Cara menggunakan python print list vertically

Numpy array merupakan sebuah bagian dari ilmu basic Python yang sangat wajib hukumnya untuk dikuasai. Pada dasarnya, Array merupakan struktur data yang dapat menampung lebih dari satu nilai dalam satu waktu yang bersamaan. Lalu numpy array itu apa? Sesuai dengan namanya, numpy berkaitan erat dengan angka. Singkatnya, numpy array merupakan array yang berisi kumpulan angka. Jika pada array biasa, elemen nya dapat berupa huruf ataupun gabungan antara huruf dan angka, maka pada numpy array, elemennya hanya dapat diisi dengan angka.

Join array merupakan proses penggabungan array yang satu dengan array lainnya. Menggabungkan disini merujuk kepada proses meletakkan dua atau lebih array dalam satu array. Jika pada SQL kita dapat melakukan proses penggabungan (yang dikenal dengan Join) menggunakan kata kunci, maka dalam array kita dapat menggabungkannya berdasarkan axis-nya (sumbunya). Dalam artikel ini kita akan membahas beberapa cara dalam menggabungkan array. Penasaran kan? Simak artikel berikut ini!

1. Join dengan Menggunakan Concatenate() Function

Proses join yang paling umum dalam numpy array adalah dengan menggunakan fungsi concatenate(). Dimana kita tidak akan memperhatikan urutan array yang akan digabungkan. Jika axisnya tidak didefinisikan, maka akan dianggap axis nya adalah 0. Array 1-D hanya bisa menggunakan axis 0 pada function concatenate(). Contohnya:

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.concatenate((arr1, arr2))

print(arr)

Maka hasil yang didapatkan hanya ada dalam satu baris.

[1 2 3 4 5 6]

Lalu bagaimana dengan array 2-D? Sebenarnya tidak jauh berbeda, hanya saja pada array 2-D kita dapat menggunakan axis=1 pada function concatenate(). Contohnya:

import numpy as np

arr1 = np.array([[4, 3], [2, 1]])

arr2 = np.array([[8, 7], [6, 5]])

arr = np.concatenate((arr1, arr2), axis=1)

print(arr)

Hasil yang diperoleh adalah,

[[4 3 8 7]

 [2 1 6 5]]

Sedangkan ketika menggunakan axis = 0, hasil yang didapatkan adalah,

[[4 3]

 [2 1]

 [8 7]

 [6 5]]

Baca juga : Python Array : Memahami Kegunaan Array Dalam Python

Function Stack() hampir sama dengan function concatenate(), bedanya stack dilakukan di axis yang baru. Hal ini memungkinkan array 1-D bisa memiliki axis = 1.  Outputnya akan berbentuk bersusun. Untuk lebih jelasnya, berikut contohnya,

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

arr = np.stack((arr1, arr2), axis=0)

print(arr)

Maka hasilnya akan sebagai berikut,

[[1 2 3]

 [4 5 6]]

Sedangkan ketika axisnya diganti menjadi 1, maka hasil yang didapatkan adalah,

[[1 4]

 [2 5]

 [3 6]]

Numpy juga menyediakan fungsi stack untuk baris dan juga kolom. Untuk rows dapat menggunakan function hstack(), sedangkan untuk kolom dapat menggunakan function vstack(). Untuk function stack baik di rows ataupun column, kita hanya bisa menggunakan axis = 0. Perbedaan antara keduanya adalah di tampilan outputnya. Ketika kita memilih menggunakan hstack() maka data akan digabungkan dalam satu baris atau secara horizontal. Sedangkan ketika memilih vstack(), outputnya akan ditampilkan dalam baris yang berbeda. Berikut contohnya,

import numpy as np

arr1 = np.array([1, 2, 3])

arr2 = np.array([4, 5, 6])

rows = np.hstack((arr1, arr2))

print(rows)

Maka hasilnya adalah

[1 2 3 4 5 6]

Sedangkan untuk column, kita hanya perlu mengganti perintah hstack() menjadi vstack() dan hasilnya adalah,

[[1 2 3]

 [4 5 6]]

Nah, bagaimana? Fungsi join di Python tidak kalah seru kan?

Baca juga : 3 Metode Numpy Array Python Sebagai Dasar Proses Manipulasi Data

4. Mulai Terapkan Ilmunya dengan Belajar Data Science bersama DQLab!

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 industi data yang sebenarnya! Sign up sekarang untuk #MulaiBelajarData di DQLab!

NumPy (Numerical Python) adalah library Python yang fokus pada scientific computing. NumPy Array memiliki kemampuan untuk membentuk objek N-dimensional array, yang mirip dengan list pada Python. Keunggulan NumPy array dibandingkan dengan list pada Python adalah konsumsi memori yang lebih kecil dan juga runtime yang lebih cepat. NumPy juga memudahkan kita pada operasi aljabar linear, terutama operasi pada vektor (1-d array) dan matrix (2-d array).

Pada artikel ini, DQLab akan berbagi pengetahuan mengenai bagaimana menggunakan Numpy untuk memanipulasi Array pada Python. Secara spesifik, pada artikel ini akan dijelaskan tutorial dasar yang dapat sahabat data sekalian terapkan menggunakan Numpy pada array, termasuk cara menggabungkan setiap array yang ada. Dengan memahami hal-hal fundamental mengenai numpy array tersebut, sahabat data akan memiliki dasar yang lebih baik dalam melakukan data processing kedepannya. Penasaran apa saja metode tersebut? Yuk simak penjelasan berikut!

1. Mengenal NumPy Array

NumPy merupakan salah satu library terpenting dalam bahasa pemrograman python. Fungsi NumPy array mirip dengan manipulasi data pada python. Beberapa manipulasi array dasar adalah atribut array, pengindeksan array, pembentukan baris, dan penggabungan-pemisahan array. Manipulasi array yang biasanya banyak digunakan adalah menggabungkan beberapa array menjadi satu atau memisahkan satu array menjadi beberapa bagian.

Langkah pertama saat ingin menggunakan library numpy adalah melakukan import dengan menggunakan coding library numpy as np. Penggunaan as disini, artinya kita menggantikan pemanggilan numpy dengan prefix np untuk proses berikutnya.

Untuk melakukan pengecekan tipe pada array menggunakan fungsi type() seperti gambar di bawah ini

Array df memiliki tipe data int32 dan int64 yang keduanya sama-sama bertipekan integer. Perbedaan keduanya pada kapasitas penyimpanan data.

Baca juga: Python vs R, Mana yang Lebih Tepat untuk Beginner?

2. Multidimensional Array

Salah satu fitur menarik dari NumPy adalah library ini mampu membuat multidimensional array dan melakukan manipulasi array dengan mudah dan cepat. Multidimensional array adalah array yang berbentuk lebih dari 1 dimensi seperti 2D, 3D, 4D dan seterusnya. Cara membuat multidimensional array sama dengan membuat array 1 dimensi, perbedaannya hanya pada parameter yang digunakannya saja. Berikut ini adalah contohnya membuat array 2 dimensi dengan menghasilkan output sebagai berikut:

Array diatas adalah berbentuk (2,5) artinya mempunyai 2 baris dan 5 kolom. Kita bisa melihat jumlah elemen di setiap dimensi dengan menggunakan fungsi shape. 

3. Operasi Aritmatika

Kita bisa menggunakan operasi aritmatika seperti penjumlahan, pengurangan, perkalian, pembagian dan perpangkatan. Operator yang digunakan adalah  +, -, *, / dan **

Berikut contoh operasi aritmatika pada array,

4. Kenali Join Array

Source : LearnSQL

Join atau penggabungan merupakan hal kerap kali kita temukan, termasuk dalam array. Tidak jarang dalam pekerjaan Data Science, kita akan membutuhkan penggabungan dari beberapa data yang telah ada. Join array merupakan proses penggabungan array yang satu dengan array lainnya. Menggabungkan ini lebih mengarah kepada proses menempatkan dua atau lebih array dalam satu array. Jika pada SQL kita dapat melakukan proses penggabungan (yang dikenal dengan Join) menggunakan kata kunci, maka dalam array kita dapat menggabungkannya berdasarkan axis-nya (sumbunya).

5. Fungsi untuk Join Array

Untuk menggabungkan antara array yang satu dengan yang lainnya, kita tentunya akan membutuhkan alat. Dalam hal penggabungan numpy array, kita bisa memanfaatkan beberapa fungsi, seperti:

• concatenate (), digunakan untuk menggabungkan array tanpa harus memperhatikan urutan array yang akan digabungkan. 

Source : Kanoki.org

• stack (), hampir mirip dengan concatenate() hanya saja bedanya stack() dilakukan di axis yang baru.

Source : Kanoki.org

• hstack(), untuk menggabungkan array yang hasilnya akan berbentuk rows atau horizontal  

• vstack(), untuk menggabungkan dua array atau lebih dimana hasilnya akan berbentuk column atau vertikal.

Baca juga: Belajar Python: Mengenal Array pada Bahasa Pemrograman Python

6. Belajar Sekarang Yuk, DQLab Punya Kesempatan Special untuk Kamu! 

Saat ini DQLab sedang mengadakan promo Valentine buy 1 get 1 free untuk modul premium dan juga modul platinum. Kamu cukup membayar 6 bulan subscription untuk mendapatkan 12 bulan subscription sebagai member premium. Eits, gak cuma itu loh, kamu juga bisa mendapatkan 2 modul platinum hanya dengan harga 180 ribu. Murah banget kan? Yuk, tunggu apa lagi, buruan join menjadi member DQLab sekarang juga! Penawaran ini akan berakhir di tanggal 20 Februari 2022. Jangan sampai kamu melewatkan penawaran menarik ini ya!