Usar NumPy desde Mojo
Llame a arrays y funciones de NumPy.
Usar NumPy desde Mojo es una lección gratuita de Mojo Academy en CoddyKit. Esta es la lección 1 de 4. Puedes leer la lección completa abajo gratuitamente — luego la practicas en el navegador con un editor de código integrado y un tutor de IA 24/7. Forma parte de la ruta de aprendizaje de Mojo Academy, y tu progreso se sincroniza en la web y la app de CoddyKit. El curso de Mojo Academy incluye 4 lecciones en total.
Partes de esta lección aún no han sido traducidas y se muestran en inglés.
NumPy, From Mojo
NumPy powers most Python number-crunching, and Mojo lets you call it directly, so you keep that ecosystem while writing fast code. 🔢
Import It First
Bring NumPy in the same way you import any Python module: call Python.import_module with the name "numpy".
var np = Python.import_module("numpy")Make an Array
With the handle in hand, call NumPy functions through dot access. Here you build an array from a Python list of numbers.
var a = np.array([1, 2, 3])Use Array Functions
Every NumPy creator works: np.zeros and np.ones build filled arrays, perfect for setting up buffers before computation.
var z = np.zeros(5)Math on Arrays
Call NumPy math functions just like in Python. np.sum adds every element of an array and hands back the total.
var total = np.sum(a)Whole-Array Ops
NumPy shines at vectorized math: one call like np.sqrt works on the entire array at once, no manual loop needed.
var roots = np.sqrt(a)Reading Shape
Access an array's attributes through dot syntax. The shape attribute tells you the dimensions of your array.
var dims = a.shapeIt May Raise
Calls across the bridge can fail, so NumPy work belongs in a function marked raises to handle any error cleanly.
fn run() raises:
var np = Python.import_module("numpy")Same API You Know
The NumPy API is identical to Python's: if you know np.linspace or np.dot, you already know how to call them from Mojo.
var grid = np.linspace(0, 1, 10)Build, Then Use
A common pattern is to create an array, then reshape it. np.reshape reorganizes the same data into new dimensions for you.
var m = np.reshape(a, (3, 1))Best of Both
You get NumPy's mature, battle-tested routines while orchestrating them from Mojo, blending convenience with Mojo's performance mindset. ⚡
Quick Check
Recall how you start using NumPy inside a Mojo program.
Recap
You imported NumPy with Python.import_module, then built arrays and ran vectorized math using the very same API you know from Python. 🎯
Preguntas frecuentes
¿La lección «Usar NumPy desde Mojo» es gratis?
Sí — el texto completo de «Usar NumPy desde Mojo» es gratis para leer aquí en la web. Para practicarla de forma interactiva (editor de código integrado y tutor de IA 24/7) y desbloquear el resto del curso de Mojo Academy, actualiza a CoddyKit PRO. El curso de Mojo Academy incluye 4 lecciones en total.
¿Qué aprenderé en «Usar NumPy desde Mojo»?
Llame a arrays y funciones de NumPy. Practicas Mojo Academy con código real que ejecutas directamente en el navegador, y un tutor de IA 24/7 responde tus preguntas mientras trabajas en la lección.
¿Necesito experiencia previa para empezar Mojo Academy?
No se requiere experiencia previa. Mojo Academy en CoddyKit está estructurado para principiantes hasta estudiantes avanzados, así que puedes empezar aquí o desde el inicio y avanzar a tu ritmo. Esta es la lección 1 de 4.
¿Cuánto tiempo toma la lección «Usar NumPy desde Mojo»?
La mayoría de las lecciones de CoddyKit toman alrededor de 5–10 minutos. Cada una es compacta e interactiva, así que avanzas constantemente y retomas exactamente por donde dejaste en la web y la app.
¿Puedo escribir y ejecutar código en esta lección de Mojo Academy?
Sí. Cada lección de Mojo Academy incluye un editor de código integrado, así que escribes y ejecutas código real directamente en tu navegador y obtienes retroalimentación instantánea de IA — sin configuración local necesaria.
Todas las lecciones de este curso
- Usar NumPy desde Mojo
- Pasar datos de Mojo a Python
- Leer objetos de Python de vuelta
- Problemas de rendimiento de la interoperabilidad