Leçon 1 — Installation NumPy, environnement et premiers imports
L’installation NumPy est la première étape indispensable pour plonger dans le monde fascinant de la data avec Python.
Tu as compris dans la leçon précédente que NumPy est la fondation invisible derrière les géants de la data : Pandas, TensorFlow, Matplotlib…
Mais avant de manier les matrices comme un(e) data magicien(ne), il faut installer NumPy correctement et créer ton environnement Python de travail.
Rassure-toi, ce n’est pas de la sorcellerie 🧙♂️ — juste quelques commandes, un peu de logique, et beaucoup de curiosité.
Pourquoi parler d’environnement avant d’installer NumPy ?
Beaucoup de débutants téléchargent Python, tapent “pip install numpy”, et… pouf, erreur rouge à l’écran.
Pourquoi ? Parce que ton environnement Python n’est pas toujours bien configuré.
Un environnement Python, c’est un peu comme une cuisine de chef :
- tu peux avoir plusieurs recettes (projets) ;
- chaque recette a ses propres ingrédients (librairies) ;
- et tu veux éviter que le sel du projet A se mélange au sucre du projet B !
En résumé :
👉 Un environnement virtuel te permet de gérer plusieurs projets Python sans conflit.
C’est la première étape d’une installation NumPy propre et stable.
Créer ton environnement Python
Vérifier si Python est installé
Ouvre ton terminal (ou ton PowerShell sur Windows) et tape :
python --version
ou parfois :
python3 --version
Tu devrais obtenir quelque chose comme :
Python 3.11.5
💡 Si tu obtiens une erreur, rends-toi sur python.org/downloads et installe la dernière version.
Créer un environnement virtuel
Toujours dans ton terminal, tape :
python -m venv env
Cela crée un dossier env contenant ton environnement isolé.
Active-le ensuite :
- Windows :
env\Scripts\activate - Mac / Linux :
source env/bin/activate
Tu sauras qu’il est activé quand tu verras (env) au début de ta ligne de commande.
➡️ Tu viens de poser la première brique d’une installation NumPy professionnelle.
Installer NumPy
Maintenant, le grand moment : installe NumPy.
Tape simplement :
pip install numpy
Cette commande télécharge la dernière version de NumPy depuis le Python Package Index (PyPI).
Tu peux vérifier que l’installation NumPy s’est bien déroulée :
pip show numpy
Cela te donne la version et le chemin d’installation.
Alternative : installer NumPy via Anaconda
Si tu utilises Anaconda (souvent recommandé pour les data scientists débutants), tu peux taper :
conda install numpy
C’est un peu plus “tout-en-un” — Anaconda installe NumPy et plein d’outils complémentaires (Pandas, Matplotlib, Jupyter…).
Mais attention : Anaconda est lourd. Pour un freelance pressé ou un développeur cloud, l’installation NumPy classique via pip est souvent suffisante.
Tester ton installation NumPy
Allez, on vérifie si tout roule :
Crée un fichier test_numpy.py et écris :
import numpy as np
print("Version de NumPy :", np.__version__)
a = np.array([1, 2, 3, 4, 5])
print("Mon premier tableau NumPy :", a)
Résultat attendu :
Version de NumPy : 1.26.x
Mon premier tableau NumPy : [1 2 3 4 5]
🎉 Félicitations !
Tu viens de réussir ton installation NumPy et d’importer ton premier module scientifique.
Comprendre l’import : pourquoi “import numpy as np” ?
Quand tu écris :
import numpy as np
tu crées un alias — une abréviation pour gagner du temps.
Ainsi, au lieu de taper numpy.array(), tu écris simplement np.array().
C’est une convention universelle dans la communauté Python.
Même à la NASA 👩🚀, tout le monde utilise np (si, si).
Où NumPy est-il installé ?
Si tu es curieux (et tu devrais l’être !), tu peux localiser NumPy :
pip show numpy
ou en Python :
import numpy as np
print(np.__file__)
Tu verras un chemin ressemblant à :
.../env/lib/python3.11/site-packages/numpy/__init__.py
Ce dossier contient le cœur du moteur de calcul scientifique en C qui rend NumPy si rapide.
C’est là que la magie opère .
Gérer les mises à jour de NumPy
NumPy évolue sans cesse. Pour profiter des dernières optimisations :
pip install --upgrade numpy
Et pour vérifier ta version :
python -c "import numpy as np; print(np.__version__)"
Une installation NumPy à jour, c’est comme un moteur entretenu : ça tourne mieux, plus vite, plus sûr.
Erreurs fréquentes et solutions
| Problème rencontré | Cause possible | Solution |
|---|---|---|
ModuleNotFoundError: No module named 'numpy' | Environnement non activé ou NumPy non installé | Active ton venv ou refais pip install numpy |
Permission denied | Pas de droits administrateur | Utilise pip install --user numpy |
pip not found | Python mal installé | Réinstalle Python en cochant “Add to PATH” |
numpy.core._multiarray_umath failed to import | Version corrompue | Fais pip uninstall numpy puis pip install numpy |
💬 Astuce : si tu es sur un projet collaboratif, crée un fichier requirements.txt pour garder la trace de tes dépendances :
pip freeze > requirements.txt
Installation NumPy dans Jupyter Notebook
Pour ceux qui aiment coder dans un navigateur (ou qui trouvent le terminal un peu austère 👀) :
- Installe Jupyter :
pip install notebook - Lance-le :
jupyter notebook - Crée un nouveau notebook et exécute :
import numpy as np np.__version__
Tu pourras alors visualiser directement tes tableaux et graphiques.
Environnement de travail idéal pour NumPy
Voici les options les plus utilisées par les pros :
| Outil | Description | Idéal pour |
|---|---|---|
| VS Code | Léger, rapide, extensions Python intégrées | Développeurs & freelances |
| Jupyter Notebook | Visualisation interactive des données | Data scientists & enseignants |
| PyCharm | IDE complet avec gestion des environnements | Projets lourds |
| Google Colab | 100 % en ligne et gratuit | Débutants et projets rapides |
| Anaconda Navigator | Suite complète pour la data | Chercheurs et étudiants |
Chaque environnement fonctionne avec la même installation NumPy — tu choisis juste ton outil préféré pour coder.
À retenir
| Concept | Explication |
|---|---|
| Environnement virtuel | Crée une bulle isolée pour ton projet |
pip install numpy | Installe la bibliothèque NumPy |
import numpy as np | Alias standard pour importer NumPy |
np.__version__ | Vérifie la version installée |
| Jupyter / VS Code | Environnements pratiques pour coder |
pip freeze | Sauvegarde les dépendances du projet |
💡 Une installation NumPy propre te fera gagner des heures de dépannage plus tard. Crois-en l’expérience des développeurs chevronnés.
🧠 Mini-quiz
1️⃣ Quelle commande permet d’installer NumPy ?
2️⃣ Pourquoi utilise-t-on un environnement virtuel ?
3️⃣ Quelle commande affiche la version de NumPy ?
4️⃣ Que signifie “import numpy as np” ?
(Réponses : pip install numpy; isoler les dépendances; np.__version__; alias pour NumPy.)
Exercices pratiques — installation NumPy
Exercice 1
Crée un environnement virtuel, installe NumPy et affiche sa version.
(Indice : venv, pip install numpy, np.__version__)
Exercice 2
Crée un fichier demo_numpy.py qui :
- crée un tableau
[2, 4, 6, 8]; - affiche sa somme avec
np.sum().
Exercice 3
Lance un Jupyter Notebook, crée un tableau 2D et affiche la moyenne (np.mean()).
Pourquoi cette étape est essentielle ?
Sans une installation NumPy correcte, impossible d’aller plus loin.
Cette étape, c’est ton “setup” de mission spatiale : avant de décoller 🚀 vers les calculs vectoriels, il faut que la fusée soit prête.
Tu viens d’apprendre à préparer ton moteur Python, à vérifier tes outils et à t’assurer que tout fonctionne.
Et ensuite ?
Tu as installé NumPy, créé ton premier tableau et compris ton environnement.
Prochaine escale :
👉 Leçon 2 — Comprendre les tableaux NumPy (ndarray)
C’est là que tu découvriras la vraie puissance de NumPy : les structures de données multidimensionnelles, les indexations, et la magie du calcul vectorisé.
Prépare-toi à rencontrer le ndarray, la star du monde numérique.
Résumé de la leçon
- Tu sais ce qu’est une installation NumPy propre.
- Tu maîtrises les bases des environnements Python.
- Tu peux créer, activer et utiliser ton environnement virtuel.
- Tu as testé ton premier import
np. - Tu es prêt à manipuler tes premières données comme un pro.
