pour but de créer des arrays NumPy, mais `np.array` convertit des listes existantes tandis que `np.arange` génère une séquence numérique automatiquement.

Explication

`np.array` et `np.arange` ont tous deux pour objectif de créer des arrays NumPy. `np.array` convertit une liste ou une liste imbriquée en array, tandis que `np.arange` génère une séquence de nombres selon un pas défini, ce qui montre leur ressemblance dans la création d’arrays, mais leur méthode diffère.

7. Quel est le rôle principal d'une fonction en programmation Python ?

Organiser le code en segments modulaires pour faciliter la compréhension et la maintenance
Stocker des données de manière permanente dans le programme
Afficher automatiquement toutes les données d'un programme
Réaliser des opérations mathématiques complexes sans intervention de l'utilisateur

Organiser le code en segments modulaires pour faciliter la compréhension et la maintenance

Explication

Le rôle principal d'une fonction en Python est d'organiser le code en segments modulaires, ce qui facilite la compréhension, la maintenance et la réutilisation du code, comme indiqué dans la source.

8. Comment accède-t-on à un élément spécifique dans un array NumPy ?

En utilisant deux paires de crochets, une pour la ligne et une pour la colonne, dans le cas d’un array 2D
En utilisant une seule paire de crochets avec un seul indice, même pour un array 2D, en utilisant éventuellement un slicing
En utilisant une seule paire de crochets avec un ou plusieurs indices séparés par des virgules pour un array multidimensionnel
En utilisant la méthode `.get()` de l’array, qui permet d’accéder à un élément précis

En utilisant une seule paire de crochets avec un ou plusieurs indices séparés par des virgules pour un array multidimensionnel

Explication

L’accès à un élément dans un array NumPy se fait par une seule paire de crochets. Pour un array 1D, un seul indice suffit. Pour un array 2D, on utilise deux indices séparés par une virgule, comme `a[i,j]`. Les autres options décrivent des méthodes ou syntaxes incorrectes ou non standard en NumPy.

9. Comment appliquer la fonction NumPy pour générer un tableau de nombres aléatoires uniformément distribués entre 0 et 1 ?

Utiliser np.random.randint en spécifiant la taille et la plage des entiers.
Utiliser np.random.rand en précisant la forme du tableau.
Utiliser np.random.randn avec la taille du tableau souhaité.
Utiliser np.random.seed pour initialiser le générateur de nombres aléatoires.

Utiliser np.random.rand en précisant la forme du tableau.

Explication

La fonction np.random.rand est conçue pour générer des nombres réels uniformément distribués entre 0 et 1. En précisant la forme du tableau (par exemple, np.random.rand(3, 2)), on crée un tableau 3x2 de nombres aléatoires dans cet intervalle. Les autres fonctions np.random.randn et randint ont des usages différents, et np.random.seed sert à initialiser le générateur, pas à générer directement des nombres.

10. Quelle fonction NumPy permet de calculer le sinus d’un tableau de valeurs ?

np.exp()
np.sin()
np.tan()
np.cos()

np.sin()

Explication

La section 10 mentionne que NumPy intègre des fonctions mathématiques comme 'sin', 'cos', 'exp', etc. La fonction 'np.sin()' est spécifiquement utilisée pour calculer le sinus d’un tableau ou d’une valeur. Les autres fonctions mentionnées ont des rôles différents : 'np.cos()' pour cosinus, 'np.exp()' pour exponentielle, et 'np.tan()' pour tangente.

11. Parmi les composants suivants, lesquels sont essentiels pour caractériser une distribution dans les statistiques descriptives ?

L’écart-type et la kurtose
La corrélation entre deux variables
La dispersion et la variance
Le minimum, le maximum, la moyenne et la médiane

Le minimum, le maximum, la moyenne et la médiane

Explication

La réponse correcte est la seconde car elle liste les mesures fondamentales mentionnées dans la source : minimum, maximum, moyenne, médiane, et centiles. Ces composants permettent de décrire la tendance centrale, la dispersion et la position des données dans une distribution.

Révisez avec les flashcards

Mémorisez les réponses avec 22 flashcards sur Introduction aux Fonctions et Manipulations NumPy.

Fonction en Python — définition ?

Bloc de code pour une tâche spécifique, réutilisable.

Argument — rôle ?

Valeur d’entrée transmise à une fonction.

Paramètre — différence ?

Variable déclarée dans la définition, attendu par la fonction.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Introduction aux Fonctions et Manipulations NumPy.

Voir la fiche →

Cours similaires

Introduction à l'Intelligence Artificielle Symbolique

Intelligence Artificielle

Introduction aux documents et sécurité en construction

Bases de données

Introduction à l'Informatique et IA

Introduction aux marchés publics et réglementations du bâtiment

Bases de données

Gestion des imprimantes Windows et PDF

Introduction aux bases de données relationnelles

Bases de données

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM