0Pricing
Mojo Academy · Leçon

Utiliser NumPy depuis Mojo

Appelez les tableaux et fonctions NumPy.

Utiliser NumPy depuis Mojo est une leçon Mojo 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 Mojo Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours Mojo Academy comprend 4 leçons au total.

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

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.shape

It 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. 🎯

Questions Fréquemment Posées

La leçon « Utiliser NumPy depuis Mojo » est-elle gratuite ?

Oui — le texte complet de « Utiliser NumPy depuis Mojo » 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 Mojo Academy, passe à CoddyKit PRO. Le cours Mojo Academy comprend 4 leçons au total.

Qu'est-ce que j'apprendrai dans « Utiliser NumPy depuis Mojo » ?

Appelez les tableaux et fonctions NumPy. Tu pratiques Mojo 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 Mojo Academy ?

Aucune expérience préalable n'est requise. Mojo 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 « Utiliser NumPy depuis Mojo » ?

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 Mojo Academy ?

Oui. Chaque leçon Mojo 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

  1. Utiliser NumPy depuis Mojo
  2. Transmettre des données Mojo à Python
  3. Récupérer des objets Python
  4. Pièges de performance de l’interopérabilité
← Retour à Mojo Academy