# numpy-best-practices

Скилл задаёт агенту правила по массивам NumPy: векторизация вместо циклов, типы данных, память, линейная алгебра. Пригодится, когда код на Python считает числа.

- скилл · `type=skill` · Claude Code, Codex, Cursor, GitHub Copilot, Gemini CLI, OpenCode · 997 установок · ★ 286
- Автор: Mindrally
- Лицензия: Apache-2.0 · policy=mirror · начало файла — в конце страницы
- Исходник: https://github.com/Mindrally/skills/tree/HEAD/numpy-best-practices/SKILL.md
- Обновлён: 2026-10-08
- HTML: https://affpapa.org/nevibecode/skills/numpy-best-practices

## Что делает

Скилл — это набор инструкций, которые агент подхватывает, когда пишет или правит код на NumPy. Внутри разделы по стилю, созданию массивов, индексации, типам данных, производительности, обработке ошибок, генерации случайных чисел, линейной алгебре и тестам. Никаких скриптов и внешних инструментов: только текстовые правила.

Что он реально меняет в поведении агента. Вместо циклов по элементам тот станет писать векторизованные операции и ufuncs, для известного размера массива возьмёт `np.zeros()` или `np.empty()`, для систем уравнений — `np.linalg.solve()` вместо обращения матрицы. Отдельно оговорены `dtype`, переполнение целых, разница между view и копией, `np.errstate()` для контроля ошибок плавающей точки. Случайные числа — через `np.random.default_rng()`, а не через старый `np.random`.

Скилл ничего не устанавливает в проект: NumPy должен быть в вашем окружении сам, иначе примеры агента просто не запустятся. Тесты он советует писать на `pytest` с проверками из `np.testing`. Если вы намеренно пишете цикл по массиву — например, для наглядности в учебном коде — агент будет тянуть вас к векторизации, и это придётся оговорить отдельно.

## Установка

### Claude Code (родная платформа)

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Mindrally/skills --skill numpy-best-practices -a claude-code
```

2. **Вручную: положить файлы**
- Файл: `~/.claude/skills/numpy-best-practices/SKILL.md` — Папка скилла целиком; для одного проекта — .claude/skills/numpy-best-practices/

### Codex

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Mindrally/skills --skill numpy-best-practices -a codex
```

2. **Вручную: положить файлы**
- Файл: `.agents/skills/numpy-best-practices/SKILL.md` — Для всех проектов — ~/.agents/skills/

### Cursor

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Mindrally/skills --skill numpy-best-practices -a cursor
```

2. **Вручную: положить файлы**
- Файл: `.cursor/skills/numpy-best-practices/SKILL.md` — Cursor читает и .agents/skills/, и .claude/skills/

### GitHub Copilot

1. **GitHub CLI**
```bash
gh skill install Mindrally/skills numpy-best-practices
```

2. **Вручную: положить файлы**
- Файл: `.github/skills/numpy-best-practices/SKILL.md`

### Gemini CLI

1. **Через Skills CLI (Vercel)**
```bash
npx skills add Mindrally/skills --skill numpy-best-practices -a gemini-cli
```

2. **Командой платформы**
```bash
gemini skills install https://github.com/Mindrally/skills --path numpy-best-practices
```

### Windsurf (Devin Desktop)

**Вручную: положить файлы**
- Файл: `.devin/skills/numpy-best-practices/SKILL.md` — Старый путь .windsurf/skills/ тоже читается

### OpenCode

**Через Skills CLI (Vercel)**
```bash
npx skills add Mindrally/skills --skill numpy-best-practices -a opencode
```

### Claude.ai

**Claude.ai**
- Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/Mindrally/skills/tree/HEAD/numpy-best-practices/SKILL.md

## Когда брать
- переписать цикл по элементам массива на векторизованную операцию
- выбрать dtype и не поймать переполнение целых
- сократить копирование массивов и сэкономить память
- решить систему линейных уравнений без обращения матрицы
- получить воспроизводимые случайные числа через Generator API

## Примеры запросов агенту
- Перепиши этот цикл по массиву на векторизацию с NumPy
- Проверь мой код на NumPy: где тут лишние копии массивов и неверные dtype?
- Напиши тесты для этой функции на pytest с np.testing

## Похожие
- [scikit-image](https://affpapa.org/nevibecode/rules/scikit-image.md) — правило · ★ 3579
- [pandas](https://affpapa.org/nevibecode/rules/pandas.md) — правило · ★ 3579
- [statistics-math](https://affpapa.org/nevibecode/skills/statistics-math.md) — скилл · 432 установки
- [matplotlib](https://affpapa.org/nevibecode/skills/tondevrel-matplotlib.md) — скилл · 374 установки
- [zarr-python](https://affpapa.org/nevibecode/skills/zarr-python.md) — скилл · 1900 установок
- [pkpd-modeling](https://affpapa.org/nevibecode/skills/pkpd-modeling.md) — скилл · 935 установок

Из того же набора: [mindrally/skills](https://affpapa.org/nevibecode/by/mindrally/skills.md) — 214 карточек

_Часть страницы не вошла по размеру — она есть в HTML-версии._

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md