Mengenal 3 Fungsi Numpy Array Python Dalam Mengolah Tipe Data Numerik
Numpy array merupakan salah satu library yang disediakan oleh Python dalam memudahkan operasi komputasi tipe data numerik. Numpy bisa digunakan sebagai pengganti matlab ketika digunakan dengan Scipy dan matplotlib. Biasanya numpy dituliskan dengan singkatan np. Numpy menyimpan data dalam bentuk array yaitu kumpulan variabel yang memiliki tipe data yang sama. Bentuk numpy array adalah multidimensional yang berarti bentuknya dapat berupa 1-dimensi, 2-dimensi, atau lebih.
Sebagai seorang praktisi data, penting untuk memiliki kemampuan programming. Dengan skill tersebut diharapkan agar dapat membuat program yang memudahkan proses komputasi sesuai yang dibutuhkan. Numpy array dengan Python bisa menjadi dasar dalam belajar pemrograman. Terdapat banyak fungsi yang disediakan Python dan bisa dikombinasikan dengan Numpy. Dalam artikel ini kita akan bahas 3 fungsi yang bisa digunakan ketika mengolah data. Yuk, simak dibawah ini.
1. Fungsi Arrange dan Reshape Untuk Modifikasi Data
Python menyediakan fungsi yang bisa digunakan dengan numpy yaitu .arrange dan .reshape. Arrange digunakan untuk membuat array. Formatnya penulisannya yaitu arrange([number]). Number berarti jumlah array yang ingin diisikan. Dalam perhitungan matriks, fungsi arrange bisa dituliskan yaitu arrange([starting number], [stopping number]) untuk mengatur nomor dimana starting number berarti nomor awal yang diisikan dan stopping number merupakan nomor terakhir yang tidak termasuk dalam hasil yang ditampilkan. Fungsi reshape digunakan untuk membuat atau merubah baris kolom. Format penulisannya yaitu reshape([row], [column]) dimana row dan column berisi jumlah baris dan kolom yang diinginkan.
Baca juga : Python Array : Memahami Kegunaan Array Dalam Python
2. Mengecek Tipe Data Pada Array Dengan Fungsi Type
Fungsi type() dapat digunakan untuk mengecek tipe data pada array. Format penulisannya yaitu type([nama array]). Sedangkan untuk mengecek tipe data elemen pada array bisa menggunakan fungsi dtype(). Beberapa tipe data yang umum pada numpy yaitu boolean, integer, float, dan complex. Misal pada tipe data integer ada int16, int32, dan int64. Ketiganya bertipe data sama yaitu integer, perbedaannya hanya pada kapasitas penyimpanan yang diberikan. Hal ini penting diperhatikan agar bisa menempatkan memori penyimpanan dengan baik.
3. Fungsi Untuk Operasi Pada Array
Numpy berfungsi memudahkan operasi komputasi tipe data numerik seperti penjumlahan, pengurangan, perkalian, pangkat, dan operasi lainnya yang bisa diterapkan pada vektor atau matriks. Contoh ketika ingin menjumlahkan array a dan b, kita bisa menuliskan a + b. Begitupun dengan pengurangan menggunakan simbol " - " dan perkalian menggunakan simbol " * ". Numpy Python juga menyediakan fungsi ufunc (universal function) untuk melakukan operasi pada numpy array dengan mengeksekusi elemen per elemen, contohnya untuk operasi sin dan cos. Format penulisan untuk sin yaitu sin([nama array]).
Baca juga : 3 Metode Numpy Array Python Sebagai Dasar Proses Manipulasi Data
4. Yuk Mulai Belajar Numpy Array Dengan Python Sekarang!
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 industri data yang sebenarnya! Sign up sekarang untuk #MulaiBelajarData di DQLab!
Simak informasi di bawah ini untuk mengakses gratis module "Introduction to Data Science":
Buat Akun Gratis dengan Signup di DQLab.id/signup
Akses module Introduction to Data Science
Selesaikan modulenya, dapatkan sertifikat & reward menarik dari DQLab
Subscribe DQLab.id untuk Akses Semua Module Premium!
Penulis : Dita Kurniasari
Editor : Annissa Widya