Yuk Kenali Anatomi dari Numpy Array
NumPy adalah sebuah library aljabar linier yang ada pada bahasa pemrograman Python. NumPy yang merupakan singkatan dari Numerical Python merupakan salah satu library yang sangat penting karena hampir semua packages data science atau machine learning pada Python, seperti SciPy, MatPlotlib, Scikit-learn, dan lain sebagainya sering kali dikombinasikan dengan library NumPy. Salah satu fungsi NumPy adalah untuk melakukan operasi matematika dan logika pada Array. Library ini menyediakan banyak fitur berguna untuk operasi pada n-array dan matriks pada bahasa pemrograman Python. NumPy merupakan library powerful untuk komputasi numerik yang cepat dan akurat untuk mengolah big data.
Inti dari library NumPy adalah objek n-array. Seorang data scientist menggunakan NumPy array untuk melakukan transformasi logis, analisis statistik, dan deret fourier. Hal pertama yang harus dilakukan saat menggunakan NumPy adalah membuat NumPy array. Ada tiga cara untuk membuat NumPy array, yaitu menggunakan fungsi NumPy, mengonversi struktur Python lain seperti list, dan menggunakan fungsi library khusus. NumPy array terdiri dari berbagai bagian yang memiliki peran masing-masing. Pada artikel kali ini, DQLab akan menjelaskan "anatomi" yang ada dalam NumPy array sehingga kamu bisa lebih memahami apa saja bagian-bagian yang ada di dalam NumPy array. Penasaran? Yuk simak artikel ini sampai akhir!
1. Rank pada NumPy Array
Rank pada array merupakan jumlah sumbu atau dimensi yang ada pada array. Dimensi pada array sangat bervariasi, mulai dari satu dimensi, dua dimensi, hingga n dimensi. Gambar di bawah ini merupakan contoh gambaran array satu dimensi, dua dimensi, dan n dimensi.
Array satu dimensi merupakan array yang hanya terdiri dari satu baris, array dua dimensi atau biasa disebut dengan matriks merupakan array yang terdiri dari beberapa baris sehingga memiliki ukuran panjang dan lebar, sedangkan array n dimensi merupakan array yang terdiri dari beberapa baris yang bertumpuk sehingga memiliki ukuran panjang, tinggi, dan lebar.
Baca juga : Belajar Data Science: Kenali Dasar Bahasa Pemrograman Python yang Cocok bagi Pemula
2. Bentuk dan Ukuran Array
Bentuk array merujuk pada panjang baris pada setiap dimensi. Biasanya direpresentasikan sebagai tupel. Untuk baris tertentu, elemen dalam tupel akan sama dengan rank pada array. Agar lebih mudah memahami bentuk array, kita ambil ilustrasi array pada poin pertama, array rank 1 memiliki 4 elemen, jadi bentuknya adalah tupel (4,). Array rank 3 memiliki empat baris dan tiga kolom, artinya bentuk arraynya menjadi (4,3). Cara penulisan bentuk sama dengan cara penulisan matriks, yaitu jumlah baris terlebih dahulu dan diikuti dengan jumlah kolom yang dipisah dengan tanda koma. Pada bahasa pemrograman Python, kita bisa mengidentifikasi bentuk array dengan fungsi ndim.
Jika bentuk array dilihat dari banyaknya baris, maka ukuran array dilihat dari jumlah total elemen yang ada dalam satu array dengan cara mengalikan semua elemen pada bentul. Pada poin pertama, array rank 1 memiliki 4 elemen, artinya ukuran array tersebut adalah 5. Array rank 2 pada poin satu memiliki bentuk 3 kali 4, artinya ukuran array adalah 12 (3x4). Pada bahasa pemrograman Python, ukuran sebuah array dapat diidentifikasi menggunakan fungsi size.
3. Tipe Data pada Array
NumPy array pada Python terdiri dari int atau float yang disimpan langsung di memori. Misalnya, tipe data numpy.int32 adalah bilangan bulat 32 bit yang menempati 4 byte memori. NumPy memiliki berbagai ukuran int dan float yang bisa kita sesuaikan dengan data yang kita miliki. Tipe data di sebuah array dapat diidentifikasi menggunakan fungsi dtype. Kita cukup menuliskan fungsinya pada lembar kerja Python dan me-run sintaks tersebut. Selain itu, kita juga bisa mengidentifikasi elemen dalam array menggunakan fungsi itemsize. Ukuran elemen ditentukan oleh tipe datanya.
Baca juga : Python : Kenali 3 Buku yang Akan Mempercepat Kamu Dalam Belajar Python
4. Mulai Belajar Numpy Array Python Bersama DQLab Yuk!
Sign up sekarang dan nikmati pengalaman belajar gratis bersama DQLab! Akses module Intorduction to Data Science with Python sekarang. Gunakan Kode Voucher "DQTRIAL", dan simak informasi dibawah ini mendapatkan 30 Hari FREE TRIAL:
Buat Akun Gratis dengan Signup di DQLab.id/signup
Buka academy.dqlab.id dan pilih menu redeem voucher
Redeem voucher "DQTRIAL" dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi.
Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.
Penulis: Galuh Nurvinda K
Editor: Annissa Widya Davita