Hello, World!
Avant d'entamer notre découverte des bases du calcul numérique à l'aide de l'écosystème SciPy, analysons un programme SciPy. Le défaut du mode interactif est qu'il faut en permanence retaper toutes les instructions depuis le début en cas d'erreur. Il est bien plus pratique de pouvoir écrire un script et d'ensuite le faire exécuter d'une traite. Pour cela, il suffit en fait d'écrire un programme Python, et puis de l'exécuter. Le programme d'exemple que l'on analyse ici utilise les librairies NumPy et Matplotlib pour construire une version revisitée de l'exemple « Hello, World! » utilisé dans tout tutoriel qui fait découvrir un nouveau langage de programmation.
La figure 7 montre le résultat de l'exécution de ce programme d'exemple. Il s'agit d'un dessin 2D interactif, des commandes étant, en effet, disponibles pour manipuler le dessin (déplacement, zoom, etc.). Plus précisément, on voit un histogramme et une courbe qui ont été dessinés à partir de données définies dans un vecteur.
Détaillons les parties principales du programme, repris intégralement à la figure 8. Il faut tout d'abord importer les modules nécessaires, à savoir numpy
et matplotlib.pyplot
dans notre cas. Pour rendre le code plus compact, les alias np
et plt
ont été définis lors de l'import :
On crée ensuite deux vecteurs x
et data
qui contiennent, respectivement, les abscisses et les ordonnées des graphes à dessiner. Pour x
, on crée une séquence de naturels consécutifs allant de $0$ à $8$ avec la fonction arange
et pour data
, on transforme une liste Python en une structure compréhensible pour NumPy avec la fonction array
:
Enfin, on en arrive au dessin en tant que tel. On dessine l'histogramme avec la couleur par défaut (bleu) avec la fonction bar
, puis la courbe par-dessus en rouge avec la fonction plot
. Enfin, le texte « Hello, World! » est ajouté grâce à la fonction text
. La fonction show
conclut en affichant une fenêtre avec le résultat :
Ce premier exemple, certes simple, mais plutôt complet, montre comment il est plutôt facile d'obtenir rapidement des dessins de données à l'aide de deux librairies de l'écosystème Scipy.
Ce premier exemple, certes simple, mais assez complet, montre comment il est plutôt facile d'obtenir rapidement des dessins de données à l'aide de deux librairies de l'écosystème Scipy. Notez qu'on aurait pu avoir le graphe directement dans une console interactive, en travaillant avec IPython et une console QT, comme le montre la figure 9.