Numpy adalah library python yang berfokus pada

Marcellinus, Samuel (2021) Ekstraksi Fitur Peneliti Menggunakan Numpy dan Pandas. Project Report. [s.n.]. (Unpublished)

Abstract

Penelitian merupakan suatu hal yang sangat penting dan
berpengaruh besar bagi kemajuan dunia modern. Indonesia sebagai negara berkembang dan negara dengan penduduk terbesar ke-4 di dunia, ternyata masih mengalami masalah dalam hal produktivitas peneliti. Ini bisa dilihat dari penelitian berkualifikasi S3 yang masih rendah. Padahal dengan sumber daya manusia yang banyak, seharusnya penelitian di Indonesia mampu bersaing dengan negara-negara lain. Untuk itu, dalam penelitian ini dilakukan pengolahan dan ekstraksi fitur menggunakan library Python Numpy dan Pandas berdasarkan hasil LDA Mallet 18 topik. NumPy (Numerical Python) adalah library Python yang berfokus pada scientific computing dan berfokus kepada array, yang mirip dengan list pada Python. Sedangkan Pandas (Python for Data Analysis) adalah library Python yang focus pada proses analisis data seperti manipulasi data, persiapan data, dan pembersihan data. Diharapkan hasil ekstraksi fitur tersebut dapat membantu sistem untuk memberikan rekomendasi pakar yang jauh lebih akurat serta dapat membantu kolaborasi antar peneliti di Indonesia.
=================================================================================================
Research is a very important thing
great influence for the progress of the modern world. Indonesia, as a developing country and the country with the 4th largest population in the world, is still experiencing problems in terms of researcher productivity. This can be seen from the low level of research with S3 qualifications. In fact, with a lot of human resources, research in Indonesia should be able to compete with other countries. For this reason, in this study, processing and feature extraction were carried out using the Python Numpy and Pandas libraries based on the results of Mallet's LDA 18 topics. NumPy (Numerical Python) is a Python library that focuses on scientific computing and focuses on arrays, which are similar to lists in Python. While Pandas (Python for Data Analysis) is a Python library that focuses on data analysis processes such as data manipulation, data preparation, and data cleaning. It is hoped that the results of this feature extraction can help the system to provide expert recommendations that are much more accurate and can help collaboration between researchers in Indonesia.

Actions (login required)

1. NumPy NumPy (Numerical Python) menyediakan banyak fitur yang berguna untuk operasi pada n-array dan matriks dengan...

Banyaknya kelebihan pada pemrograman pythno seperti efisiensei, keterbacaan kode dan kecepatan telah membuat python menjadi bahasa pemrograman yang banyak digunakan oleh para data scientist. Pyton menjadi pilihan untuk pada data scientist dan machine learning engineer untuk mengembangkan model dan berbagai aplikasi terkait data science.

Karena penggunaannya yang luas, Python memiliki banyak library yang memudahkan para ilmuwan data / data scientist untuk menyelesaikan tugas-tugas rumit tanpa banyak gangguan pengkodean. Berikut adalah 3 library Python yang paling banyak digunakan untuk data science.

1. NumPy

NumPy (kependekan dari Numerical Python) adalah salah satu library teratas yang dilengkapi dengan sumber daya yang berguna untuk membantu para data scientist mengubah Python menjadi alat analisis dan pemodelan ilmiah yang kuat. Libary Open source terpopuler ini tersedia di bawah lisensi BSD. Ini adalah pustaka Python dasar untuk melakukan tugas dalam komputasi ilmiah. NumPy adalah bagian dari ekosistem berbasis Python yang lebih besar dari tool open source yang disebut SciPy.

Perpustakaan memberdayakan Python dengan struktur data substansial untuk mudah melakukan perhitungan multi-dimensi (multi-dimensional arrays) dan perhitungan matrik. Selain penggunaannya dalam menyelesaikan persamaan aljabar linier (linear algebra equations) dan perhitungan matematis lainnya, NumPy juga digunakan sebagai wadah multi-dimensi serbaguna untuk berbagai jenis data generik.

Lebih hebatnya, NumPy terintegrasi dengan bahasa pemrograman lain seperti C / C ++ dan Fortran. Fleksibilitas perpustakaan NumPy memungkinkannya untuk dengan mudah dan cepat bergabung dengan berbagai database dan tools. Sebagai contoh, mari kita lihat bagaimana NumPy (disingkat np) dapat digunakan untuk mengalikan dua matriks.

Mari memulainya dengan meng-import library ini terlebih dahulu ( disini kita menggunakan Jupyter notebook untuk contoh)

import numpy as np

Selanjutnya, kita akan menggunakan fungsi

matrix_one = np.eye(3)
matrix_one

matrix_one = np.eye(3)
matrix_one

Outputnya akan seperti dibawah ini :

array([[1., 0., 0.],
       [0., 1., 0.],
       [0., 0., 1.]])

Mari hasilkan matriks 3x3 lainnya.

Kita akan menggunakan fungsi

matrix_one = np.eye(3)
matrix_one

Juga,

matrix_one = np.eye(3)
matrix_one

matrix_two = np.arange(1,10).reshape(3,3)
matrix_two

Outputnya akan seperti dibawah ini :

array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
       ```

Mari gunakan fungsi `dot()` untuk mengalikan dua matriks.

```python
matrix_multiply = np.dot(matrix_one, matrix_two)
matrix_multiply

Outputnya akan seperti dibawah ini :

array([[1., 2., 3.],
       [4., 5., 6.],
       [7., 8., 9.]])

Kita telah berhasil melipatgandakan dua matriks tanpa menggunakan vanilla Python.

Berikut ini seluruh kode untuk contoh ini:

import numpy as np
#menghasilkan a 3 by 3 identity matrix
matrix_one = np.eye(3)
matrix_one
#menghasilkan 3 by 3 matrix lainya for perkalian
matrix_two = np.arange(1,10).reshape(3,3)
matrix_two
#mengkalikan dua array
matrix_multiply = np.dot(matrix_one, matrix_two)
matrix_multiply

2. Pandas

Pandas adalah library hebat lain yang dapat meningkatkan keterampilan Python Anda untuk data science. Sama seperti NumPy, Pandas milik keluarga perangkat lunak open source SciPy dan tersedia di bawah lisensi perangkat lunak bebas BSD.

Pandas menawarkan alat serbaguna dan kuat untuk struktur data dan melakukan analisis data yang luas. Library ini berfungsi dengan baik dengan data dunia nyata yang tidak lengkap, tidak terstruktur, dan tidak teratur — dan dilengkapi dengan tool untuk membentuk, menggabungkan, menganalisis, dan memvisualisasikan datasets.

Ada tiga jenis struktur data di library ini:

• Series: single-dimensional, array homogen
• DataFrame: two-dimensional dengan kolom yang diketik secara heterogen
• Panel: three-dimensional, array size-mutable

Sebagai contoh, mari kita lihat bagaimana library Panda Python (disingkat pd) dapat digunakan untuk melakukan beberapa perhitungan statistik deskriptif.

Mari mulai dengan mengimport library pandas ini.

import pandas as pd

Selanjutnya kita buat dictionary yang seri.

d = {'Name':pd.Series(['Alfrick','Michael','Wendy','Paul','Dusan','George','Andreas',
   'Irene','Sagar','Simon','James','Rose']),
   'Years of Experience':pd.Series([5,9,1,4,3,4,7,9,6,8,3,1]),
   'Programming Language':pd.Series(['Python','JavaScript','PHP','C++','Java','Scala','React','Ruby','Angular','PHP','Python','JavaScript'])
    }

Selanjutnya buat Data Frame.

df = pd.DataFrame(d)

Output nya akan seperti dibawah ini :

matrix_one = np.eye(3)
matrix_one

Berikut ini seluruh kode untuk contoh ini:

matrix_one = np.eye(3)
matrix_one

3. Matplotlib

Matplotlib juga merupakan bagian dari paket inti SciPy dan ditawarkan di bawah lisensi BSD. Ini adalah library ilmiah Python populer yang digunakan untuk menghasilkan visualisasi yang sederhana dan kuat. Anda dapat menggunakan kerangka kerja Python untuk ilmu data untuk menghasilkan grafik, chart, histogram, dan bentuk dan gambar lain yang kreatif — tanpa perlu khawatir menulis banyak baris kode. Sebagai contoh, mari kita lihat bagaimana perpustakaan Matplotlib dapat digunakan untuk membuat bar chart sederhana.

Mari memulainya dengan mengimport library

matrix_one = np.eye(3)
matrix_one

Mari hasilkan nilai untuk sumbu x dan sumbu y.

matrix_one = np.eye(3)
matrix_one

Mari kita sebut fungsi untuk mem-plot diagram batang.

matrix_one = np.eye(3)
matrix_one

Selanjutnya kita tampilkan plot nya.

matrix_one = np.eye(3)
matrix_one

Berikut adalah tampilan chart bar:

Berikut ini seluruh kode untuk contoh ini:

matrix_one = np.eye(3)
matrix_one

Kesimpulan

Bahasa pemrograman Python selalu melakukan pekerjaan yang baik dalam hal data dan persiapan, tetapi kurang untuk analisis dan pemodelan data ilmiah yang rumit. Untuk itulah munculnya library Python sangat membantu untuk mengisi celah ini. Dengan adanya library ini akan memungkinkan Anda untuk melakukan perhitungan matematis yang kompleks dan membuat model canggih yang membuat data Anda masuk akal.

Selain dari 3 library diatas, adakah libary Python lainnya yang Anda tahu? Apa pengalamanmu dengan library tersebut? Silakan bagikan komentar Anda di bawah ini. Terimakasih.

Library python apa saja?

Apa itu Pandas dan NumPy?

Library python apa saja yang sering digunakan dalam bidang machine learning?

Manakah library yang cocok digunakan untuk menangani data terstruktur?