Data Science Academy · Leçon

De la liste Python à ndarray

Découvrez pourquoi les tableaux sont plus efficaces que les listes pour les nombres.

De la liste Python à ndarray est une leçon Data Science Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage Data Science Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Data Science Academy comprend 4 leçons au total.

Certaines parties de cette leçon n'ont pas encore été traduites et s'affichent en anglais.

Meet the ndarray

NumPy's core gift is the ndarray, a grid of numbers all of one type. It is the workhorse behind almost every data tool you'll use. 🚀

Lists Are Flexible but Slow

A Python list can hold anything: numbers, strings, even other lists. That freedom is handy, but for crunching numbers it makes the list slow.

Arrays Are Fast and Strict

An array trades flexibility for speed. Every element shares one dtype, so NumPy stores them tightly and computes on them at near-C speed.

Your First Array

You build an array by passing a list to np.array. NumPy reads the values and wraps them into a fast numeric grid for you.

import numpy as np
arr = np.array([1, 2, 3, 4])

One Type Rules Them All

Mix an int and a float in one array and NumPy quietly promotes everything to float, because all elements must share a single type.

np.array([1, 2, 3.5])  # becomes float64

Why Speed Comes Free

Because the type is fixed, NumPy skips the per-item checks a list needs. This vectorization is why arrays fly through millions of numbers. ⚡

Arrays Live in One Block

List items scatter across memory, but an array sits in one contiguous block. Your CPU loves that, reading values in tight, predictable bursts.

Make Arrays From Scratch

You don't always start from a list. np.zeros and np.ones fill an array with a chosen value, perfect for placeholders you fill in later.

np.zeros(5)   # array([0., 0., 0., 0., 0.])

Ranges the NumPy Way

Need an even sequence? np.arange works like Python's range but hands you back an array ready for math.

np.arange(0, 10, 2)  # 0 2 4 6 8

Same Idea, Bigger Dimensions

An array isn't limited to one row. Pass nested lists and you get a 2D grid, the matrix shape that powers tables and images.

np.array([[1, 2], [3, 4]])

The Foundation of Everything

pandas, scikit-learn, and matplotlib all sit on top of the ndarray. Master this one type and the whole data stack opens up. 🧱

Quick Check

Let's check the key difference between lists and arrays.

Recap

You met the ndarray: a single-type, tightly packed grid that beats lists for numbers. Build it with np.array, zeros, or arange, then let the speed work for you. 🎉

Questions Fréquemment Posées

La leçon « De la liste Python à ndarray » est-elle gratuite ?

Oui — le texte complet de « De la liste Python à ndarray » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours Data Science Academy, passe à CoddyKit PRO. Le cours Data Science Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « De la liste Python à ndarray » ?

Découvrez pourquoi les tableaux sont plus efficaces que les listes pour les nombres. Tu pratiques Data Science Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.

Dois-je avoir de l'expérience pour commencer Data Science Academy ?

Aucune expérience préalable n'est requise. Data Science Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.

Combien de temps prend la leçon « De la liste Python à ndarray » ?

La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.

Peux-tu écrire et exécuter du code dans cette leçon Data Science Academy ?

Oui. Chaque leçon Data Science Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.

Toutes les leçons de ce cours

← Retour à Data Science Academy