PROMO 12.12 YES! BELAJAR DATA SCIENCE 6 BULAN CUMA 122K!
Diskon Spesial 97% Belajar Data Science Bersertifikat!
SERBU DISINI!
Pendaftaran ditutup dalam 0 Hari 13 Jam 22 Menit 26 Detik 

Sekelimut Tentang Array Python, Pemula Wajib Tahu

Belajar Data Science di Rumah 17-Mei-2022
https://dqlab.id/files/dqlab/cache/603d926d0a3ccc5034b405a87b519f5c_x_Thumbnail800.jpg

Untuk menjadi seorang data scientist skill wajib yang kamu miliki salah satunya adalah bahasa pemrograman python. Jadi, merupakan langkah yang tepat bagi kamu yang ingin menjadi seorang data scientist dengan mulai mempelajari bahasa pemrograman python. 


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.


Jika, kebetulan kamu belum familiar dengan ngoding python adalah bahasa pemrograman yang tepat untuk kamu pelajari karena sangat memungkinkan dalam penulisan sintaks yang lebih ringkas dibandingkan dengan bahasa pemrograman lainnya. Maka tak heran jika python menjadi salah satu kualifikasi yang sangat penting dimiliki oleh para praktisi data, pengembangan perangkat lunak, dan engineering. Yuk, mulai mempelajari array python lebih lanjut pada artikel dibawah ini!


1. Array Adalah?

python

Python memiliki sejumlah struktur data built in, seperti array. Array memberi kita cara untuk menyimpan dan mengatur data, dan kita dapat menggunakan metode python bawaan untuk mengambil atau mengubah data itu. Misalnya, jika kamu memiliki daftar nama siswa yang ingin kamu simpan, kamu mungkin ingin menyimpannya dalam array. 


Array adalah struktur data dasar, dan merupakan bagian penting dari sebagian besar bahasa pemrograman. Dalam python, mereka dalah wadah yang mampu menyimpan lebih dari satu item pada saat yang sama. Secara khusus, mereka adalah kumpulan elemen yang dipesan dengan setiap nilai dari tipe data yang sama. Itu adalah hal yang paling penting untuk diingat tentang array Python - fakta bahwa mereka hanya dapat memegang urutan beberapa item yang memiliki jenis yang sama.


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


2. Apa Bedanya Array dengan List?

Lantas apa sih bedanya array dengan list? list adalah salah satu struktur data yang paling umum di python dan bagian utama dari bahasa pemrograman. List dan array berprilaku serupa, sama seperti array. List adalah urutan elemen yang dipesan. Mereka juga dapaat berubah dan tidak tetap dalam ukuran, yang berarti mereka dapat tumbuh dan menyusut sepanjang masa program. 


Item dapat ditambahkan dan dihapus, membuatnya sangat fleksibel untuk digunakan. Namun daftar dan array bukanlah hal yang sama, list menyimpan item yang terdiri dari berbagai tipe data. Ini berarti bahwa list dapat berisi bilangan bulat, angka floating point, string atau tipe data python lainnya, pada saat yang bersamaan. Itu tidak terjadi pada array.


3. Membuat Array Sederhana

Pertama-tama lakukan import library numpy as np, as disini merupakan nama alias ketika memanggil numpy dimana np bertindak sebagai prefixnya.


import numpy as np


a= np.array ([[2,3,5],[7,11,13]])

print (a)

print (type(a))


Outputnya:

python


Numpy Array merupakan sebuah object ndarray atau n-dimensional array. Maka untuk membuat array kita perlu memanggil prefix np disertai dengan fungsi array (). Dalam contoh diatas kami mencoba untuk membuat array 2 dimensi yang memiliki tipe data integer. Ada cara lain dalam membuat array yaitu dengan list python yang kemudian di convert ke array. Mari kita coba dengan menggunakan data yang sama tapi, dengan cara yang berbeda :


import numpy as np


a= [[2,3,5],[7,11,13]]

print (type(a))


convert_list_to_array= np.array(a)

print (convert_list_to_array)

print (type(convert_list_to_array))


Outputnya:

python


Berdasarkan output diatas dengan menggunakan data yang sama dimana sebelum di convert tipe arraynya list, dan terbukti setelah di convert tipe array nya pun ikut berubah menjadi ndarray.


4. Kapan Harus Menggunakan Array?

python

List dibangun ke dalam bahasa pemrograman python, sedangkan array tidak. Array bukanlah struktur data bawaan, dan oleh karena itu perlu diimpor melalui modul array agar dapat digunakan. Array dari modul array adalah pembungkus tipis di atas array C dan berguna dan berguna ketika anda ingin bekerja dengan data homogen. 


Mereka juga lebih kompak dan mengambil lebih sedikit memori dan ruang yang membuatnya lebih efisien ukuran dibandingkan dengan daftar. Jika, kamu ingin melakukan perhitungan matematis, maka kamu harus menggunakan array numpy dengan mengimpor package numpy. Selain itu, kamu hanya harus menggunakan array python ketika kamu benar-benar perlu, karena list bekerja dengan cara yang sama dan lebih fleksibel. 


Baca juga: Array Python : Array VS List Serupa Namun Tak Sama, Yuk, Kenali Perbedaannya


Dengan modul dan materi yang update, belajar python menggunakan bahasa menjadi lebih mudah dan terstruktur bersama DQLab. Karena terdiri dari modul-modul up-to-date dan sesuai dengan penerapan industri yang disusun oleh mentor-mentor berpengalaman dibidangnya dari berbagai unicorndan masih banyak lagi.


Yuk, belajar terstruktur dan lebih interaktif cukup dengan Sign up sekarang di DQLab.id atau klik button dibawah ini untuk nikmati pengalaman belajar yang seru dan menyenangkan!


Penulis: Rian Tineges

Editor: Annissa Widya Davita



Mulai Belajar
Data Science Sekarang
Bersama DQLab

Buat Akun Belajarmu & Mulai Langkah
Kecilmu Mengenal Data Science.

Buat Akun Gratis Dengan :

https://dqlab.id/files/dqlab/file/data-web-1/data-user-2/50040333a3a5d46bf130664e5870ebc6/8be7fae4b69abead22aa9296bcab7b4b.jpg Sign-Up dengan Google

https://dqlab.id/files/dqlab/file/data-web-1/data-user-2/50040333a3a5d46bf130664e5870ebc6/d0aa879292fb427c0978d2a12b416e98.jpg Sign-Up dengan Facebook

Atau Buat Dengan :