NumPy merupakan salah satu library Python yang banyak digunakan dalam proses analisis data karena fiturnya yang hebat Show
NumPy hampir menyerupai List pada Python tetapi lebih powerful. Ada beberap kelebihan NumPy dibandingkan List seperti size, performance dan functionally Struktur data NumPy lebih membutuhkan ukuran yang lebih kecil dibandingkan dengan List tetapi mempunyai performa yang lebih cepat Sebelum menggunakan NumPy di Python, terlebih dahulu library ini harus diimport import numpy as np Jika belum ada NumPy dapat diinstall terlebih dahulu menggunakan pip pip install numpy Contents Membuat Array NumPyKita bisa membuat Array menggunakan NumPy dengan membungkusnya terlebih dahulu di List dan dirubah menjadi numpy array. listku = [1,2,3,4,5] arrku = np.array([listku]) arrku atau langsung tanpa membuat variabel list terlebih dahulu arrku = np.array([1,2,3,4,5]) arrku Hasilnya akan seperti ini array([1, 2, 3, 4, 5]) Ada beberapa fungsi lagi yang dapat digunakan dalam membuat array antara lain zeros(), ones(), arange(), linspace(), logspace(), zeros() -> Membuat array dengan nilai 0 ones() -> Membuat array dengan nilai 1 arange() -> Membuat array dengan nilai dalam range linspace() -> Membuat array dengan nilai dalam interval logspace() -> Membuat array dengan nilai log Base10 dalam interval Berikut contohnya np.zeros(5) # membuat array dengan nilai 0 sebanyak 5 np.ones(5) # membuat array dengan nilai 1 sebanyak 5 np.arange(1, 10, 2) #arange(start, stop, step) np.linspace(1, 10, 2) # linespace(start, stop, number) np.logspace(1, 10, 2) # logspace(start, stop, number) Hasilnya [0. 0. 0. 0. 0.] [1. 1. 1. 1. 1.] [1 3 5 7 9] [ 1. 10.] [1.e+01 1.e+10] Multidimensional ArraySalah satu fitur menarik dari NumPy adalah dia mampu membuat multidimensional array dan melakukan manipulasi array dengan mudah dan cepat Multidimensional array adalah array yang berbentuk lebih dari 1 dimensi (1D), bisa 2D, 3D, 4D dan seterusnya Cara membuat multidimensional array sama dengan membuat array 1 dimensi, perbedaannya hanya pada parameter yang digunakan Berikut contohnya membuat array 2 dimensi arrku = np.array([[1,2,3,4,5], [2,4,6,8,10]]) Hasilnya array([[ 1, 2, 3, 4, 5], [ 2, 4, 6, 8, 10]]) Array diatas adalah berbentuk (2,5) artinya mempunyai 2 baris dan 5 kolom Kita bisa melihat jumlah elemen di setiap dimensi dengan menggunakan shape pip install numpy0 Indexing dan SlicingKita juga dapat melakukan indexing dan slicing terhadap array dengan mudah Indexing dimulai dari 0 dan dimulai dengan notasi bracket β[ ]β Misal kita ingin mencari nilai yang berada di index 0, 2, dan 4 pip install numpy1 Hasilnya pip install numpy2 Untuk mengambil nilai berderet tambahkan β:β pip install numpy3 Kita juga dapat melakukan slicing di multidimensional array pip install numpy4 Nilai pada kolom index ke-1 dan baris index ke-1 adalah 4 Operasi AritmatikaKita bisa menggunakan operasi aritmatika seperti penjumlahan, pengurangan, perkalian, pembagian dan perpangkatan Numpy menyediakan fungsi yang siap pakai untuk memudahkan kita melakukan perhitungan saintifik seperti matriks, aljabar, statistik, dan sebagainya. Mengapa kita butuh Numpy? Bukannya di Python sudah ada list dan modul math ya? π€ Betul, list dan math memang bisa kita pakai buat perhitungan saintifik. Namun masih kurang lengkap, karena beberapa operasi perhitungan harus kita buat secara manual. Contoh: Kita ingin menghitung hasil penjumlahan tiap elemen di list.
Hasilnya tidak sesui dengan yang kita harapkan. Seharusnya tiap elemen dijumlahkan, tapi malah list-nya digabungkan. Jika ingin menjumlahkan, maka kita harus membuat rumus atau fungsi secara manual seperti ini:
Karena itu, biar gak repot buat secara manual dari nol.. sebaiknya pakai yang sudah ada dari Numpy. Selain itu, performa Numpy juga lebih cepat dibandingkan list. Soalnya library Numpy ditulis dengan bahasa C dan sebagaian lagi Python. Oke.. lalu gimana cara install dan pakai Numpy? Mari kita lanjut pelajari: Cara Menginstall NumpyNumpy dapat kita install dengan package manager 2.Jalankan perintah berikut di Terminal atau CMD untuk menginstal Numpy:
Cukup jalankan perintah ini sekali saja, maka Numpy akan terinstal di komputermu. Setelah berhasil menginstal, selanjutnya kita pelajari: Cara Menggunakan NumpyNumpy harus kita impor dulu agar bisa digunakan di dalam program. Contoh:
Pada contoh ini, kita mengimpor 3 dan menggunakan nama alias 4 biar nggak ngetik kepanjangan hehe.Setelah itu, barulah kita bisa pakai fungsi-fungsi yang ada di 4 (Numpy).Contoh: Membuat array dengan Numpy
Variabel 6 akan menjadi sebuah object array ( 7).Jangan bingung dengan istilah 7....ini artinya n dimension array. Secara simpel, artinya: array multi dimensi. Latihan: Membuat Array dengan NumpyBuatlah file baru beranam 9 kemudian isi dengan kode berikut:
Setelah itu, coba jalankan. Maka hasilnya: Pada latihan ini, kita bisa tau.. ..kalau array di Numpy cara akses datanya sama seperti list. Membuat Matriks dengan NumpyMatriks di dalam kode program biasanya dibuat dengan array dua dimensi, ini karena matrik terdiri dari baris dan kolom. Dimensi pertama berperan sebagai kolom dan dimensi kedua akan berperan seabgai baris. Contoh:
Pada contoh ini kita membuat list dua dimensi dengan list. Jika ingin membuat matriks dengan Numpy, maka kita bisa pakai fungsi 0 dan memasukan list matriksnya.Contoh:
Cara mengakses datanya juga sama seperti list. Misal mau ngambil angka 1, maka kita bisa akses dengan:
Ini karena angka 1 berada di kolom ke-1 dan baris ke-1.Ingat, list atau array itu indeksnya selalu dimulai dari nol. Jika mau ambil angka 3 gimana?Gampang⦠Tunggal tulis seperti ini:
Ini karena angka 3 berada di kolom ke-0 dan baris ke-2.Gampang kan? Saya anggap kamu sudah paham. Selanjutnya kita akan belajar operasi matriks dengan Numpy. Operasi Matriks dengan NumpyJika kamu menggunakan list di Python untuk operasi matriks, maka kamu akan membaut operasinya secara manual dengan perulangan. Contohnya seperti ini: 0Ini tentu merepotkan, karena kita harus membuat sendiri operasinya. Tapi tenang saja.. ..di Numpy kita bisa melakukan operasi matrik dengan mudah, semudah melakan operasi pada bilangan. Mari kita coba! Penjumlahan matriks Buat file baru dengan nama 5 kemudian isi dengan kode berikut:penjumlahan_matrik.py 1Setelah itu, coba jalankan! Maka hasilnya: Pengurangan matriks Buat file baru dengan nama 6 kemudian isi dengan kode berikut:pengurangan_matrik.py 2Setelah itu, coba jalankan! Maka hasilnya: Perkalian matriks Buat file baru dengan nama 7 kemudian isi dengan kode berikut:perkalian_matrik.py 3Setelah itu, coba jalankan! Maka hasilnya: Pembagian matriks Buat file baru dengan nama 8 kemudian isi dengan kode berikut:pembagian_matrik.py 4Setelah itu, coba jalankan! Maka hasilnya: Mantap! π Cukup mudah bukan? Berikutnya kita akan belajar tentang Transformasi Matriks dengan NumpyTransformasi Matrik artinya mengubah bentuk matrik ke bentuk yang lain. Ada tiga fungsi yang digunakan untuk transformasi matrik:
Mari kita coba! Latihan: Transpose Matrik dengan NumpyBuatlah file baru dengan nama 3, kemudian isi dengan kode berikut:balik_matrik.py 5Setelah itu, coba jalankan! Maka hasilnya: Selain menggunakan teknik di atas, kita juga bisa membalik matrik seperti ini. 6Latihan: Mengubah bentuk ukuran MatrikBuatlah file baru dengan nama 4, kemudian isi dengan kode berikut:matrik_reshape.py 7Setelah itu, coba jalankan! Maka hasilnya: Pada contoh ini, kita mengubah sebuah list menjadi matrik 2x3. Atribut 5 berfungsi untuk mengetahui ukuran array.Matrik yang sudah kita reshape, bisa juga kita kembalikan lagi dengan fungsi 0.Contoh: 8Angka 7 adalah ukuran matriknya.Latihan: Mengubah Matrik ke List VektorBuatlah file baru dengan nama 8, kemudian isi dengan kode berikut:matrik_flat.py 9Setelah itu, coba jalankan! Maka hasilnya: Sejauh ini kita sudah bisa menggunakan Numpy untuk membuat list dan matrik. Berikutnya kita akan coba fungsi-fungsi untuk pengolahan data. Fungsi Pengolahan Data di NumpyKalau kamu pernah belajar statistik, mungkin tidak akan asing dengan mean (rata-rata), sum, min, max, dll. Nah, di Numpy.. kita sudah disediakan fungsi-fungsi ini. Sehingga pengolahan data akan jadi lebih mudah. Mari kita langsung coba aja contohnya. Buatlah file baru dengan nama 9 kemudian isi dengan kode berikut: 0Setelah itu coba jalankan! Maka hasilnya: Mantap! π Dengan adanya fungsi-fungsi ini, kerjaan Data Science kita akan jadi lebih mudah. Apa Selanjutnya?Sejauh ini kita sudah paham dan tahu apa itu Numpy dan gimana cara pakainya. Sebenarnya masih banyak lagi fungsi-fungsi yang belum kita bahas. Tentu tidak akan cukup jika saya bahas semua di sini. |