NumPy best practices: vectorization, dtypes, and memory-efficient array programming
Ufuncs vectorisées et broadcasting plutôt que boucles, vues plutôt que copies, discipline des dtypes, conscience du layout mémoire et gestion d'erreurs sûre avec NaN pour un NumPy idiomatique et performant
- Quoi
- Ufuncs vectorisées et broadcasting plutôt que boucles, vues plutôt que copies, discipline des dtypes, conscience du layout mémoire et gestion d'erreurs sûre avec NaN pour un NumPy idiomatique et performant
- Coût
- Gratuit
- Prérequis
- un projet Python utilisant NumPy que l'agent peut lire et refactorer — le skill est un guide que l'agent suit, pas un logiciel à installer
- Installation
- Copiez le prompt d’installation ci-dessous dans votre Muse — votre agent fait le reste.
Sélectionné par Skill Harbor — le skill de bonnes pratiques NumPy de @mindrally pour écrire du Python numérique idiomatique et rapide : toujours préférer les ufuncs vectorisées et le broadcasting aux boucles explicites, choisir délibérément les routines de création et combinaison de tableaux (pré-allocation `np.zeros`/`np.empty`, `vstack`/`hstack`/`concatenate`), utiliser l'indexation avancée booléenne et `np.where()`, comprendre vues vs copies du fancy indexing, déclarer les dtypes explicitement (`float32` quand la précision le permet, garde contre l'overflow entier), vérifier le layout mémoire avec `ndarray.flags` et préférer les opérations in-place avec `out=`, gérer NaN/Inf avec `isnan`/`isinf` sous `np.errstate()`, utiliser l'API moderne `np.random.default_rng()`, résoudre les systèmes linéaires avec `linalg.solve` au lieu d'inverser, et tester avec `pytest` + assertions `np.testing` au style docstring NumPy. Bémols honnêtes : méthodologie seulement, pas d'outillage — l'agent a besoin d'un projet NumPy pour l'appliquer ; les comportements spécifiques à la version de NumPy (p. ex. l'API RNG) évoluent, épingler la version dans le projet. Licence Apache-2.0. Skill Harbor ne vérifie jamais le code, examinez-le vous-même avant usage. Découvert via skills.sh.
Version :
Réponse rapide
NumPy best practices: vectorization, dtypes, and memory-efficient array programming est un skill gratuit pour Muse qui enseigne un Python numérique idiomatique et performant: ufuncs vectorisées et broadcasting plutôt que boucles, vues plutôt que copies, dtypes explicites, conscience du layout mémoire et gestion d'erreurs sûre avec NaN, opérations in-place et code testé.
Installation
Copiez le dossier d’installation ci-dessous, puis collez-le dans Muse🧪 Installation exécutée dans notre sandbox de test · 11 nov. 2026📌 Version épinglée : commit 7682ca7Étape 0 — avant d'installer quoi que ce soit : lis ce prompt d'installation, résume en quelques lignes ce que ce build fait et ce que l'installation implique, puis demande-moi de confirmer avant de continuer. Prérequis : un projet Python utilisant NumPy que l'agent peut lire et refactorer — le skill est un guide que l'agent suit, pas un logiciel à installer Installe-moi « Bonnes pratiques NumPy : vectorisation, dtypes et programmation de tableaux économe en mémoire ». Il donne à mon agent le manuel NumPy de @mindrally : ufuncs vectorisées et broadcasting plutôt que boucles, discipline de création de tableaux, indexation booléenne, vues vs copies, dtypes explicites, conscience du layout mémoire avec opérations in-place, gestion d'erreurs sûre avec NaN/Inf, l'API moderne default_rng, habitudes d'algèbre linéaire (solve au lieu d'inverser), et conventions de test pytest + np.testing. Licence Apache-2.0. Dépôt : https://raw.githubusercontent.com/mindrally/skills/7682ca77710e0971eab4e0ae5dddfa281aea0ba5/numpy-best-practices/SKILL.md Version épinglée : installe le code au commit 7682ca77710e0971eab4e0ae5dddfa281aea0ba5 exactement (Skill Harbor a testé cette version). Ne substitue pas une version plus récente. Si ce commit est inaccessible, arrête-toi et dis-le-moi. 1. Récupère le fichier SKILL.md (et les fichiers d'aide éventuels) depuis le chemin du dépôt dans un dossier temporaire 2. Vérification de sécurité : examine le SKILL.md et les scripts pour tout contenu suspect (appels réseau inattendus, commandes shell, collecte d'identifiants). Ce dépôt ne devrait contenir aucun secret en dur, les identifiants uniquement via le coffre sécurisé, les hôtes autorisés déclarés dans le SKILL.md. Vérifie que c'est bien le cas ici ; STOP sur tout signal d'alerte et dis-le-moi. 3. Installe-le comme skill : copie le SKILL.md et ses fichiers d'aide dans le répertoire des skills de l'agent, dans un dossier nommé « numpy-best-practices ». 4. Vérifie sans appels réseau : frontmatter valide, fichiers en place. 5. Indique ce qui a été installé, où, et ce qu'il me reste à faire moi-même (p. ex. pointer l'agent vers mon code ou fichier NumPy à réviser et la version de NumPy épinglée dans le projet ; rien d'autre — c'est une méthodologie). GitHub est optionnel : si j'ai un compte GitHub ou la CLI gh, tu peux l'utiliser ; sinon l'accès public suffit. Ne jamais l'exiger sauf s'il figure dans les prérequis ci-dessus. Règles : ne touche à rien en dehors du dossier temporaire et de la cible d'installation. Si quelque chose semble anormal, arrête-toi et demande-moi.
Enregistré dans vos installs récentes. Retrouvez-le à tout moment sur /connect.
🔒 Sécurité, provenance et ce que ça touche
Le prompt d'installation ci-dessous inclut déjà les étapes de vérification : votre agent suit la checklist communautaire avant d'installer tout ce qui contient du code exécutable. Vous en voulez plus ?
Certificat de vérification
Faits datés sur ce qui a été vérifié pour cette fiche, et comment. Ce n’est pas une certification de sécurité.
- Version épinglée
- 7682ca7 · 2026-10-13
- Test d’installation en sandbox
- Installation exécutée dans notre sandbox de test · 11 nov. 2026
- Identité du créateur
- Non vérifiée
- Veille d’empreinte
- Dernière vérification · 19 nov. 2026 : aucun changement détecté dans les fichiers liés par ce prompt d’installation
- Analyse du prompt d’installation
- 2026-10-13 : Aucune commande, appel réseau, paquet, écriture de fichier ni clé API détecté.
Skill Harbor ne révise jamais le code des skills listés. Ce sont des faits datés sur le prompt d’installation et notre test d’installation, pas une certification de sécurité. Révisez un skill vous-même avant de l’installer. Comment nous vérifions
Questions
Comment installer un skill ?
Chaque fiche produit contient un prompt d’installation à copier-coller. Collez-le dans votre Muse et il installe le skill pour vous — sans configuration manuelle.
Où va mon argent ?
Directement au vendeur. Skill Harbor ne traite jamais les paiements : le paiement se fait sur la page du vendeur, généralement via Stripe.
Que signifie le ✓ à côté du nom d’un créateur ?
Il signifie que nous avons confirmé l’identité de la personne derrière la fiche. Il ne dit rien sur le code lui-même — vérifiez toujours un skill avant de l’installer.