NumPy merupakan salah satu library Python yang banyak digunakan dalam proses analisis data karena fiturnya yang hebat Show NumPy hampir menyerupai List pada Python tetapi lebih powerful. Ada beberap kelebihan NumPy dibandingkan List seperti size, performance dan functionally Struktur data NumPy lebih membutuhkan ukuran yang lebih kecil dibandingkan dengan List tetapi mempunyai performa yang lebih cepat Sebelum menggunakan NumPy di Python, terlebih dahulu library ini harus diimport import numpy as np Jika belum ada NumPy dapat diinstall terlebih dahulu menggunakan pip pip install numpy Contents Membuat Array NumPyKita bisa membuat Array menggunakan NumPy dengan membungkusnya terlebih dahulu di List dan dirubah menjadi numpy array. listku = [1,2,3,4,5] arrku = np.array([listku]) arrku atau langsung tanpa membuat variabel list terlebih dahulu arrku = np.array([1,2,3,4,5]) arrku Hasilnya akan seperti ini array([1, 2, 3, 4, 5]) Ada beberapa fungsi lagi yang dapat digunakan dalam membuat array antara lain zeros(), ones(), arange(), linspace(), logspace(), zeros() -> Membuat array dengan nilai 0 ones() -> Membuat array dengan nilai 1 arange() -> Membuat array dengan nilai dalam range linspace() -> Membuat array dengan nilai dalam interval logspace() -> Membuat array dengan nilai log Base10 dalam interval Berikut contohnya np.zeros(5) # membuat array dengan nilai 0 sebanyak 5 np.ones(5) # membuat array dengan nilai 1 sebanyak 5 np.arange(1, 10, 2) #arange(start, stop, step) np.linspace(1, 10, 2) # linespace(start, stop, number) np.logspace(1, 10, 2) # logspace(start, stop, number) Hasilnya [0. 0. 0. 0. 0.] [1. 1. 1. 1. 1.] [1 3 5 7 9] [ 1. 10.] [1.e+01 1.e+10] Multidimensional ArraySalah satu fitur menarik dari NumPy adalah dia mampu membuat multidimensional array dan melakukan manipulasi array dengan mudah dan cepat Multidimensional array adalah array yang berbentuk lebih dari 1 dimensi (1D), bisa 2D, 3D, 4D dan seterusnya Cara membuat multidimensional array sama dengan membuat array 1 dimensi, perbedaannya hanya pada parameter yang digunakan Berikut contohnya membuat array 2 dimensi arrku = np.array([[1,2,3,4,5], [2,4,6,8,10]]) Hasilnya array([[ 1, 2, 3, 4, 5], [ 2, 4, 6, 8, 10]]) Array diatas adalah berbentuk (2,5) artinya mempunyai 2 baris dan 5 kolom Kita bisa melihat jumlah elemen di setiap dimensi dengan menggunakan shape pip install numpy0 Indexing dan SlicingKita juga dapat melakukan indexing dan slicing terhadap array dengan mudah Indexing dimulai dari 0 dan dimulai dengan notasi bracket “[ ]” Misal kita ingin mencari nilai yang berada di index 0, 2, dan 4 pip install numpy1 Hasilnya pip install numpy2 Untuk mengambil nilai berderet tambahkan “:” pip install numpy3 Kita juga dapat melakukan slicing di multidimensional array pip install numpy4 Nilai pada kolom index ke-1 dan baris index ke-1 adalah 4 Operasi AritmatikaKita bisa menggunakan operasi aritmatika seperti penjumlahan, pengurangan, perkalian, pembagian dan perpangkatan Python provides many ways to create 2-dimensional lists/arrays. However one must know the differences between these ways because they can create complications in code that can be very difficult to trace out. Let’s start by looking at common ways of creating a 1d array of size N initialized with 0s. Using 2D arrays/lists the right wayMethod 1: Creating a 1-D listExample 1: Creating 1d list Using Naive methods Python3
[0, 0, 0, 0, 0]0 [0, 0, 0, 0, 0]1 [0, 0, 0, 0, 0]2 [0, 0, 0, 0, 0]0 [0, 0, 0, 0, 0]4 [0, 0, 0, 0, 0]5 [0, 0, 0, 0, 0]6 [0, 0, 0, 0, 0]7 N [0, 0, 0, 0, 0]9 [[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]]0 Output [0, 0, 0, 0, 0] Example 2: Creating a 1d list using List Comprehension Python3
[0, 0, 0, 0, 0]0 [0, 0, 0, 0, 0]1 [[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]]4 [0, 0, 0, 0, 0]0 [0, 0, 0, 0, 0]4 [0, 0, 0, 0, 0]5 [[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]]8 [[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]]9 ([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')0 ([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')1 ([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')2 [0, 0, 0, 0, 0]9 ([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')4 Output [0, 0, 0, 0, 0] Explanation: Here we are multiplying the number of rows by the empty list and hence the entire list is created with every element zero. Method 2 Creating a 2-D listExample 1: Naive Method Python3([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')5 [0, 0, 0, 0, 0]0 ([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')7 [0, 0, 0, 0, 0]1 ([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')9 [0, 0, 0, 0, 0]1 [[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]]1 [[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]]4 [0, 0, 0, 0, 0]0 [[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]]4 [0, 0, 0, 0, 0]5 [[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]]8 [[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]]9 ([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')0 ([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')1 [0, 0, 0, 0, 0]00 [[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]]8 [0, 0, 0, 0, 0]02 ([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')0 ([[0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0], [0, 0, 0, 0, 0]], 'before') ([[1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0], [1, 0, 0, 0, 0]], 'after')1 [0, 0, 0, 0, 0]05 Append python buat apa?Append. Salah satu fitur dalam array python yang cukup sering digunakan adalah fungsi append. Fungsi append ini berguna untuk menambahkan nilai array pada urutan terakhir. Fungsi ini sedikit berbeda dengan fungsi insert, dimana fungsi insert bisa menambahkan nilai array pada posisi tertentu.
Apa itu array di Python?Kami akan fokus membahas tentang data struktur array yang direpresentasikan menjadi sebuah jenis tipe data tertentu di Python. Array merupakan jenis struktur data yang digunakan untuk menyimpan berbagai data dengan tipe yang sama dalam memori dan dapat diakses menggunakan indeks tertentu.
Apa itu tipe data pada python?Tipe data adalah suatu media atau memori pada komputer yang digunakan untuk menampung informasi. Python sendiri mempunyai tipe data yang cukup unik bila kita bandingkan dengan bahasa pemrograman yang lain.
Apa itu Pop pada python?sorted() untuk mengurutkan nilai. .reverse() untuk mengembalikan urutan nilai array. .pop() untuk menghapus item pada index tertentu.
|