Numpy Array dari List ? Yuk Simak Cara Konversinya berikut ini
List yang merupakan struktur data linear dapat menampung elemen heterogen yang tidak perlu dideklarasikan dan fleksibel. Di sisi lain, array adalah struktur data yang dapat menampung elemen homogen, array diimplementasikan dengan Python menggunakan perpustakaan NumPy. Array membutuhkan lebih sedikit memori daripada list Kesamaan antara array dan list adalah bahwa elemen dari array dan list dapat diidentifikasi dengan nilai indeksnya.
Numpy atau Numerical Python adalah salah satu library yang terdapat pada pemrograman dengan python yang memiliki fungsi untuk membentuk sesuatu yang rumit menjadi menjadi hal yang sederhana. Sehingga banyak sekali para pemula dapat mengimplementasikan numpy array untuk menghasilkan sesuatu hal sederhana menjadi kompleks. Tentu saja harus mengetahui dasar dasar yang akan membantu dalam proses pengembangannya. Dalam data science, data dapat diproses dengan mudah ketika telah berbentuk data frame atau list.
Ternyata, list yang dapat menyimpan lebih dari satu data menggunakan square atau tanda kurung dapat digunakan untuk melakukan perbaikan data dengan melakukan perubahan nilai bahkan melakukan duplikasi nilai index. Tentu saja perubahan ini dapat dapat digunakan lebih jauh untuk proses scientific atau perhitungan ilmiah yang sifatnya dinamis. Dengan demikian, list akan menyimpan elemen elemen yang sama pada index yang berbeda.
Masih merasakan kebingungan? Jangan khawatir, DQlab akan memberikan beberapa contoh implementasi list pada proses pengolahan data. Yuk simak secara lengkap disini !
1. List : Langkah awal untuk analisis data!
Ternyata, implementasi untuk membuat list pada python dapat digunakan melalui definisi variabel numerik biasa. Yuk pelajari beberapa contoh dari DQLab terkait pembuatan list untuk langkah awal menganalisis data.
listname = [[A, B, C],[D, E, F, G]]
listname merupakan variabel yang menampung data di dalam kurung siku. Nilai nilai yang dapat ditampung dapat berupa nilai numerik atau bahkan nilai string. Sementara setiap setiap kurung siku mampu menampung size yang sudah dikehendaki. Dengan demikian, setiap elemen yang ditampung menentukan kuantitas atau jumlah yang dapat ditampung dalam element list. Nah, untuk mengisi nilai yang ada pada listname maka digunakan index list. Index List merupakan implementasi "numpy array". Contohnya, [A, B, C] merupakan list index ke 1 dengan size 3.
Baca juga : Python Array : Memahami Kegunaan Array Dalam Python
2. Yuk Coba Kombinasi Berbagai Tipe Data Dalam Satu List!
Kebanyakan dataset pada real case industri memiliki tipe data yang beragam misalnya tipe data int, string, dan float terdapat pada satu dataset. Nah tentunya kalian harus mempelajari bagaimana cara implementasi input data yang memiliki tipe data berbeda. Yuk kenali dan coba implementasikan dengan contoh dibawah ini. Tipe data yang ada pada list di bawah ini yaitu, string, integer, dan float.
aksara = ["module", 2, 9.20]
Kombinasi berbagai tipe data menunjukkan bahwa dataset yang kalian miliki adalah dataset yang kaya, sehingga pengolahan datanya akan lebih menimbulkan challenge atau tantangan yang cukup seru, terutama pada bagian cleansing data dan transform data. Namun, kombinasi data ini akan muncul pada real case yang terjadi di industri sesungguhnya. Sudah siap? Yuk persiapkan bersama DQLab !
3. Numerical Python atau NumPy untuk Konversi List menjadi Array
Beberapa operasi tertentu dalam pemrograman ternyata membutuhkan perubahan yang menghendaki list diubah menjadi sebuah array. Hal ini dilakukan karena array, memungkinkan operasi matematika lebih baik dilakukan dibandingkan dengan menggunakan daftar. Namun jangan khawatir, python memiliki fungsi bawaan yang dapat digunakan untuk melakukan pengubahan ini, melalui Numerical Python atau NumPy. Fungsi ini memberikanmu dua fungsi istimewa untuk dapat digunakan saat mengonversi daftar menjadi array, yaitu numpy.array() dan numpy.asarray().
import numpy as np dq_list = [2,4,6,8,10] dq_array = np.array(dq_list) # printing dq_array print dq_array # printing the type of dq_array print type(dq_array) |
# importing library import numpy # initilizing list lst = [2,4,6,8,10] # converting list to array arr = numpy.asarray(lst) # displaying list print ("List:", lst) # displaying array print ("Array: ", arr) |
source code diatas menggambarkan bahwa melakukan perubahan list menjadi array untuk pemula cukup mudah dilakukan. Perbedaan penting antara dua metode di atas adalah bahwa numpy.array () akan membuat duplikat dari objek asli dan numpy.asarray () akan mencerminkan perubahan pada objek asli. Saat salinan source code dibuat dengan menggunakan numpy.asarray (), perubahan yang dibuat dalam satu source code juga akan tercermin di source code lain, tetapi tidak menunjukkan perubahan dalam daftar yang digunakan untuk membuat source code. Namun, ini tidak terjadi dengan numpy.array ().
Jika kamu ingin mempelajarinya tingkat lanjut, kamu bisa belajar bersama DQLab!
Baca juga : 3 Metode Numpy Array Python Sebagai Dasar Proses Manipulasi Data
4. Yuk, Bersama DQLab Belajar Data Lebih Jauh hingga Bangun Portofolio Datamu, Gratis!!
Tidak memiliki background IT? Jangan khawatir, kamu tetap bisa menguasai Ilmu Data Science untuk siap berkarir di revolusi industri 4.0. Bangun proyek dan portofolio datamu bersama DQLab untuk mulai berkarir di industi masa kini! Sign up sekarang untuk #MulaiBelajarData di DQLab!
Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":
1. Buat Akun Gratis dengan Signup di DQLab.id/signup
2. Akses module Introduction to Data Science
3. Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab
4. Subscribe DQLab.id untuk Akses Semua Module Premium!
Mulai Karier
sebagai Praktisi
Data Bersama
DQLab
Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.
Sign-Up dengan Google
Sign-Up dengan Facebook