Kulik NumPy Array Python, Langkah Awal Jadi Praktisi Data

Python merupakan salah satu bahasa pemrograman yang ditujukan untuk berbagai macam permasalahan, salah satunya adalah data science. Python cukup banyak diminati oleh orang-orang dan dapat digunakan untuk membuat beberapa program seperti CLI, GUI, Aplikasi Mobile, IoT, dan lain-lain. Dalam menyelesaikan permasalahannya Python menggunakan beberapa library di dalamnya, salah satunya adalah NumPy Array.

NumPy (Numerical Python) Array 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 library NumPy Array dan bagaimana penerapan NumPy untuk mengindekskan Array pada Python. Dengan memahami lebih jauh apa itu NumPy Array, sahabat data akan memiliki dasar yang lebih baik dalam melakukan Data Manipulation kedepannya. Penasaran seperti apa? Yuk simak penjelasan berikut.

1. NumPy Array Python

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.

Beberapa fungsi yang sering digunakan dengan NumPy Array yaitu sebagai berikut:

• .arrange() untuk membuat array.

• .reshape() untuk membuat atau merubah baris kolom.

• .type() untuk mengecek tipe data pada suatu array yang mana tipe data yang umum. pada numpy yaitu boolean, string, integer, float, dan complex.

• .append() untuk menambahkan elemen dari urutan belakang.

• .insert() untuk menambahkan elemen dari index tertentu.

• .remove() untuk menghapus elemen.

• .len() untuk melihat panjang suatu array atau list.

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: Belajar Coding Python : Pemula, Yuk Kenali Macam Librarynya

2. Contoh Penggunaan NumPy Array 0-Dimension

Array 0-D atau Scalars, adalah elemen dalam sebuah array. Setiap nilai dalam array adalah array 0-D. Setiap dimensi yang ada dalam array ini merupakan array dengan 0 dimensi.

Agar semakin paham, berikut adalah contoh penggunaannya:

3. Contoh Penggunaan NumPy Array 1-Dimension

Dalam array satu dimensi, sahabat data dapat mengakses nilai ke-i (menghitung dari nol) dengan menentukan indeks yang diinginkan dalam tanda kurung siku, seperti halnya pada List Python. Array yang memiliki array 0-D sebagai elemennya disebut array uni-dimensional atau 1-D. Array ini menjadi array yang paling umum dan paling banyak digunakan. 

Berikut contoh dari array 1-D:

4. Contoh Penggunaan NumPy Array 2-Dimension

Array yang memiliki array 1-D sebagai elemennya disebut array 2-D. Array ini sering digunakan untuk mewakili matriks atau tensor orde-2. NumPy sendiri memiliki seluruh sub modul yang didedikasikan untuk operasi matriks yang disebut numpy.mat

Agar semakin paham, berikut adalah contoh penggunaannya:

5. Melakukan Indexing dan Slicing

Metode lain yang dapat kita lakukan adalah indexing dan slicing terhadap array. Indexing dimulai dari 0 dan dimulai dengan notasi bracket œ[ ]. Contohnya kita ingin mencari nilai yang berada di index 0, 2, dan 4, maka perintah yang bisa kita masukkan adalah:

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

6. Mulai Terapkan Ilmu NumPy Array Bersama DQLab!

Mahir Data Science bisa dari mana saja di seluruh Indonesia. Kursus Data Science online banyak dicari orang-orang yang tertarik dengan data. Salah satu alasannya adalah fleksibel dalam pembelajarannya. Dengan mengikuti kursus online kamu bisa mengatur jam belajarmu sendiri, dari pagi, siang, atau malam. Jadi waktu belajar tidak bentrok dengan aktivitas lainnya. 

Bersama DQLab, bukan hanya fitur Live Code Editor saja yang bisa kamu dapatkan. Kamu juga berkesempatan untuk sharing dengan sejumlah senior pakar data untuk saling bertukar pengalaman dan bertanya seputar modul yang kamu pelajari. Metode belajar yang praktis memudahkan kamu untuk belajar dimana dan kapan pun sesuai kebutuhanmu. Jadi, kamu bisa tetap produktif di sela waktu senggangmu tanpa harus ribet ke sana kemari, loh!

Yuk, gabung di DQLab.id untuk belajar Data Science sampai mahir! Bersama mentor data profesional, kamu bisa belajar secara intensif dan fokus upgrade skill yang dibutuhkan di industri.

Penulis: Salsabila MR

Editor: Annisa Widya Davita

Tags