Metode Dasar Numpy Array dalam Mengolah Data
NumPy (Numerical Python) adalah library Python yang fokus pada scientific computing. NumPy Array memiliki kemampuan untuk membentuk objek N-dimensional array, yang mirip dengan list pada Python. Keunggulan NumPy array dibandingkan dengan list pada Python adalah konsumsi memori yang lebih kecil dan juga runtime yang lebih cepat. NumPy juga memudahkan kita pada operasi aljabar linear, terutama operasi pada vector (1D array) dan matrix (2D array).
Pada artikel ini, DQLab akan berbagi pengetahuan mengenai bagaimana menggunakan Numpy untuk memanipulasi Array pada Python. Secara spesifik, pada artikel ini akan dijelaskan 3 metode yang dapat sahabat data sekalian terapkan menggunakan Numpy pada array. Dengan memahami 3 metode numpy array tersebut, sahabat data akan memiliki dasar yang lebih baik dalam melakukan data processing kedepannya. Penasaran apa saja ke-3 metode tersebut? Yuk simak penjelasan berikut!
1. Membuat Numpy Array
Kamu bisa membuat Array menggunakan NumPy dengan mengubahnya terlebih dahulu menjadi List lalu diubah menjadi numpy array. Contohnya sebagai berikut:
listku = [1,2,3,4,5]
arrku = np.array([listku])
arrku
atau langsung tanpa membuat variabel list terlebih dahulu, seperti:
arrku = np.array([1,2,3,4,5])
arrku
Lalu hasilnya menjadi seperti ini:
array([1, 2, 3, 4, 5])
Terdapat beberapa fungsi lain yang dapat digunakan dalam membuat array antara lain seperti zeros(), ones(), arange(), linspace(), logspace() dan lain sebagainya.
Baca juga : Python Array : Memahami Kegunaan Array Dalam Python
2. Melakukan Multidimensional Array
Salah satu fitur menarik dari NumPy adalah library ini mampu membuat multidimensional array dan melakukan manipulasi array dengan mudah dan cepat. Multidimensional array adalah array yang berbentuk lebih dari 1 dimensi seperti 2D, 3D, 4D dan seterusnya. Cara membuat multidimensional array sama dengan membuat array 1 dimensi, perbedaannya hanya pada parameter yang digunakannya saja. Berikut ini adalah contohnya membuat array 2 dimensi:
arrku = np.array([[1,2,3,4,5], [2,4,6,8,10]])
Maka akan menghasilkan output sebagai berikut:
array([[ 1, 2, 3, 4, 5],
[ 2, 4, 6, 8, 10]])
Array diatas adalah berbentuk (2,5) artinya mempunyai 2 baris dan 5 kolom.
3. Melakukan Indexing dan Slicing
Metode lain yang dapat kita lakukan adalah indexing dan slicing terhadap array. Indexing dimulai dari 0 dan dimulai dengan notasi bracket "[ ]". Contohnya kita ingin mencari nilai yang berada di index 0, 2, dan 4, maka perintah yang bisa kita masukkan adalah:
arr_A = np.array([1,2,3,4,5])
print(arr_A[0])
print(arr_A[2])
print(arr_A[4])
dan Outputnya adalah:
1
3
5
Baca juga : 3 Metode Numpy Array Python Sebagai Dasar Proses Manipulasi Data
4. Yuk, BELAJAR DATA SCIENCE GRATIS DI DQLAB SELAMA 1 BULAN!
Gunakan Kode Voucher "DQTRIAL", dan simak informasi di bawah 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.