Pour vous sentir confiant et réussir ce cours, nous vous recommandons fortement de terminer les cours suivants au préalable (cliquez simplement dessus pour commencer) :

Dans un monde plein de données, travailler avec des matrices et des tableaux est extrêmement important. C'est là que NumPy est utile. Avec sa vitesse fulgurante et son interface relativement facile à utiliser, il est devenu la bibliothèque Python la plus utilisée pour travailler avec des tableaux.

Discutons maintenant de la rapidité de NumPy et de son origine. Bien qu'il s'agisse d'une bibliothèque Python, elle est principalement écrite en C, un langage de bas niveau qui permet des calculs rapides.

Un autre facteur contribuant à la rapidité de NumPy est la vectorisation. Essentiellement, la vectorisation consiste à transformer un algorithme qui opère sur une seule valeur à la fois en un algorithme qui opère sur un ensemble de valeurs (vecteur) en même temps, ce qui est effectué en arrière-plan au niveau du CPU.