Cara menggunakan python cube root numpy

You can get the square root of the single element of an array using numpy.sqrt() function. You can also get the square values of the NumPy array using

# Syntax of python numpy.sqrt() 
numpy.sqrt(arr, out=None, where=True, casting='same_kind', order='K', dtype=None)

import numpy as np

# Create a single element
arr = np.array(25)

# Use numpy.sqrt() function to get single element
arr2 = np.sqrt(arr)
print(arr2)

# Output:
[5.0]

# get single element square root value
arr2 = np.sqrt(45)
print(arr2)

# Output :
# 6.708203932499369

4. Get the Multiple Square Root Values of NumPy Array

To initialize the array with list of numbers use

# Syntax of python numpy.sqrt() 
numpy.sqrt(arr, out=None, where=True, casting='same_kind', order='K', dtype=None)

# Create an input array
arr =np.array([25, 49, 225, 64, 81, 16])

# Use numpy.sqrt() function to square root of numbers
arr2 = np.sqrt(arr)
print(arr2)

# Output
# [ 5.  7. 15.  8.  9.  4.]

5. Get the Square Roots of Complex Numbers

You can use complex numbers as elements of an array to calculate the square roots of these elements using numpy.sqrt(). For example,

# Create an input array
arr =np.array( [2+6j, -5-8j, 4-5j, 3+4j])

# Use numpy.sqrt() function with complex numbers
arr2 = np.sqrt(arr)
print(arr2)

# Output
# [2.04016609+1.47046852j 1.4889562 -2.68644571j 2.28069334-1.09615789j  2.+1.j ]

6. Get The Square Roots of Negative and Infinite Values

Using thenumpy.sqrt() function you can also calculate the square root of the negative and Infinite as input values of an array. The square root of a matrix with negative numbers will throw RuntimeWarning and the square root of the element is returned as

import numpy as np

# Create a single element
arr = np.array(25)

# Use numpy.sqrt() function to get single element
arr2 = np.sqrt(arr)
print(arr2)

# Output:
[5.0]

# get single element square root value
arr2 = np.sqrt(45)
print(arr2)

# Output :
# 6.708203932499369

# Create an 1D input array
arr =np.array[-6, np.inf, 25, -15, np.inf]

# Use numpy.sqrt() function with negative and infinite 
arr2 = np.sqrt(arr)
print(arr2)

# Output
# [nan inf  5. nan inf]
# RuntimeWarning: invalid value encountered in sqrt

7. Get the Square root of NumPy Array with Float Values

You can find the square root of the float values of array elements by using the numpy.sqrt() function.

# Create an 1D input array
arr = np.array( [4.3, 8.5, 15.1, 23.7, 14.2, 7.8])

# Use numpy.sqrt() function to floating-point array
arr2 = np.sqrt(arr)
print(arr2)

# Output
# [2.07364414 2.91547595 3.88587185 4.86826458 3.76828874 2.79284801]

8. Get the Square Roots of 2-D NumPy Array Values

Let’s calculate the square roots 2-D NumPy array values by using numpy.sqrt() function.

# Create an 2D input array
arr = np.array([[25, 64, 9, 16], [9, 4, 49, 36]])

# Use numpy.sqrt() function to get the 
# square root values of 2-d array
arr2 = np.sqrt(arr)
print(arr2)

# Output
# [[5. 8. 3. 4.]
# [3. 2. 7. 6.]]

9. Conclusion

In this article, I have explained how to use Python numpy.sqrt() function to calculate the square root of every element in the given array with examples.

Numpy berasal dari kata "Numerical Python" merupakan salah satu library yang disediakan oleh Python dimana berfungsi dalam membantu melakukan proses komputasi numerik. Sedangkan Array merupakan kumpulan variabel yang memiliki tipe data yang sama. Numpy menyimpan datanya dalam bentuk array. Numpy array ini berupa data multidimensional yang mana dapat berupa 1-dimensi maupun 2-dimensi. 

Array 1-dimensi adalah sekumpulan data yang berisikan nama variabel dan tipe data yang sama yang dapat diakses menggunakan 1 buah index saja disebut juga dengan vektor. Sedangkan array 2-dimensi adalah sekumpulan data yang berisikan nama dan tipe data yang sama dimana elemennya dapat diakses menggunakan 2 buah index yaitu index kolom dan index baris disebut juga dengan matriks. Numpy array penting dipahami bagi praktisi data seperti Data Scientist, Data Engineer, dan Data Analyst karena fungsi ini dapat digunakan dalam memanipulasi data. Langkah pertama yang perlu dilakukan ketika menggunakan numpy array di Python adalah memanggil library numpy seperti gambar dibawah ini.

Setelah mengimport library numpy, kita bisa membuat array. Disini DQLab akan berbagi 3 variasi cara dalam membuat array. Yuk, simak dibawah ini!

1. Membuat Numpy Array Dengan List

List python adalah salah satu cara membuat numpy array yang sering digunakan. Tuliskan nama variabel yang diinginkan. Kemudian gunakan fungsi numpy yang sudah diinisiasikan sebelumnya yaitu np diikuti dengan fungsi array kurung dua yang diisi dengan nilai array dalam kurung siku. Pada array 1-dimensi nilai yang diisikan hanya dalam satu baris. Perlu diingat ya, nilai array hanya berisi satu tipe data yang sama. 

Sedangkan untuk array 2-dimensi penulisan kodenya sama. Perbedaannya hanya pada isi array yang berisi dua baris data dengan jumlah yang sama. Contohnya seperti berikut.

Dapat dilihat pada kedua kode tersebut ada fungsi .ndim() berfungsi menghitung dimensi array dan .shape() yang berfungsi menghitung isi dari array. 

Baca juga : Python Array : Memahami Kegunaan Array Dalam Python

2. Membuat Numpy Array Kosong

Dalam membuat numpy array bernilai kosong, pertama tuliskan nama variabel yang diinginkan kemudian diikuti dengan numpy ditambah fungsi .zeros dan kurung dua yang berisi jumlah array yang diinginkan. Untuk numpy array 1-dimensi kodenya bisa dilihat dibawah ini.

Penulisannya sama dengan array 2-dimensi, yang berbeda hanya jumlah array yang dituliskan. Pada array 2-dimensi berdasarkan contoh diatas dituliskan angka 2 yang berarti dua baris data dan angka 3 yang berarti masing-masing baris berisi tiga data.

3. Membuat Numpy Array Tipe Data Integer

Ketika ingin membuat array yang isinya berupa data random yang bertipe data integer, kita bisa menggunakan parameter fungsi .random.randint(). Cara membuatnya adalah tuliskan nama variabel diikuti dengan numpy dan fungsi tersebut dan kurung dua yang berisi range data dan jumlah array. Kode dibawah ini adalah contoh numpy array random untuk tipe data integer. Pada contoh dituliskan angka 1 dan 10 yang berarti range nilai dan angka 2 dan 3 yang berarti jumlah array dan isinya. Maka akan menampilkan angka antara 1 sampai 10 dalam bentuk 2-dimensi. 

Baca juga : Yuk, Mulai Belajar Data Science dengan Bahasa Pemrograman Python

4. Yuk Belajar Numpy Array Dengan Python Sekarang!

Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industri data yang sebenarnya! Sign up sekarang untuk #MulaiBelajarData di DQLab!