# Exemple
import numpy as np

# Créer un vecteur h de 24 éléments
h = np.arange(1, 25)

# Créer un tableau Z de dimensions (3,4,2)
Z = h.reshape((3, 4, 2))
print("Z :\n", Z)

# Dimensions et taille
print("dim(Z) :", Z.shape)
print("length(Z) :", Z.size)
print("nrow(Z) :", Z.shape[0])
print("ncol(Z) :", Z.shape[1])

## 1. Création d'un tableau de zéros (équivalent à Z1 <- array(0, dim=c(3,4,2)))
Z1 = np.zeros((3, 4, 2))
print("Tableau Z1 initial (zéros):")
print(Z1)

## 2. Opérations arithmétiques élément par élément
# Création de tableaux exemple A, B, C de mêmes dimensions (3,4,2)
A = np.arange(1, 25).reshape(3, 4, 2)
B = np.arange(2, 26).reshape(3, 4, 2)
C = np.arange(3, 27).reshape(3, 4, 2)

# Calcul D = 2*A*B + C + 1 (opération élément par élément)
D = 2*A*B + C + 1
print("\nRésultat de D = 2*A*B + C + 1:")
print(D)

## 3. Opérations sur Z1
# Ajout de 1 à chaque élément (Z1 = Z1 + 1)
Z1 = Z1 + 1
print("\nZ1 après Z1 = Z1 + 1:")
print(Z1)

# Création de Z à partir de l'exemple précédent
Z = np.arange(1, 25).reshape(3, 4, 2)

# Somme de Z1 et Z (Z2 = Z1 + Z)
Z2 = Z1 + Z
print("\nRésultat de Z2 = Z1 + Z:")
print(Z2)

# Exemple avec apply() - en numpy, on utilise np.sum avec axis
H = np.arange(1, 13).reshape((2, 3, 2))
print("H[0,1,1] :", H[0, 1, 1])
print("H[:,:,0] :\n", H[:, :, 0])
print("H[:,0,0] :", H[:, 0, 0])
print("H[0,:,0] :", H[0, :, 0])

# Somme selon les axes
print("apply(H,1,sum) :", np.sum(H, axis=0))
print("apply(H,2,sum) :", np.sum(H, axis=1))
print("apply(H,3,sum) :", np.sum(H, axis=2))

#Somme sur la première dimension (équivalent à apply(H,1,sum)):
[[ 8 10 12]
[10 12 14]]

#Somme sur la deuxième dimension (équivalent à apply(H,2,sum)):
[[ 9 12]
[27 30]]

#Somme sur la troisième dimension (équivalent à apply(H,3,sum)):
[[ 3  7 11]
[15 19 23]]




# Exercice

import numpy as np

# A) Création du tableau E de dimension (2,3,4)
data1 = np.arange(1, 9) # 1:8
data2 = np.repeat(1, 8) # rep(1, 8)
data3 = np.linspace(0, 1, num=8) # seq(0,1,len=8)

E = np.array(data1.tolist() + data2.tolist() + data3.tolist())
E = E.reshape((2, 3, 4)) # tableau 3D de dimension (2,3,4)

# Informations sur le tableau E
print("Dimension de E:", E.shape)
print("Nombre de lignes (axe 1):", E.shape[1])
print("Nombre de colonnes (axe 2):", E.shape[2])

# Première matrice (indice 0)
print("Première matrice:\n", E[0])

# Première ligne de la deuxième matrice (indice 1)
print("Première ligne de la 2e matrice:\n", E[1][0])

# Élément de la 1ère ligne, 2ème colonne de la 1ère matrice
print("Élément [0,1] de la 1ère matrice:\n", E[0][0][1])

# Créer tableau de dimension (2,3,2) avec les données de 1 à 8
E2 = np.arange(1, 9).reshape((2, 3, 2))
print("Tableau E2 de dimension (2,3,2):\n", E2)

# B) Création d'un autre tableau de mêmes dimensions pour tester opérations
H = np.array([[ [2, 2], [2, 2], [2, 2] ], [ [3, 3], [3, 3], [3, 3] ]])

# Opérations arithmétiques
print("Addition:\n", E2 + H)
print("Multiplication:\n", E2 * H)

# Opérations logiques
print("E2 > H:\n", E2 > H)
print("E2 == H:\n", E2 == H)

# C) Utilisation de apply

# Moyenne selon l'axe 1 (ligne)
print("apply(H, 1, mean):\n", np.mean(H, axis=1))

# Moyenne selon l'axe 2 (colonne)
print("apply(H, 2, mean):\n", np.mean(H, axis=2))

# Explication :
# apply(H,1,mean) => Moyenne par ligne (donc pour chaque [i,:,:])
# apply(H,2,mean) => Moyenne par colonne (donc pour chaque [i,:,j])