1.

Library
Library adalah kumpulan code yang biasanya terkumpul dalam sebuah package
yang dapat di import ke program lain. Library yang disediakan bergantung pada
bahasa pemrograman maupun compiler yang digunakan. Terdapat beberapa library
yang banyak digunakan di Python, diantaranya : Pandas, Numpy, Scipy, Matplotlib
dan Scikit-Learn.
1.1. Pandas
Python pandas adalah sebuah librari berlisensi Berkeley Software
Distribution (BSD) dan open source yang menyediakan struktur data dan analisis
data yang mudah digunakan. Pandas melakukan tugas penting seperti
menyelaraskan data untuk perbandingan dan penggabungan set data. Selain itu,
Pandas digunakan untuk pemrosesan data tingkat tinggi dalam Python (yaitu
statistik).
Struktur Data pada Pandas, yaitu :

Struktur data Series (array satu dimensi) yang bisa ditampung berupa
integer, float, dan juga string. Sruktur data ini memiliki ukuran dan nilai bersifat
Immutabele (tidak bisa dirubah). Jika kita ingin membuat sebuah Series untuk
daftar nama, kita dapat melakukan di bawah ini :
 import pandas as pd
series = pd.Series(['Jonathan', 'Vivi', 'Mifta', 'Heri', 'Rifqah'],
index = [1, 2, 3, 4, 5])
print (series)

Hasil Output dari percobaan diatas : Jika tidak ada indext

yang di passing, maka
akan di assign default
index 0 sampai
leng(data)-1

Bagaimana menampilkan 3 elemen pertama seperti hasil output

dibawah ini :

Struktur data Data Frame (array dua dimensi) merupakan tabel/data

tabular. Sruktur data ini memiliki ukuran dan data bersifat mutable (dapat
dirubah). Data Frame dapat menggunakan beberapa inputan seperti : Lists, Dict,
Series, Numpy ndarrays, Another DataFrame. Jika kita ingin membuat sebuah
Data Frame, yang menunjukkan sebuah kamus berisi dua kunci, Name dan Age,
dan daftar nilainya.

import pandas as pd
name_age = {'Name' : ['Jonathan', 'Vivi', 'Mifta', 'Heri', 'Rifqah'],
'Age' : [32, 55, 20, 43, 30]}
data_frame = pd.DataFrame(name_age)
print (data_frame)
 Hasil Output dari percobaan (menggunakan Lists) diatas :

import pandas as pd
name_age = {'Name' : ['Jonathan', 'Vivi', 'Mifta', 'Heri', 'Rifqah'],
'Age' : [32, 55, 20, 43, 30]}
data_frame = pd.DataFrame(name_age, index=['1', '2', '3', '4', '5'])
print (data_frame)

Hasil Output dari percobaan (menggunakan array) diatas :

Struktur data Panel berfungsi sebagai container componen (komponen

wadah) dimana komponen Python lainnya diletakkan.

import pandas as pd
name_age = {'Name' : ['Jonathan', 'Vivi', 'Mifta', 'Heri', 'Rifqah'],
'Age' : [32, 55, 20, 43, 30]}
data_frame = pd.DataFrame(name_age, index=['1', '2', '3', '4', '5'])
print (data_frame)

Hasil Output dari percobaan diatas :

1.2. Numpy
NumPy (Numerical Python) adalah sebuah library pada Python yang
berfungsi untuk melakukan operasi vektor dan matriks dengan mengolah array
dan array multidimensi. Biasanya NumPy digunakan untuk kebutuhan dalam
menganalisis data. Operasi yang memanfaatkan NumPy salah satunya adalah
operasi yang berkaitan dengan aljabar linear.

Tipe Data pada Numpy

Sr.No Data Types & Description
1 bool_
Boolean (True or False) stored as a byte
2 int_
Default integer type (same as C long; normally either int64
or int32)
3 intc
Identical to C int (normally int32 or int64)
4 intp
Integer used for indexing (same as C ssize_t; normally either
int32 or int64)
5 int8
Byte (-128 to 127)
 6 int16
Integer (-32768 to 32767)
7 int32
Integer (-2147483648 to 2147483647)
8 int64
Integer (-9223372036854775808 to 9223372036854775807)
9 uint8
Unsigned integer (0 to 255)
10 uint16
Unsigned integer (0 to 65535)
11 uint32
Unsigned integer (0 to 4294967295)
12 uint64
Unsigned integer (0 to 18446744073709551615)
13 float_
Shorthand for float64
14 float16
Half precision float: sign bit, 5 bits exponent, 10 bits mantissa
15 float32
Single precision float: sign bit, 8 bits exponent, 23 bits
mantissa
16 float64
Double precision float: sign bit, 11 bits exponent, 52 bits
mantissa
17 complex_
Shorthand for complex128
18 complex64
Complex number, represented by two 32-bit floats (real and
imaginary components)
19 complex128
Complex number, represented by two 64-bit floats (real and
imaginary components)

Terdapat beberapa atribut array Numpy, diantaranya :

- ndarray.shape adalah atribut array yang mengembalikan tuple yang
terdiri dimensi array dan juga dapat digunakan untuk mengubah ukuran
array
 Reshape
function untuk
merubah
ukuran array

- ndarray.ndim adalah atribut array untuk mengembalikan jumlah

dimensi array

- numpy.itemsize adalah atribut array untuk mengembalikan jumlah

dimensi array
 - numpy.flags adalah atribut array untuk mengembalikan nilai oleh
fungsi.

import numpy as np
x = np.array([1,2,3,4,5])
print (x.flags)

1.3. SciPy
SciPy adalah library open-source yang digunakan dalam matematika
(operasi aljabar dan matriks), komputasi ilmiah, dan sebagainya. SciPy terdiri
dari beberapa sub-package, yaitu :
Subpackage Description
scipy.cluster Vector quantization / Kmeans
scipy.constants Physical and mathematical constants
scipy.fftpack Fourier transform
scipy.integrate Integration routines
scipy.interpolate Interpolation
scipy.io Data input and output
scipy.linalg Linear algebra routines
scipy.ndimage n-dimensional image package
scipy.odr Orthogonal distance regression
scipy.optimize Optimization
scipy.signal Signal processing
scipy.sparse Sparse matrices
scipy.spatial Spatial data structures and algorithms
scipy.special Any special mathematical functions
scipy.stats Statistics
 from scipy.special import cbrt
cb = cbrt([27, 64])
Fungsi Root Cubic
print(cb)
menemukan akar
nilai kubus.
Output :
[3. 4.]

from scipy.special import exp10

value in its
exp = exp10([1,10])
print(exp)

Output :
[1.e+01 1.e+10]

1.4. Matplotlib
Matplotlib adalah modul python untuk menggambar plot 2D dengan
kualitas tinggi. matplotlib dapat digunakan dalam script python, interpreter
python dan ipython, server, dan 6 GUI toolkit (Kivy, PyQT, Tkinter, WxPython,
PyGUI dan PySide). Dalam Matplotlib terdapat plot untuk menampilkan data
secara 2D atau 3D. Sehingga dapat menampilkan data yang telah diolah sesuai
kebutuhan.

import matplotlib.pyplot as plt

plt.plot([1,2,3,4,5,6,7])
plt.ylabel('angka')
plt.show()
LATIHAN 1 :

import pandas as pd
d = {'satu' : pd.Series([1,2,3], index['a', 'b', 'c']),
'dua' : pd.Series([1,2,3,4], index['a', 'b', 'c', 'd']),
'tiga' : pd.Series([10,20,30], index['a', 'b', 'c'])}

df = pd.DataFrame(d)
print ("\nDataFrame nya adalah :")
print (df)

print ("\nHasil :")

del df[satu]
print (df)

print ("\nHasil :")

df.pop(dua)
print (df)

LATIHAN 2 :

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4], [13, 17, 19, 33])
plt.title(percobaan)
plt.ylabel(sumbu y)
plt.xlabel(sumbu x)
plt.show()