Buat Akun DQLab & Akses Kelas Data Science Python, R, dan Excel GRATIS
 SIGN UP  

Numpy Array Python, Beserta Contoh Penerapannya

Belajar Data Science di Rumah 02-Juni-2021
https://dqlab.id/files/dqlab/cache/3696864dd63c869a58f097a3f1a02796_x_Thumbnail800.jpg

Python merupakan bahasa pemrograman high level yang lebih mudah dipelajari dibandingkan bahasa pemrograman lain seperti C#, java atau C++. Oleh karena itu, python tidak hanya digunakan untuk para developer di bidang IT tetapi juga digunakan untuk beberapa bidang lain seperti statistika khususnya data scientist. Python menyediakan banyak library yang sangat powerful untuk kita gunakan untuk berbagai kepentingan developer ataupun analisis data. Salah satu library yang paling sering digunakan adalah numpy array. Numpy array merupakan singkatan dari numerical python yang artinya library ini digunakan untuk operasi cepat pada array, termasuk matematika, logika, manipulasi bentuk, sorting, selecting, I/O, dasar aljabar linear dan masih banyak lagi.


Sedangkan untuk numpy array agak mirip dengan list tapi, numpy array tetap lebih unggul karena pemakaian memorinya lebih sedikit dibandingkan dengan list. Hal ini dikarenakan dalam numpy array semuanya harus memiliki tipe data sejenis, sehingga memiliki ukuran memori yang sama. Selain itu numpy array juga bersifat statis, jadi kita tidak bisa merubah ukuran array semaunya. Untuk lebih lanjut, mari kita simak bersama tentang apa itu numpy array, advantage dan disadvantage serta contoh penerapannya dibawah ini.

1. Numpy Array

Numpy array atau numerical python adalah library python yang open source yang digunakan di hampir setiap bidang sains, teknik dan industri teknologi. Library ini merupakan standar universal untuk dapat bekerja dengan data numerik di python. Numpy API digunakan secara luas di library lain seperti pandas, scipy, matplotlib, scikit-learn, scikit-image dan sebagian besar data science dan package scientific python. Library numpy array terdiri dari array multidimensi yang dapat berupa 1-dimensi, 2-dimensi dan n-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 : Belajar Data Science: Kenali Dasar Bahasa Pemrograman Python yang Cocok bagi Pemula


2. Advantage dan Disadvantage Numpy Array

Adapun kelebihan dan kekurangan numpy array antara lain sebagai berikut:

  • Memori yang digunakan lebih sedikit sehingga memberikan kecepatan runtime lebih baik jika dibandingkan dengan struktur data yang serupa di python (list dan tuples)

  • Mendukung beberapa fungsi ilmiah khusus seperti alin (aljabar linear) yang dapat membantu memecahkan permasalahan linear

  • Mendukung operasi vektor, seperti penambahan dan penggandaan elemen, komputasi dan lainnya

  • Merupakan alternatif yang sangat baik untuk MATLAB karena menyediakan fungsionalitas dan dukungan serupa dengan perkembangan yang lebih cepat dan lebih sedikit overhead mental (karena sintaks python lebih mudah ditulis dan dipahami) jadi numpy sangat baik untuk analisis data.


Selain keunggulan yang sudah dipaparkan di atas, numpy array juga memiliki kekurangan antara lain sebagai berikut:

  • Numpy mendukung "NAN" tapi mendukung untuk lintas platform sehingga dapat mempersulit pengguna.

  • Operasi penyisipan dan penghapusan menjadi mahal karena data disimpan di lokasi memori yang berdekatan jadi perlu menggesernya terlebih dahulu sehingga membutuhkan banyak waktu untuk melakukan operasi yang besar 

  • Bersifat 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.

    3. Contoh Penerapan Numpy Array Python untuk Membuat Vektor dan Matriks

    Berikut merupakan contoh penggunaan library numpy untuk membuat array satu dimensi atau yang lebih dikenal dengan vektor. 


    import numpy as np


    #variabel

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

    b=np.array([1.2,1.5,5,6,7])


    #output

    print(b)


    output:

    [1.2 1.5 5.  6.  7. ]


    Lantas bagaimana jika kita membuat array multidimensi atau yang biasa disebut dengan matriks ? Yuk, simak contoh sederhana dibawah ini:


    import numpy as np


    #variabel

    c = ([(1,2,3),(4,5,6)])


    #output

    print(c)


    output:

    [(1, 2, 3), (4, 5, 6)]


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


    4. Terapkan Kompetensi Numpy Array pada Python bersama DQLab 

    Buat Akun Gratis dengan Signup di DQLab.id/signup dan nimati pengalaman belajar gratis bersama DQLab dengan mengakses moduel Introduction to data science with Python. Kenali lebih dalam bahasa pemrograman Python dan persiapkan dirimu berkarir sebagai praktisi data yang kompeten!


    Penulis: Rian Tineges

    Editor: Annissa Widya Davita


    Postingan Terkait

    Sign Up & Mulai Belajar Gratis di DQLab!