NumPy merupakan salah satu library Python yang banyak digunakan dalam proses analisis data karena fiturnya yang hebat 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 arrku.shape Indexing dan SlicingKita juga dapat melakukan indexing dan slicing terhadap array dengan mudah Indexing dimulai dari 0 dan dimulai dengan notasi bracket “[ ]” Misal kita ingin mencari nilai yang berada di index 0, 2, dan 4 arr_A = np.array([1,2,3,4,5]) print(arr_A[0]) print(arr_A[2]) print(arr_A[4]) Hasilnya 1 3 5 Untuk mengambil nilai berderet tambahkan “:” arr_A = np.array([1,2,3,4,5]) print(arr_A[0:4]) Kita juga dapat melakukan slicing di multidimensional array arr_A = np.array([[1,2,3,4,5], [2,4,6,8,10]]) print(arr_A) print(arr_A[1,1]) 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 Operator yang
digunakan adalah Berikut contoh operasi aritmatika pada array arr_A = np.array([1,2,3,4,5]) arr_B = np.array([2,2,2,2,2]) print("Penjumlahan = ", arr_A + arr_B) print("Pengurangan = ", arr_A - arr_B) print("Perkalian = ", arr_A * arr_B) print("Pembagian = ", arr_A / arr_B) print("Perpangkatan = ", arr_A ** arr_B) Hasilnya adalah Penjumlahan = [3 4 5 6 7] Pengurangan = [-1 0 1 2 3] Perkalian = [ 2 4 6 8 10] Pembagian = [0.5 1. 1.5 2. 2.5] Perpangkatan = [ 1 4 9 16 25] Untuk lebih jelas operasi aritmatika buka halaman ini Operasi MatematikaNumPy mempunyai fungsi matematika yang dapat digunakan pada Array Beberapa contoh fungsi statistik antara lain min(), max(), mean(), sum(), std() arrku = np.array([1,2,3,4,5]) print("Nilai minimal = ", arrku.min()) print("Nilai maksimal = ", arrku.max()) print("Nilai rata-rata = ", arrku.mean()) print("Total nilai = ", arrku.sum()) print("Standar Deviasi = ", arrku.std()) Hasilnya adalah Nilai minimal = 1 Nilai maksimal = 5 Nilai rata-rata = 3.0 Total nilai = 15 Standar Deviasi = 1.4142135623730951 Ada juga fungsi argmin() dan argmax() untuk mendapatkan index dari nilai minimum dan maksimum print("Index nilai niminal = ", arrku.argmin()) print("Index nilai maksimal = ", arrku.argmax()) Hasilnya Index nilai niminal = 0 Index nilai maksimal = 4 |