Kenali 3 Library Python untuk Kamu yang Pemula dalam Ilmu Data Science
Instagram
LinkedIn
Python adalah salah satu Bahasa pemrograman yang sangat populer di kalangan programmer. Python diciptakan oleh Guido van Rossum pada tahun 1991. Berbeda dengan Bahasa pemrograman lain seperti, C++ dan Java, Python dianggap lebih mudah dipelajari khususnya bagi pemula. Sintaks yang sederhana, mudah diingat, dan dibaca karena Python menekankan pada aspek kemudahan dalam membaca kodenya. Selain itu, Python juga dapat digunakan diberbagai sistem operasi seperti Windows, Mac OS, Linux, dan lain sebagainya.
Menariknya lagi, Bahasa pemrograman Python didukung oleh banyak library yang gratis. Apa yang dimaksud dengan library? Library pada Python merupakan sebutan untuk kode program tambahan yang digunakan dalam kebutuhan tertentu. Python mempunyai lebih dari 140.000 library yang dikembangkan melalui open source project sehingga kamu yang sebagai pemula, bisa belajar dengan gratis! Berikut ini tiga library yang wajib diketahui ketika kamu belajar Python!
1. NumPy
Library yang pertama ini merupakan singkatan dari Numerical Python. Fungsi dari modul ini untuk membantu para data scientist menangani permasalahan angka-angka. 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.
Import numpy as np
#menghasilkan a 3 by 3 identity matrix
matrix_one = np.eye(3)
matrix_one
#menghasilkan 3 by 3 matrix lainya for perkalian
matrix_two = np.arange(1,10).reshape(3,3)
matrix_two
#mengalikan dua array
matrix_multiply = np.dot(matrix_one, matrix_two)
matrix_multiply
2. 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. Contoh penggunaan library Pandas seperti berikut,
import pandas as pd
d={'Name':pd.Series(['Alfrick','Michael','Wendy','Paul','Dusan','George','Andreas','Irene','Sagar','Simon','James','Rose']),'Years of Experience':pd.Series([5,9,1,4,3,4,7,9,6,8,3,1]),'Programming Language':pd.Series(['Python','JavaScript','PHP','C++','Java','Scala','React','Ruby','Angular','PHP','Python','JavaScript'])}
Selanjutnya membuat Dataframe,
df = pd.DataFrame(d)
Sehingga output yang dihasilkan seperti berikut
Name Programming Language Years of Experience
0 Alfrick Python 5
1 Michael JavaScript 9
2 Wendy PHP 1
3 Paul C++ 4
4 Dusan Java 3
5 George Scala 4
6 Andreas React 73. Matplotlib
Data yang telah diolah akan sebaiknya ditampilkan sejelas dan sebagus mungkin. Library Matplotlib ini akan membantu dalam menampilkan hasil analisis berupa grafik berwarna dengan lebih rapi dan menarik. Ada dua jenis plot dalam menampilkan data yaitu secara 2D dan 3D. Sehingga data bisa ditampilkan sesuai dengan kebutuhan. Matplotlib ini merupakan library yang paling sering digunakan oleh data science dalam menyajikan datanya ke dalam visual yang lebih menarik.
import matplotlib.pyplot as plt
plt.plot([1,2,3,4])
plt.ylabel('some numbers')
plt.show()
4. Mulai Tertarik untuk Belajar Python Bersama DQLab? Yuk, Mulai Belajar Data Science Gratis sekarang!
Terapkan ilmunya sekarang dengan bergabung bersama platform belajar online DQLab! Selain bisa meningkatkan ilmu data yang dimiliki, kamu juga bisa membangun portofolio datamu di DQLab guna mempersiapkan dirimu berkarir di industri data.
Sign Up untuk nikmati module GRATIS "Introduction to Data Science" dengan pengalaman belajar yang seru menyenangkan serta aplikatif pada industri nyata! Untuk kamu yang ingin mulai belajar Data Science atau siap berkarir jadi Data Analyst, Data Scientist, dan Data Engineer, persiapkan diri kamu dengan tepat sekarang. Tidak ada kata terlambat untuk belajar. Yuk #MulaiBelajarData di DQLab.
Dengan belajar di DQLab, kamu bisa:
Menerapkan teknik mengolah data kotor, hasilkan visualisasi data dan model prediksi dengan studi kasus Retail dan Finansial
Dapatkan sesi konsultasi langsung dengan praktisi data lewat data mentoring
Bangun portofolio data langsung dari praktisi data Industri
Akses Forum DQLab untuk berdiskusi.
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
Penulis : Salsabila Miftah Rezkia
Editor : Annissa Wdiya Davita