Numpy Array : Kenali Cara Membuat 3 Jenis Dimensi dalam Nump...
💥PROMO SPESIAL 12.12!💥
Belajar Data Science Bersertifikat 6 Bulan hanya 120K!
0 Hari 3 Jam 26 Menit 51 Detik

Numpy Array : Kenali Cara Membuat 3 Jenis Dimensi dalam Numpy Array!

Belajar Data Science di Rumah 03-Januari-2021
https://dqlab.id/files/dqlab/cache/241cb2ca8b60833726ed3e66d74a4928_x_Thumbnail800.jpg
Follow Instagram dan LinkedIn kami untuk info karir dan topik menarik

Numpy array menjadi salah satu hal utama yang harus dikuasai dalam Python. Namun sebelum membicarakan tentang numpy array lebih jauh, ada baiknya kita memahami apa sebenarnya array itu. Secara umum, Array merupakan struktur data yang dapat menampung lebih dari satu nilai dalam satu waktu yang bersamaan. Pengertian array sendiri adalah kumpulan dari beberapa elemen secara berurutan dan memiliki jenis yang sama. Array menjadi hal dasar yang harus dikuasai ketika mempelajari bahasa pemrograman, termasuk Python.

Lalu apa itu numpy array dan apa yang membedakannya dengan array biasa? Nah, seperti namanya numpy adalah hal-hal yang berisi angka. Jika pada array biasa, elemen nya dapat berupa huruf ataupun gabungan antara huruf dan angka, maka pada numpy array, elemennya hanya dapat diisi dengan angka. Dalam artikel ini, kita akan membahas mengenai dimensi-dimensi yang mungkin untuk dibuat dalam numpy array. Jika teman-teman sudah penasaran, langsung baca aja yuk artikelnya!

1. Scalars (0-Dimensi) dan Uni-Dimensional (1-Dimensi)  

Array 0-D atau yang lebih dikenal dengan scalars merupakan elemen dari sebuah array. Jika teman-teman bingung seperti apa 0-D itu, maka kita hanya perlu memahami bahwa setiap dimensi yang ada dalam array merupakan array 0 dimensi. Agar lebih paham, berikut adalah contohnya:

import numpy as np

arr = np.array(42)

print(arr)

Maka hasilnya adalah :

30

Nah, bagaimana dengan array 1-D atau yang dikenal dengan sebutan uni dimensional? Array yang elemennya terdiri dari array 0-D inilah yang kemudian disebut dengan array 1-D atau uni dimensional. Array ini menjadi array yang paling umum dan paling banyak digunakan. Berikut contoh dari array 1-D:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

print(arr)

Maka hasilnya adalah :

[3, 0, 4, 9, 8]

Baca juga : Python Array : Memahami Kegunaan Array Dalam Python

2. Array 2 Dimensi dan Array 3 Dimensi

2-D Array atau array 2 dimensi merupakan array yang elemennya terdiri dari array 1 dimensi. Array 2 dimensi ini sering digunakan untuk membuat matriks. Contohnya adalah :

import numpy as np

arr = np.array([[3, 2, 1], [6, 4, 5]])

print(arr)

Maka didapatkan hasilnya sebagai berikut:

[[3 2 1]

 [6 4 5]]

Sedangkan untuk 3-D array atau array 3 dimensi merupakan array yang elemennya memiliki larik 2-D array atau matriks. Berikut contohnya:

import numpy as np

arr = np.array([[[3, 2, 1], [6, 4, 5]], [[3, 2, 1], [6, 4, 5]]])

print(arr)

Diperoleh output sebagai berikut:

[[[3 2 1]

  [6 4 5]]

 [[3 2 1]

  [6 4 5]]]

3. Higher Dimensional Arrays

Sebuah array memungkinkan dirinya untuk memiliki sejumlah dimensi. Kita dapat menentukan jumlah dimensi dari array pada saat membuatnya dengan menggunakan argumen ndmin. Contohnya:

import numpy as np

arr = np.array([1, 2, 3, 4], ndmin=5)

print(arr)

print('number of dimensions :', arr.ndim)

Outputnya adalah : 

[[[[[1 2 3 4]]]]]

number of dimensions : 5

Dalam contoh di atas, dimensi paling dalam yaitu dimensi ke-5 memiliki 4 elemen. Kemudian untuk dimensi ke-4 memiliki 1 elemen yaitu vektor. Sementara dimensi ke-3 memiliki 1 elemen yaitu matriks dengan vektor, dimensi ke-2 memiliki 1 elemen yaitu larik 3D dan dimensi pertama memiliki 1 elemen yaitu array 4D.

Baca juga : 3 Metode Numpy Array Python Sebagai Dasar Proses Manipulasi Data

4. Mulai Terapkan Ilmunya dengan Belajar Data Science bersama DQLab!

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 masa kini! 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 : Gifa Delyani Nursyafitri 

Editor : Annissa Widya

Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login