Python Numpy
NumPy adalah pustaka python yang digunakan untuk bekerja dengan array.
NumPy juga memiliki fungsi untuk bekerja dalam domain aljabar linier,
transformasi fourier, dan matriks.
NumPy dibuat pada 2005 oleh Travis Oliphant. Ini adalah proyek open source
dan kita dapat menggunakannya secara bebas.
Python memiliki lists yang digunakan untuk melayani fungsi array / larik,
tetapi lists memiliki karakteristik yang lambat untuk diproses.
NumPy bertujuan untuk menyediakan objek array yang hingga 50x lebih cepat
dari list Python tradisional.
Array sangat sering digunakan dalam data science, dimana kecepatan dan
sumber daya merupakan sesuatu yang sangat penting.
Data Science adalah cabang ilmu komputer tempat kami mempelajari cara
menyimpan, menggunakan, dan menganalisis data untuk memperoleh informasi
darinya.
Array NumPy disimpan di satu tempat terus menerus dalam memori tidak
seperti list, sehingga proses dapat mengakses dan memanipulasi mereka
dengan sangat efisien.
Perilaku ini disebut lokalitas referensi dalam ilmu komputer.
Ini adalah alasan utama mengapa NumPy lebih cepat dari daftar. Juga
dioptimalkan untuk bekerja dengan arsitektur CPU terbaru.
github: memungkinkan banyak orang untuk bekerja pada basis kode yang sama.
Instalasi NumPy
Jika Anda memiliki Python dan PIP yang sudah diinstal pada suatu sistem,
maka pemasangan NumPy sangat mudah.
1
Maman Somantri Prak Komputer Terapan Teknologi Pangan
Instal menggunakan perintah ini:
C: \ Users \ Your Name> pip install numpy
Jika perintah ini gagal, maka gunakan distribusi python yang sudah memiliki
NumPy diinstal seperti, Anaconda, Spyder dll.
alias: Dalam Python alias adalah nama alternatif untuk merujuk ke hal yang
sama.
NumPy digunakan untuk bekerja dengan array. Objek array di NumPy disebut
ndarray.
Kita dapat membuat objek numPy NumPy dengan menggunakan fungsi array ().
Numpy memiliki Dimensi dalam Array. Dimensi dalam array adalah satu tingkat
kedalaman array (array bersarang/nested.
nested array adalah array yang memiliki array sebagai elemennya.
Ada beberapa jenis dimensi Array:
- Array 0-D
- Array 1-D
2
Maman Somantri Prak Komputer Terapan Teknologi Pangan
- Array 2-D
- Array 3-D
Array 0-D, atau Skalars, adalah elemen dalam array. Setiap nilai dalam
array adalah array 0-D.
Silahkan coba kode berikut ini :
Array yang memiliki array 0-D sebagai elemen-elemennya disebut array uni-
dimensional atau 1-D.
Array yang memiliki array 1-D sebagai elemen-elemennya disebut array 2-D.
Ini sering digunakan untuk merepresentasikan matriks atau tensor orde 2.
NumPy memiliki seluruh sub modul yang didedikasikan untuk operasi matriks
yang disebut numpy.mat
Contoh : Buat array 2-D yang berisi dua array dengan nilai 1,2,3 dan 4,5,6
Silahkan di coba !
3
Maman Somantri Prak Komputer Terapan Teknologi Pangan
Array dapat memiliki sejumlah dimensi. Ketika array dibuat, Anda dapat
menentukan jumlah dimensi dengan menggunakan argumen ndmin.
Contoh : Buat sebuah array dengan 5 dimensi dan verifikasi bahwa ia
memiliki 5 dimensi
Dalam array ini dimensi paling dalam (dim ke-5) memiliki 4 elemen, dim ke-4
memiliki 1 elemen yaitu vektor, dim ke-3 memiliki 1 elemen yaitu matriks
dengan vektor, dim ke-2 memiliki 1 elemen yaitu array 3D dan dim 1 memiliki
1 elemen yang merupakan array 4D.
4
Maman Somantri Prak Komputer Terapan Teknologi Pangan
Untuk mengakses elemen dari array 2-D kita dapat menggunakan integer yang
dipisahkan koma yang mewakili dimensi dan indeks elemen.
Untuk mengakses elemen dari array 3-D kita dapat menggunakan integer yang
dipisahkan koma yang mewakili dimensi dan indeks elemen.
Contoh
Penjelasan contoh :
inilah sebabnya:
Angka pertama mewakili dimensi pertama, yang berisi dua array:
[[1, 2, 3], [4, 5, 6]]
dan:
[[7, 8, 9], [10, 11, 12]]
Karena memilih 0, maka yang diperhatikan adalah array pertama:
[[1, 2, 3], [4, 5, 6]]
Angka kedua mewakili dimensi kedua, yang juga mengandung dua array:
[1, 2, 3]
dan:
[4, 5, 6]
Karena kita memilih 1, maka yang diperhatikan adalah array kedua:
[4, 5, 6]
Pengindeksan Negatif
Gunakan pengindeksan negatif untuk mengakses array dari akhir.
Contoh
5
Maman Somantri Prak Komputer Terapan Teknologi Pangan
8.3. NumPy Array Slicing
Slicing / Mengiris dalam python berarti mengambil elemen dari satu indeks
yang diberikan ke indeks yang diberikan lainnya.
Untuk menggunakan slice dengan bentuk umum indeks seperti ini: [start:
end]. Kita juga bisa mendefinisikan langkahnya, seperti ini: [start: end:
step].
Jika start tidak ditentukan, maka start dianggap 0
Jika end tidak ditentukan maka end dianggap panjang array di dimensi itu
Jika step tidak ditentukan maka step ini dianggap 1
Contoh:
Slicing 2 dimensi
6
Maman Somantri Prak Komputer Terapan Teknologi Pangan
8.4. Tipe Data dalam NumPy
NumPy memiliki beberapa tipe data tambahan, dan merujuk ke tipe data dengan
satu karakter, seperti i untuk bilangan bulat, u untuk bilangan bulat tak
bertanda (unsigned), dan lain-lain.
Di bawah ini adalah daftar semua tipe data dalam NumPy dan karakter yang
digunakan untuk mewakili mereka.
i - integer
b - boolean
u - bilangan bulat tak bertanda
f - mengapung
c - pelampung kompleks
m - timedelta
M - datetime
O - objek
S - string
U - unicode string
V - memori tetap untuk tipe lain (tidak berlaku)
Untuk memeriksa tipe daata dari array, NumPy memiliki properti yang disebut
dtype yang mengembalikan tipe data array.
Contoh : Dapatkan tipe data objek array
7
Maman Somantri Prak Komputer Terapan Teknologi Pangan
Membuat Array Dengan Tipe Data Yang Ditentukan
Dalam numpy bisa menggunakan fungsi array() untuk membuat array, fungsi ini
dapat mengambil argumen opsional: tipe yang memungkinkan kita untuk
menentukan tipe data yang diharapkan dari elemen array.
Contoh : Buat array dengan tipe data string dan integer
Jika tipe data yang diberikan dimana elemen tidak dapat disesuaikan maka
NumPy akan memunculkan ValueError.
Cara terbaik untuk mengubah tipe data dari array yang ada adalah dengan
membuat salinan array dengan metode astype().
Fungsi astype() membuat salinan array, dan memungkinkan Anda untuk
menentukan tipe data sebagai parameter.
Tipe data dapat ditentukan menggunakan string, seperti 'f' untuk float, 'i'
untuk integer dan lain-lain. Atau Anda dapat menggunakan tipe data secara
langsung seperti float untu bilangan desimal dan int untuk integer
(bilangan bulat).
Contoh: Ubah tipe data dari float ke integer dengan menggunakan 'i' sebagai
nilai parameter
8
Maman Somantri Prak Komputer Terapan Teknologi Pangan
Perbedaan Antara Copy (Salin) dan View (Tampilan)
Perbedaan utama antara copy dan view array adalah bahwa copy merupakan
array baru, dan view hanya berupa tampilan array asli.
Copy memiliki data dan setiap perubahan yang dilakukan pada copy (salinan)
tidak akan memengaruhi array asli, dan perubahan apa pun yang dilakukan
pada array asli tidak akan memengaruhi salinan.
View (Tampilan) tidak memiliki data dan perubahan apa pun yang dilakukan
pada tampilan akan memengaruhi array asli, dan perubahan apapun yang
dilakukan pada array asli akan memengaruhi tampilan.
Contoh : Buat salinan, ubah array asli, dan tampilkan kedua array
9
Maman Somantri Prak Komputer Terapan Teknologi Pangan
Setiap array NumPy memiliki basis atribut yang mengembalikan Tidak Ada jika
array memiliki data. Jika tidak, atribut dasar merujuk ke objek asli.
Contoh : Cetak nilai atribut dasar untuk memeriksa apakah array memiliki
datanya atau tidak
10
Maman Somantri Prak Komputer Terapan Teknologi Pangan