MIDYEAR PROMO! Segera Beli Paket Premium Belajar Data Science 6 Bulan hanya Rp. 99.000. DAFTAR

Pakai Kode: DQMIDYEAR. Berakhir 0 Days 7 Jam : 39 Menit : 46 Detik

Belajar Numpy Array Python, Fungsi Yang Populer Dalam Proses Manipulasi Data

Belajar Data Science di Rumah 07-Desember-2020
https://dqlab.id/files/dqlab/cache/51c98518f6237ccbfdbf887a6e0eb0e2_x_Thumbnail800.jpg

Python adalah salah satu bahasa pemrograman yang ditujukan untuk general-purpose programming yang artinya Python dapat digunakan untuk berbagai macam permasalahan salah satunya data science. Python diciptakan oleh Guido van Rossum dan pertama kali diperkenalkan pada tahun 1991. Python bersifat open source, artinya setiap orang dapat mengembangkan program komputer menggunakan Python baik untuk tujuan komersial maupun nonkomersial. Oleh karena itu, Python populer di kalangan programmer. 


Sebagai seorang praktisi data seperti Data Scientist, Data Analyst, dan Data Engineer, salah satu skill yang wajib dimiliki adalah kemampuan untuk melakukan proses manipulasi data. Hal ini penting karena seringkali data perlu diubah dengan tujuan agar lebih mudah dipahami. Python menyediakan banyak library yang dapat digunakan dalam proses manipulasi data dimana setiap library memiliki fungsinya masing-masing. Salah satu library yang populer digunakan oleh praktisi data dalam melakukan proses manipulasi data adalah Numpy Array. 


Penasaran dengan library ini? Yuk, simak penjelasannya berikut!


1. Apa itu Numpy Array?

Berasal dari kata ‘Numerical Python’, Numpy merupakan salah satu library pada Python yang berfungsi melakukan proses komputasi numerik. Sedangkan Array merupakan kumpulan variabel yang memiliki tipe data yang sama. Numpy menyimpan datanya dalam bentuk array. Bentuk dari numpy array adalah multidimensional yang mana dapat berupa 1-dimensi maupun 2-dimensi. Array 1-dimensi adalah sekumpulan data yang berisikan nama variabel dan tipe data yang sama yang dapat diakses menggunakan 1 buah index saja. Sedangkan array 2-dimensi adalah sekumpulan data yang berisikan nama dan tipe data yang sama dimana elemennya dapat diakses menggunakan 2 buah index yaitu index kolom dan index baris. 

Baca juga : Python Array : Memahami Kegunaan Array Dalam Python


2. Bagaimana Implementasi Numpy Array?

Dalam mengimplementasikan library numpy kita harus terlebih dahulu memanggil library seperti berikut.

Setelah import library numpy, kita dapat melakukan array.

Array1 merupakan contoh bentuk array 1-dimensi dengan perintah mengambil index pertama array yaitu index 0. Hasil yang keluar adalah angka 1 yang berada di urutan pertama.

Array2 merupakan bentuk dari array 2-dimensi. Terdapat fungsi .shape pada array multidimensional yang menghasilkan tuple berisikan jumlah baris dan jumlah kolom, contohnya seperti berikut.

Menjelaskan bahwa pada array2 berisikan 2 kolom dan 6 baris data.


3. Kelebihan dan Kekurangan Numpy Array

Sesuai dengan fungsinya kelebihan numpy array diantaranya adalah sebagai berikut.

  • Memudahkan operasi komputasi pada data.

  • Cocok untuk melakukan akses secara acak .

  • Elemen yang terkandung pada array dapat diatur sesuka hati dan dapat diacu secara langsung tanpa melalui elemen-elemen lain.

  • Jika berada pada sebuah lokasi dari elemen, maka akan memudahkan dalam melakukan penelusuran dari elemen tetangga baik elemen sebelumnya maupun elemen penerusnya.

  • Elemen array merupakan sebuah nilai independen yang didalamnya harus selalu terjaga sehingga penggunaan penyimpanannya dianggap sangat efisien. 


Sedangkan kekurangan dari numpy array adalah sebagai berikut.

  • Bentuk array harus homogen artinya harus memiliki tipe data yang sama dimana dalam suatu array tidak bisa memiliki berbagai elemen seperti elemen karakter, elemen bilangan, dan elemen lainnya. 

  • Boros memori

  • Membutuhkan banyak waktu untuk melakukan komputasi

  • Tidak memungkinkan representasi

Baca juga : Yuk, Mulai Belajar Data Science dengan Bahasa Pemrograman Python


4. Yuk Belajar Lebih Dalam Tentang Python Sekarang!

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 data yang sebenarnya! 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!


Penulis : Dita Kurniasari

Editor : Annissa Widya

Share

Postingan Terkait

Mulai Bangun Karirmu Bersama DQLab!