Cara menggunakan NP.RANDOM.RANDOM pada Python

>>> np.random.rand(3,2)
array([[ 0.14022471,  0.96360618],  #random
       [ 0.37601032,  0.25528411],  #random
       [ 0.49313049,  0.94909878]]) #random

Numpy Array¶

Membuat Array dari Python List¶

In [2]:

# integer array:
np.array([1, 2, 3, 4])

Tidak seperti Python lists, Numpy array elemen-elemennya bertipe data sama. Apabila tipe data nya tidak sama maka Numpy akan melakuakan upcast (menyamakan ke tipe data yang lebih tinggi) misalnya integer akan upcast ke float:

In [3]:

np.array([3.14, 5, 2, 8])

Out[3]:

array([3.14, 5.  , 2.  , 8.  ])

Membuat Array dari Awal¶

Untuk membuat array yang besar, lebih efesien membuat array dari awal dengan menggunakan routine yang sudah terdapat di Numpy. Berikut beberapa contohnya:

In [4]:

# Membuat sebuah array bertipe integer dengan panjang 10 dan berisi semua nol
np.zeros(10, dtype=int)

Out[4]:

array([0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

In [5]:

# Membuat array berukuran 3x5 float dan berisi 1 semua
np.ones((3,5), dtype=int)

Out[5]:

array([[1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1]])

In [6]:

# Membuat 3x5 array yang berisi 3.14 semua
np.full((3,5),3.14)

Out[6]:

array([[3.14, 3.14, 3.14, 3.14, 3.14],
       [3.14, 3.14, 3.14, 3.14, 3.14],
       [3.14, 3.14, 3.14, 3.14, 3.14]])

In [7]:

# Membuat array berurutan dimulai dari 0 dan berakhir pada 20 dan bertambah 2
np.arange(0,20,2)

Out[7]:

array([ 0,  2,  4,  6,  8, 10, 12, 14, 16, 18])

In [8]:

# Membuat array dengan 5 nilai yang berjarak diatara 0 dan 1
np.linspace(0,1,5)

Out[8]:

array([0.  , 0.25, 0.5 , 0.75, 1.  ])

In [9]:

# Membuat 3x3 array random
# nilai random diantara 0 dan 1
np.random.random((3,3))

Out[9]:

array([[0.05681408, 0.33232413, 0.71184618],
       [0.60768214, 0.28107309, 0.7500548 ],
       [0.3864422 , 0.45528181, 0.05189743]])

In [10]:

# Membuat 3x3 array dengan random bertipe integer pada interval 0,10
np.random.randint(0,10, (3,3))

Out[10]:

array([[3, 9, 5],
       [7, 2, 6],
       [5, 7, 6]])

In [11]:

# Membuat 3x3 matriks identitas
np.eye(3)

Out[11]:

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

Array Indexing¶

Jika kamu sudah terbiasa dengan indexing pada Python standard, indexing di Numpy mirip seperti itu.

In [12]:

# Membuat array random
np.random.seed(0)
x1 = np.random.randint(10, size=6) # array satu dimensi
x2 = np.random.randint(10, size=(3,4)) # array dua dimensi
x3 = np.random.randint(10, size=(3,4,5)) # array tiga dimensi

Out[13]:

array([5, 0, 3, 3, 7, 9])

In [14]:

# mengakses nilai 5 yang berada di index-0
x1[0]

In [15]:

# mengakses nilai 0 pada index-1
x1[1]

Untuk index dari belakang, menggunakan tanda negatif(-)

In [16]:

# Mengakses nilai terakhir pada array yaitu 9
x1[-1]

In [17]:

# Mengakses nilai sebelum nilai terakhir
x1[-2]

Pada array multidemensi, kita dapat mengakses nilai tersebut dengan memberikan tanda koma (,)

Out[18]:

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

In [20]:

# Mengakses index baris 2 pada kolom terakhir
x2[2,-1]

Numpy Array Attributes¶

[[3 5 2 4]
 [7 6 8 8]
 [1 6 7 7]]

In [22]:

print("x2 ndim: ", x2.ndim) # Jumlah dimensi array
print("x2 shape: ", x2.shape) # Bentuk array
print("x2 size: ", x2.ndim) # total ukuran aaray

x2 ndim:  2
x2 shape:  (3, 4)
x2 size:  2

Array Slicing:Accessing Subarray¶

Mengakses subarray dengan menggunakan tanda (:) dengan cara x[start:stop:step]

Subarray Satu Dimensi¶

Out[23]:

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

In [24]:

# Mengakses lima elemen pertama
x[:5]

In [25]:

# Mengakses elemen setalh index 5
x[5:]

In [26]:

# middle subarray, dimulai dari index 4 sampai index 6
x[4:7]
# index stop nya 7 jadi index stop itu +1 dari index terakhir yang ingin kita ambil

In [27]:

# Dimulai dari index 1 hingga terakhir, dengan step(melangkahi) 2
x[1::2]

Subarray Multidimensi¶

Out[28]:

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

In [29]:

# Mengakses 2 baris pertama dan 3 kolom pertama
x2[:2,:3]

Out[29]:

array([[3, 5, 2],
       [7, 6, 8]])

Subarray as no-copy views¶

Penting untuk diketaui slicing array hanya mengambil tampilan dari yang asli, sehingga array yang asli dapat dirubah nilainya dengan menggunakan variabel dari array sclicing nya. Berikut ini contohnya

[[3 5 2 4]
 [7 6 8 8]
 [1 6 7 7]]

In [31]:

# membuat 2x2 subarray x2
x2_sub = x2[:2,:2]
print(x2_sub)

In [32]:

# Kita akan merubah nilai dari x2_sub pada index 0,0
x2_sub[0,0] = 99
print(x2_sub)

In [33]:

# Dan coba lihat x2, nilainya juga akan berubah
print(x2)

[[99  5  2  4]
 [ 7  6  8  8]
 [ 1  6  7  7]]

Membuat Copy dari Array¶

In [34]:

x2_sub_copy = x2[:2,:2].copy()
print(x2_sub_copy)

In [35]:

# Lalu kita ubah nilainya
x2_sub_copy[0,0] = 42
print(x2_sub_copy)

In [36]:

# Lihat x2 yang asli, nilainya tidak berubah
print(x2)

[[99  5  2  4]
 [ 7  6  8  8]
 [ 1  6  7  7]]