BEDUG MERIAH Diskon 95%
Belajar Data 6 BULAN Bersertifikat hanya Rp150K!

0 Hari 1 Jam 53 Menit 46 Detik

Pengenalan dan Tutorial Dasar Numpy Array dengan Python

Belajar Data Science di Rumah 14-Maret-2021
https://dqlab.id/files/dqlab/cache/f17bf9ac3f680c08ff14184e9b61754e_x_Thumbnail800.png

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 vektor (1-d array) dan matrix (2-d array).

Pada artikel ini, DQLab akan berbagi pengetahuan mengenai bagaimana menggunakan Numpy untuk memanipulasi Array pada Python. Secara spesifik, pada artikel ini akan dijelaskan tutorial dasar yang dapat sahabat data sekalian terapkan menggunakan Numpy pada array, termasuk cara menggabungkan setiap array yang ada. Dengan memahami hal-hal fundamental mengenai numpy array tersebut, sahabat data akan memiliki dasar yang lebih baik dalam melakukan data processing kedepannya. Penasaran apa saja metode tersebut? Yuk simak penjelasan berikut!

 

1. Mengenal NumPy Array

NumPy merupakan salah satu library terpenting dalam bahasa pemrograman python. Fungsi NumPy array mirip dengan manipulasi data pada python. Beberapa manipulasi array dasar adalah atribut array, pengindeksan array, pembentukan baris, dan penggabungan-pemisahan array. Manipulasi array yang biasanya banyak digunakan adalah menggabungkan beberapa array menjadi satu atau memisahkan satu array menjadi beberapa bagian.

Langkah pertama saat ingin menggunakan library numpy adalah melakukan import dengan menggunakan coding library numpy as np. Penggunaan as disini, artinya kita menggantikan pemanggilan numpy dengan prefix np untuk proses berikutnya.


Untuk melakukan pengecekan tipe pada array menggunakan fungsi type() seperti gambar di bawah ini


Array df memiliki tipe data int32 dan int64 yang keduanya sama-sama bertipekan integer. Perbedaan keduanya pada kapasitas penyimpanan data.

 

Baca juga: Python vs R, Mana yang Lebih Tepat untuk Beginner?

 

2. 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 dengan menghasilkan output sebagai berikut:


Array diatas adalah berbentuk (2,5) artinya mempunyai 2 baris dan 5 kolom. Kita bisa melihat jumlah elemen di setiap dimensi dengan menggunakan fungsi shape. 


3. Operasi Aritmatika

Kita bisa menggunakan operasi aritmatika seperti penjumlahan, pengurangan, perkalian, pembagian dan perpangkatan. Operator yang digunakan adalah  +, -, *, / dan **

Berikut contoh operasi aritmatika pada array,


4. Kenali Join Array

Join atau penggabungan merupakan hal kerap kali kita temukan, termasuk dalam array. Tidak jarang dalam pekerjaan Data Science, kita akan membutuhkan penggabungan dari beberapa data yang telah ada. Join array merupakan proses penggabungan array yang satu dengan array lainnya. Menggabungkan ini lebih mengarah kepada proses menempatkan dua atau lebih array dalam satu array. Jika pada SQL kita dapat melakukan proses penggabungan (yang dikenal dengan Join) menggunakan kata kunci, maka dalam array kita dapat menggabungkannya berdasarkan axis-nya (sumbunya).


5. Fungsi untuk Join Array

Untuk menggabungkan antara array yang satu dengan yang lainnya, kita tentunya akan membutuhkan alat. Dalam hal penggabungan numpy array, kita bisa memanfaatkan beberapa fungsi, seperti:

  • concatenate (), digunakan untuk menggabungkan array tanpa harus memperhatikan urutan array yang akan digabungkan. 

  • stack (), hampir mirip dengan concatenate() hanya saja bedanya stack() dilakukan di axis yang baru.

  • hstack(), untuk menggabungkan array yang hasilnya akan berbentuk rows atau horizontal  

  • vstack(), untuk menggabungkan dua array atau lebih dimana hasilnya akan berbentuk column atau vertikal.

 

Baca juga: Belajar Python: Mengenal Array pada Bahasa Pemrograman Python


6. Belajar Sekarang Yuk, DQLab Punya Kesempatan Special untuk Kamu! 

Saat ini DQLab sedang mengadakan promo Valentine buy 1 get 1 free untuk modul premium dan juga modul platinum. Kamu cukup membayar 6 bulan subscription untuk mendapatkan 12 bulan subscription sebagai member premium. Eits, gak cuma itu loh, kamu juga bisa mendapatkan 2 modul platinum hanya dengan harga 180 ribu. Murah banget kan? Yuk, tunggu apa lagi, buruan join menjadi member DQLab sekarang juga! Penawaran ini akan berakhir di tanggal 20 Februari 2022. Jangan sampai kamu melewatkan penawaran menarik ini ya!


Penulis : Salsabila & Gifa

Editor : Annissa Widya Davita


Mulai Karier
sebagai Praktisi
Data Bersama
DQLab

Daftar sekarang dan ambil langkah
pertamamu untuk mengenal
Data Science.

Buat Akun


Atau

Sudah punya akun? Login