Pelajari tentang array NumPy dengan Python

Python adalah salah satu bahasa pemrograman yang paling menarik. Python dapat digunakan untuk membuat berbagai program seperti CLI, GUI, aplikasi seluler, web, dan IoT. Python merupakan bahasa pemrograman yang dapat digunakan untuk menyelesaikan berbagai macam masalah. Ada beberapa library yang umum digunakan dalam Python seperti NumPy, Pandas dan Matplotlib.

NumPy adalah singkatan dari Numeric Python. NumPy adalah library Python yang bekerja dalam proses komputasi numerik. NumPy dapat membuat objek array N-dimensi. Array adalah kumpulan variabel dengan tipe data yang sama. Keuntungan dari array NumPy adalah memfasilitasi operasi aritmatika pada data, cocok untuk akses acak, dan dapat dianggap sangat efisien dalam penyimpanan karena elemen array adalah nilai independen.

Array numpy biasanya merupakan kumpulan tipe data yang homogen. Artinya, berisi satu jenis objek (tipe data). Lokasinya, tidak seperti daftar, disimpan terus-menerus di satu lokasi di memori, sehingga dapat diakses dan dimanipulasi dengan sangat efisien selama proses.
Python sebenarnya memiliki daftar untuk array, tetapi mereka heterogen dan berisi objek (tipe data) dari tipe arbitrer. Lokasi disimpan di dekatnya, yang memperlambat segalanya.
Karena itu, array numpy 50 kali lebih cepat daripada daftar python tradisional, membuat array numpy lebih kuat dan efisien daripada daftar python. Karena Numpy terintegrasi dengan bahasa pemrograman C dan C++, Numpy memiliki waktu eksekusi yang lebih cepat daripada daftar Python.
Selain itu, array numpy memiliki fungsi yang bekerja dalam domain aljabar linier, transformasi Fourier, dan matriks. Numpy diciptakan oleh Travis Oliphant pada tahun 2005. Ini adalah proyek sumber terbuka yang dapat kami gunakan secara gratis. Array numpy sangat berguna untuk penggunaan data yang efisien untuk tujuan praktis.

Tutorial Dasar NumPy Python

Membuat Array NumPy
Install numPy
Langkah pertama mari kita import numpy
Contoh

1    import numpy
2    arr = numpy.array([1, 2, 3, 4, 5])
3    print(arr)

Hasil

1    [1 2 3 4 5]

Import numpy dengan alias np untuk nama yang lebih pendek. Dan digunakan untuk modul yang telah ditentukan.
Contoh

1    import numpy as np
2    arr = np.array([1, 2, 3, 4, 5])
3    print(arr)

Hasil

1    [1 2 3 4 5]

Periksa versi numpy

1    import numpy as np
2    print(np.__version__)

Hasil

1    1.18.5

Jika numpy sudah terinstall dengan benar, kita dapat melihat output yang mirip dengan hasil di atas.
Anda dapat membuat array dengan NumPy dengan terlebih dahulu di list ke dalam daftar dan mengubahnya menjadi array numpy.

1    listku = [1,2,3,4,5]
2    arrku = np.array([listku])
3    arrku

atau langsung tanpa membuat variabel list terlebih dahulu

1    arrku = np.array([1,2,3,4,5])
2    arrku

Hasilnya akan seperti ini

1    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

1    np.zeros(5) # array dengan nilai 0 sebanyak 5 
2    np.ones(5) # array dengan nilai 1 sebanyak 5 
3    np.arange(1, 10, 2) #arrange(start, stop, step)
4    np.linspace(1, 10, 2) # linespace(start, stop, number)
5    np.logspace(1, 10, 2) # logspace(start, stop, number)

Hasilnya

1    [0. 0. 0. 0. 0.]
2    [1. 1. 1. 1. 1.]
3    [1 3 5 7 9]
4    [ 1. 10.]
5    [1.e+01 1.e+10]

Multidimensional Array

Salah satu yang fitur sangat menarik dari NumPy adalah kemampuannya untuk membuat array multidimensi dan memanipulasi array dengan mudah dan cepat.
Array multidimensi adalah array yang memiliki banyak dimensi (1D) dan dapat berupa 2D, 3D, 4D, dll.
Membuat array multidimensi sama dengan membuat array satu dimensi. Perbedaannya hanya pada parameter yang digunakan.
Di bawah ini adalah contoh membuat array dua dimensi.

1    arrku = np.array([[1,2,3,4,5], [2,4,6,8,10]])

Hasilnya

1    array([[ 1,  2,  3,  4,  5],
2           [ 2,  4,  6,  8, 10]])

Array di atas berbentuk (2,5) , yang berarti memiliki 2 baris dan 5 kolom.
Anda dapat memeriksa jumlah elemen di setiap dimensi menggunakan bentuk

1    arrku.shape

Indexing dan Slicing

Pengindeksan dan pemisahan array juga mudah
Indeks berbasis 0 dan dimulai dengan notasi braket "[ ]".
misal kita ingin mencari nilai pada indeks 0, 2 dan 4

1    arr_A = np.array([1,2,3,4,5])
2    print(arr_A[0])
3    print(arr_A[2])
4    print(arr_A[4])

Hasilnya

1.    1
2.    3
3.    5

Untuk mengambil nilai berderet tambahkan tanda  “:”

1    arr_A = np.array([1,2,3,4,5])
2    print(arr_A[0:4])

Kita juga bisa melakukan slicing di multidimensional array

1    arr_A = np.array([[1,2,3,4,5], [2,4,6,8,10]])
2    print(arr_A)
3    print(arr_A[1,1])

Nilai pada kolom index ke-1 dan baris index ke-1 adalah 4
Operasi Aritmatika
Operasi aritmatika seperti penambahan, pengurangan, perkalian, pembagian dan eksponensial dapat digunakan
Operator yang digunakan adalah +, -, *, /, dan **.
Berikut ini adalah contoh operasi aritmatika pada array.

1    arr_A = np.array([1,2,3,4,5])
2    arr_B = np.array([2,2,2,2,2])
3    print("Penjumlahan = ", arr_A + arr_B)
4    print("Pengurangan = ", arr_A - arr_B)
5    print("Perkalian = ", arr_A * arr_B)
6    print("Pembagian = ", arr_A / arr_B)
7    print("Perpangkatan = ", arr_A ** arr_B)

Hasilnya adalah

1    Penjumlahan =  [3 4 5 6 7]
2    Pengurangan =  [-1  0  1  2  3]
3    Perkalian =  [ 2  4  6  8 10]
4    Pembagian =  [0.5 1.  1.5 2.  2.5]
5    Perpangkatan =  [ 1  4  9 16 25]

Operasi Matematika
NumPy mempunyai fungsi matematika yang dapat digunakan pada Array
Beberapa contoh fungsi statistik antara lain min(), max(), mean(), sum(), std()

1    arrku = np.array([1,2,3,4,5])
2    print("Nilai Terendah = ", arrku.min())
3    print("Nilai Tertinggi = ", arrku.max())
4    print("Nilai rata-rata = ", arrku.mean())
5    print("Total nilai = ", arrku.sum())
6    print("Standar Deviasi = ", arrku.std())

Hasilnya adalah

1    Nilai Terendah =  1
2    Nilai Tertinggi =  5
3    Nilai rata-rata =  3.0
4    Total nilai =  15
5    Standar Deviasi =  1.4142135623730951

Ada juga fungsi argmin() dan argmax() untuk mendapatkan index dari nilai minimum dan maksimum

1    print("Index nilai Terendah = ", arrku.argmin())
2    print("Index nilai Tertinggi = ", arrku.argmax())

Hasilnya

1    Index nilai Terendah =  0
2    Index nilai Tertinggi =  4

1. Membuat Array

Langkah pertama dalam membuat array adalah dengan mengimport library numpy terlebih dahulu dengan mengetikkan import numpy as np. Untuk membuat array, digunakan fungsi array(). Langkah selanjutnya adalah memeriksa tipe data array menggunakan fungsi type(). Array NumPy adalah objek ndarray yang mewakili array n-dimensi.

2. Operasi pada Array

Ada beberapa operasi yang umum digunakan pada array.
Tambahkan nilai dengan fungsi append()
Hapus nilai dengan fungsi pop() atau remove()
Hitung panjang array dengan fungsi len()

3. Metode NumPy Array

NumPy dapat digunakan untuk memanipulasi array dengan Python. Hal ini dapat dilakukan dengan beberapa cara.
Jalankan pengindeksan. Indeks array dimulai dari indeks 0. Nilai ke-i diakses dengan menentukan indeks yang diinginkan di [ ].
membuat potongan. Slicing adalah cara untuk mengekstrak elemen dalam array menggunakan [:].
berubah bentuk. Membentuk kembali berarti mengubah bentuk array dengan menulis fungsi reshape()