GET YOUR 30-DAY FREE TRIAL
Akses semua materi belajar DQLab Gratis Claim Now

Numpy.array() dan Numpy.asarray() ? Yuk Simak Bedanya

Numpy.array() dan Numpy.asarray() ? Yuk Simak Bedanya

Belajar Data Science di Rumah 22-Februari-2021
https://dqlab.id/files/dqlab/cache/a8d32da6fcbeb1254d80a2102f1c08c6_100_persen.png

List yang merupakan struktur data linear dapat menampung elemen heterogen yang tidak perlu dideklarasikan dan fleksibel. Di sisi lain, array adalah struktur data yang dapat menampung elemen homogen, array diimplementasikan dengan Python menggunakan perpustakaan NumPy. Array membutuhkan lebih sedikit memori daripada list Kesamaan antara array dan list adalah bahwa elemen dari array dan list dapat diidentifikasi dengan nilai indeksnya.


Numpy atau Numerical Python adalah salah satu library yang terdapat pada pemrograman dengan python yang memiliki fungsi untuk membentuk sesuatu yang rumit menjadi menjadi hal yang sederhana. Sehingga banyak sekali para pemula dapat mengimplementasikan numpy array untuk menghasilkan sesuatu hal sederhana menjadi kompleks. Tentu saja harus mengetahui dasar dasar yang akan membantu dalam proses pengembangannya. Dalam data science, data dapat diproses dengan mudah ketika telah berbentuk data frame atau list. 


Ternyata, list yang dapat menyimpan lebih dari satu data menggunakan square atau tanda kurung dapat digunakan untuk melakukan perbaikan data dengan melakukan perubahan nilai bahkan melakukan duplikasi nilai index. Tentu saja perubahan ini dapat dapat digunakan lebih jauh untuk proses scientific atau perhitungan ilmiah yang sifatnya dinamis. Dengan demikian, list akan menyimpan elemen elemen yang sama pada index yang berbeda. 


Masih merasakan kebingungan? Jangan khawatir, DQlab akan memberikan beberapa contoh implementasi list pada proses pengolahan data. Yuk simak secara lengkap disini !


1. List : Langkah awal untuk analisis data!

Ternyata, implementasi untuk membuat list pada python dapat digunakan melalui definisi variabel numerik biasa. Yuk pelajari beberapa contoh dari DQLab terkait pembuatan list untuk langkah awal menganalisis data. 

listname = [[A, B, C],[D, E, F, G]]

listname merupakan variabel yang menampung data di dalam kurung siku. Nilai nilai yang dapat ditampung dapat berupa nilai numerik atau bahkan nilai string. Sementara setiap setiap kurung siku mampu menampung size yang sudah dikehendaki. Dengan demikian, setiap elemen yang ditampung menentukan kuantitas atau jumlah yang dapat ditampung dalam element list. Nah, untuk mengisi nilai yang ada pada listname maka digunakan index list. Index List merupakan implementasi “numpy array“. Contohnya, [A, B, C] merupakan list index ke 1 dengan size 3. 


Baca juga : Belajar Data Science: Kenali Dasar Bahasa Pemrograman Python yang Cocok bagi Pemula


2. Yuk Coba Kombinasi Berbagai Tipe Data Dalam Satu List!

Kebanyakan dataset pada real case industri memiliki tipe data yang beragam misalnya tipe data int, string, dan float terdapat pada satu dataset. Nah tentunya kalian harus mempelajari bagaimana cara implementasi input data yang memiliki tipe data berbeda. Yuk kenali dan coba implementasikan dengan contoh dibawah ini. Tipe data yang ada pada list di bawah ini yaitu, string, integer, dan float. 

aksara = ["module", 2, 9.20]

Kombinasi berbagai tipe data menunjukkan bahwa dataset yang kalian miliki adalah dataset yang kaya, sehingga pengolahan datanya akan lebih menimbulkan challenge atau tantangan yang cukup seru, terutama pada bagian cleansing data dan transform data. Namun, kombinasi data ini akan muncul pada real case yang terjadi di industri sesungguhnya. Sudah siap? Yuk persiapkan bersama DQLab !


3. Numerical Python atau NumPy untuk Konversi List menjadi Array

Beberapa operasi tertentu dalam pemrograman ternyata membutuhkan perubahan yang menghendaki list diubah menjadi sebuah array. Hal ini dilakukan karena array, memungkinkan operasi matematika lebih baik dilakukan dibandingkan dengan menggunakan daftar. Namun jangan khawatir, python memiliki fungsi bawaan yang dapat digunakan untuk melakukan pengubahan ini, melalui Numerical Python atau NumPy. Fungsi ini memberikanmu dua fungsi istimewa untuk dapat digunakan saat mengonversi daftar menjadi array, yaitu numpy.array() dan numpy.asarray().




import numpy as np

dq_list = [2,4,6,8,10]

dq_array = np.array(dq_list)

# printing dq_array

print dq_array

# printing the type of dq_array

print type(dq_array)


# importing library

import numpy 


# initilizing list

lst = [2,4,6,8,10]


# converting list to array

arr = numpy.asarray(lst)


# displaying list

print ("List:", lst)


# displaying array

print ("Array: ", arr)



source code diatas menggambarkan bahwa melakukan perubahan list menjadi array untuk pemula cukup mudah dilakukan. Perbedaan penting antara dua metode di atas adalah bahwa numpy.array () akan membuat duplikat dari objek asli dan numpy.asarray () akan mencerminkan perubahan pada objek asli. Saat salinan source code dibuat dengan menggunakan numpy.asarray (), perubahan yang dibuat dalam satu source code juga akan tercermin di source code lain, tetapi tidak menunjukkan perubahan dalam daftar yang digunakan untuk membuat source code. Namun, ini tidak terjadi dengan numpy.array ().

Jika kamu ingin mempelajarinya tingkat lanjut, kamu bisa belajar bersama DQLab!

Baca juga :  Python : Kenali 3 Buku yang Akan Mempercepat Kamu Dalam Belajar Python

        

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:

  1. Buat Akun Gratis dengan Signup di DQLab.id/signup

  2. Buka academy.dqlab.id dan pilih menu redeem voucher 

  3. Redeem voucher “DQTRIAL” dan check menu my profile untuk melihat masa subscription yang sudah terakumulasi. 

  4. Selamat, akun kamu sudah terupgrade, dan kamu bisa mulai Belajar Data Science GRATIS 1 bulan.


Share

Postingan Terkait

Mulai Bangun Karirmu Bersama DQLab!