Numpy Array, Fungsi Wajib Anak Data

Array Python merupakan suatu penggambaran hal yang kompleks pasti disusun dengan beberapa hal yang sederhana. Para pemula dapat mengimplementasikan array python 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. 

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. 

1. 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)

source code diatas menggambarkan bahwa melakukan perubahan list menjadi array untuk pemula cukup mudah dilakukan. Jika kamu ingin mempelajarinya tingkat lanjut, kamu bisa belajar bersama DQLab!

Baca juga : Belajar Data Science: Kenali Dasar Bahasa Pemrograman Python yang Cocok bagi Pemula

2. 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. 

3. 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 !

Baca juga :  Python : Kenali 3 Buku yang Akan Mempercepat Kamu Dalam Belajar Python

4. Yuk Mulai Belajar Menjadi Data Scientist Bersama DQLab!       

Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah ini mendapatkan 30 Hari FREE TRIAL:

1. Buat Akun Gratis dengan Signup di DQLab.id/signup

2. Buka academy.dqlab.id dan pilih menu redeem voucher 

3. Redeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi. 

4. Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.

   
   

Penulis : Tantut Wahyu

Editor : Annissa Widya Davita