tutorial numpy python
Python

Tutorial Dasar NumPy Python

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 NumPy

Kita 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 Array

Salah 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 Slicing

Kita 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 Aritmatika

Kita bisa menggunakan operasi aritmatika seperti penjumlahan, pengurangan, perkalian, pembagian dan perpangkatan

Operator yang digunakan adalah  +-*/ dan **

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 Matematika

NumPy 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

Leave a Reply

Your email address will not be published. Required fields are marked *