0Pricing
Mojo Academy · Aula

Usando NumPy a partir de Mojo

Chame matrizes e funções do NumPy.

Usando NumPy a partir de Mojo é uma aula grátis de Mojo Academy no CoddyKit. Esta é a aula 1 de 4. Você pode ler a aula completa abaixo gratuitamente — depois pratica ao vivo no navegador com um editor de código integrado e um tutor de IA 24/7. Faz parte do caminho de aprendizado de Mojo Academy, e seu progresso é sincronizado entre a web e o app CoddyKit. O curso de Mojo Academy inclui 4 aulas no total.

Partes desta aula ainda não foram traduzidas e aparecem em inglês.

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. 🎯

Perguntas Frequentes

A aula “Usando NumPy a partir de Mojo” é grátis?

Sim — o texto completo de “Usando NumPy a partir de Mojo” é grátis para ler aqui na web. Para praticá-la interativamente (um editor de código integrado e um tutor de IA 24/7) e desbloquear o restante do curso de Mojo Academy, atualize para CoddyKit PRO. O curso de Mojo Academy inclui 4 aulas no total.

O que vou aprender em “Usando NumPy a partir de Mojo”?

Chame matrizes e funções do NumPy. Você pratica Mojo Academy com código prático que executa diretamente no navegador, e um tutor de IA 24/7 responde suas dúvidas enquanto trabalha na aula.

Preciso ter experiência prévia para começar Mojo Academy?

Nenhuma experiência prévia é necessária. Mojo Academy no CoddyKit é estruturado para alunos iniciantes até avançados, então você pode começar aqui ou desde o início e aprender no seu ritmo. Esta é a aula 1 de 4.

Quanto tempo leva a aula “Usando NumPy a partir de Mojo”?

A maioria das aulas CoddyKit leva cerca de 5–10 minutos. Cada uma é compacta e interativa, então você faz progresso constante e retoma exatamente de onde parou entre web e app.

Posso escrever e executar código nesta aula de Mojo Academy?

Sim. Cada aula de Mojo Academy inclui um editor de código integrado, então você escreve e executa código real direto no navegador e recebe feedback de IA instantaneamente — nenhuma configuração local necessária.

Todas as aulas deste curso

  1. Usando NumPy a partir de Mojo
  2. Passando dados de Mojo para Python
  3. Lendo objetos Python de volta
  4. Armadilhas de desempenho da interoperabilidade
← Voltar para Mojo Academy