Belajar Coding Python : Pemula, Yuk Kenali Macam Librarynya
Coding Python merupakan bahasa pemrograman high level yang semakin banyak digunakan dari waktu ke waktu, terutama di bidang Data Science, Artificial Intelligence, Internet of Things, dan bidang lainnya. Alasannya adalah karena bahasa Python mudah untuk dipelajari dibandingkan bahasa pemrograman lainnya seperti C++ atau Java.
Beberapa hal yang dapat dilakukan oleh Python seperti, membangun server ketika ingin membuat website, atau ketika kamu ingin membaca dan memodifikasi sebuah dataset di dalam sebuah pembangunan sistem database, dan atau Python dapat digunakan saat mengolah Big Data dan menjalankan algoritma matematika yang cukup kompleks.
Keahlian coding Python sangat dibutuhkan untuk menghasilkan output yang baik. Seperti pepatah "banyak jalan menuju Roma", coding Python bisa ditulis dengan banyak cara dan style. Kita bisa memilih cara yang mudah dengan menggunakan looping atau cara yang panjang. Kedua cara tersebut menghasilkan output yang sama, hanya saja jalan yang harus dilewati berbeda, ada jalan yang cepat dan ada jalan yang panjang dan berkelok-kelok.
Menariknya lagi, Python menyediakan lebih dari 140.000 library yang sangat powerful untuk kita gunakan dalam berbagai kepentingan developer ataupun analisis data. Nah, berikut ini DQLab akan berbagi dengan sobat data library apa saja yang wajib kamu ketahui sebagai pemula ketika belajar Python!
1. Library NumPy
Library yang pertama ini merupakan singkatan dari Numerical Python. NumPy merupakan salah satu library terpenting dalam bahasa pemrograman Python. Fungsi dari modul ini untuk membantu para Data Scientist menangani permasalahan angka-angka dengan manipulasi data pada Python. Beberapa manipulasi NumPy Array dasar adalah atribut array, pengindeksan array, pembentukan baris, dan penggabungan-pemisahan array.
Berfokus pada scientific computing, NumPy memiliki kemampuan dalam membentuk objek N-dimensional array yang mirip dengan MATLAB. NumPy memudahkan penggunanya dalam operasi Aljabar Linear seperti vektor dan matriks.
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.
Berikut merupakan contoh penggunaan library NumPy pada operasi aritmatika:
Baca juga: Belajar Python: Mengenal Array pada Bahasa Pemrograman Python
2. Library Pandas
Pandas adalah library kedua yang wajib dipelajari pemula dalam belajar Python. Dengan berdasarkan sistem dataframe, modul ini dapat memuat sebuah file ke dalam tabel virtual menyerupai spreadsheet. Pandas juga berfungsi mengolah suatu data seperti teknik join, distinct, group by, agregasi, dan teknik lainnya seperti pada SQL. Bedanya, ini dilakukan pada tabel. Kelebihan dari library ini juga dapat membaca file dari berbagai format seperti .txt, .csv, dan .tsv.
Pada dasarnya ada tiga jenis struktur data di library Pandas ini, yaitu Series (satu dimensi dan merupakan array homogen), DataFrame (dua dimensi dengan kolom yang bersifat heterogen), serta Panel (tiga dimensi, array size mutable). Untuk menggunakan library ini, kita perlu mengimport nya terlebih dahulu. Biasanya library Pandas disingkat dengan "pd".
Contoh penggunaan library Pandas adalah seperti berikut,
3. Library Scikit-Learn
Library Scikit-Learn atau disingkat dengan Sklearn adalah library Python yang khusus untuk Machine Learning. Sklearn menyediakan berbagai fungsi yang banyak digunakan algoritma Supervised Learning dan Unsupervised Learning. Adapun fungsionalitas yang tersedia di Sklearn meliputi Regresi, Klasifikasi, Klasterisasi, model selection dan evaluasi, preprocessing termasuk mix-max normalization, visualization, dan data transformations. Berikut ini contoh bagaimana cara mengakses library Sklearn dalam pengklasifikasian dengan algoritma Naive Bayes:
from sklearn.naive_bayes import MultinomialNB
Dalam contoh diatas kita mengimplementasikan MultinomialNB algoritma Naive Bayes terhadap data yang didistribusikan secara multinomial. Sekaligus merupakan Naive Bayes klasik yang digunakan dalam klasifikasi teks. Menjadi salah satu library Python yang berisi fitur-fitur lengkap, tak heran jika Scikit-Learn menjadi library Python yang paling populer untuk membuat pemodelan Machine Learning, pengolahan data numerik, vektorisasi, dan sebagainya.
4. Library Matplotlib
Matplotlib juga termasuk salah satu library yang umum digunakan untuk menyelesaikan masalah Data Science. Library ini juga merupakan library yang bersifat open source dan berada di bawah lisensi BSD. Matplotlib berfungsi untuk membantu dalam menampilkan hasil analisis berupa grafik berwarna dengan lebih rapi dan menarik.
Berbicara tentang Data Science tentu tidak akan jauh-jauh dari analisis data dan visualisasi. Jika analisis data telah dibantu menggunakan Pandas dan Scikit-learn, maka visualisasinya seperti grafik, chart, histogram dan sejenisnya bisa kamu dapatkan dari library ini. Untuk mulai menggunakan library ini, jangan lupa import terlebih dahulu.
Baca juga: Array Python : Array VS List Serupa Namun Tak Sama, Yuk, Kenali Perbedaannya
5. Latihan Coding Tanpa Ribet Bersama Live Code Editor DQLab
Salah satu keunggulan yang disediakan oleh kursus Data Science DQLab adalah metode pembelajaran menggunakan live code editor. Pasti bagi kalian penasaran dengan apa itu live code editor? Dengan fitur live code editor yang disediakan DQLab kamu bisa mulai belajar Data Science tanpa perlu menginstal software terlebih dahulu. Selain itu, dengan fitur yang satu ini kamu dapat dengan mudah langsung mempraktekan kode yang dipelajari, langsung pada browser yang digunakan. Bisa dibilang metode ini simulasi saat kamu menginput berbagai kode atau sintaks pada bahasa pemrograman.
Yuk, belajar terstruktur dan lebih interaktif cukup dengan Sign Up sekarang di DQLab.id atau klik button dibawah ini untuk nikmati pengalaman belajar yang seru dan menyenangkan!
Penulis: Salsabila MR
Editor: Annissa Widya Davita