PROMO PUNCAK LEBARAN DISKON 99%
Belajar Data Science 6 Bulan BERSERTIFIKAT hanya Rp 99K!

0 Hari 0 Jam 39 Menit 22 Detik

Mengenal Python Array, Cara Mengakses Array Berbagai Dimensi

Belajar Data Science di Rumah 05-Januari-2021
https://dqlab.id/files/dqlab/cache/bb7fe17232e183241804461159fa2169_x_Thumbnail800.jpg

Python array adalah sekumpulan variabel, dimana variabel tersebut memiliki tipe data yang sama serta dapat dinyatakan dengan nama yang sama. Array pada dasarnya menjadi sebuah hal yang sangat wajib dikuasai oleh pemula yang sedang belajar bahasa pemrograman apapun itu, termasuk Python. Umumnya, array juga bersifat mutable atau dapat diubah sehingga hal ini akan sangat berguna ketika kita ingin melakukan manipulasi sesuai dengan keadaan terbaru.

Array menjadi hal basic yang harus dipahami terlebih dahulu sebelum mulai bergerak ke hal-hal yang lebih kompleks. Pada dasarnya, setiap hal kompleks jika dipecahkan maka akan terlihat bahwa hal tersebut tersusun dari hal-hal yang sederhana. Array dapat terdiri dari berbagai dimensi. Kita harus mengerti bagaimana cara mengakses data array dari berbagai dimensi. Sehingga dalam artikel ini akan dijelaskan caranya. Sudah mulai penasaran? Yuk, simak artikelnya sampai selesai ya!

1. Mengakses Array 1-D

Sebelum membahas dimensi yang lebih kompleks, ada baiknya dimulai dengan dimensi yang lebih sederhana. Dalam python, index nya dimulai dari 0 sehingga angka 0 disini merujuk ke arah elemen pertama, dan begitu seterusnya. Misalkan, elemen pertama yang akan diambil, maka kita dapat menggunakan syntax berikut:

import numpy as np

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

print(arr[0])

Maka hasil yang akan didapatkan adalah 4 yang merupakan elemen pertama. Selain mengakses elemen, kita juga dapat menambahkan antar elemen.

import numpy as np

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

print(arr[1] + arr[3])

Hasilnya adalah 4.

Baca juga : Python Array : Memahami Kegunaan Array Dalam Python

2. Mengakses Array 2-D

Untuk mengakses array 2 dimensi dapat dilakukan dengan menggunakan dua angka yang dipisahkan dengan koma. Angka pertama melambangkan dimensi, dan angka kedua melambangkan elemen. Misalkan kita ingin mengakses elemen ketiga dari dimensi kedua, maka:

import numpy as np

arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])

print('3rd element on 2nd dim: ', arr[1, 2])

Maka hasilnya adalah 

3rd element on 2nd dim:  8

3. Mengakses Array 3 Dimensi

Hampir sama dengan cara mengakses elemen di array 2 dimensi, namun pada array 3 dimensi terdiri dari 3 angka yang dipisahkan koma. Angka pertama menunjukkan dimensi pertama, angka kedua menunjukkan dimensi kedua, dan angka ketiga menunjukkan dimensi ketiga. Agar lebih memahami, mari kita praktekkan. Misalkan kita akan mengambil elemen ketiga dari array kedua yang diambil dari array pertama.

import numpy as np

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

print(arr[0, 1, 2])

Maka hasilnya adalah 6. Berikut penjelasannya:

  • Angka pertama mewakili dimensi pertama, yang berisi dua larik, yaitu [[1, 2, 3], [4, 5, 6]] dan [[7, 8, 9], [10, 11, 12]]. Karena kita memilih 0, maka array pertama yang terambil adalah [[1, 2, 3], [4, 5, 6]].

  • Angka kedua mewakili dimensi kedua, yang juga berisi dua larik [1, 2, 3] dan [4, 5, 6]. Kita memilih 1 sehingga didapatkan array kedua adalah [4, 5, 6].

  • Angka ketiga merepresentasikan dimensi ketiga yang terdiri dari tiga angka, yaitu 4, 5, dan 6. Dalam hal ini kita memilih 2 yang artinya ingin mengakses elemen ketiga, yaitu 6.

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