NumPy, yang merupakan singkatan dari Numerical Python, adalah pustaka Python yang terutama digunakan untuk bekerja dengan array dan untuk melakukan berbagai macam operasi matematika pada array tersebut. Ini adalah perpustakaan inti untuk komputasi ilmiah dengan Python. NumPy sering digunakan dengan pustaka Python lain yang terkait dengan ilmu data seperti SciPy, Pandas, dan Matplotlib.

Dalam artikel ini, Anda akan mempelajari cara melakukan 12 operasi dasar menggunakan NumPy.

Menggunakan Contoh NumPy Ini

Anda dapat menjalankan contoh di artikel ini dengan memasukkan kode langsung ke interpreter python. Luncurkan dalam mode interaktif, dari baris perintah, untuk melakukannya.

Anda juga dapat mengakses file Notebook Python yang berisi kode sumber lengkap dari repositori GitHub ini.

1. Cara Mengimpor NumPy sebagai np dan Mencetak Nomor Versi

Anda perlu menggunakan impor kata kunci untuk mengimpor perpustakaan apa pun dengan Python. NumPy biasanya diimpor di bawah np alias. Dengan pendekatan ini, Anda dapat merujuk ke paket NumPy sebagai np dari pada numpy.

instagram viewer
impor numpy sebagai np
cetak (np.__version__)

Keluaran:

1.20.1

2. Cara Membuat Objek NumPy ndarray

Objek array di NumPy disebut ndarray. Anda dapat membuat NumPy ndarray objek menggunakan Himpunan() metode. NS Himpunan() metode menerima daftar, Tuple, atau objek seperti array.

Menggunakan Tuple untuk Membuat Array NumPy

arrObj = np.array((23, 32, 65, 85))
arrObj

Keluaran:

larik([23, 32, 65, 85])

Menggunakan Daftar untuk Membuat Array NumPy

arrObj = np.array([43, 23, 75, 15])
arrObj

Keluaran:

array([43, 23, 75, 15])

3. Cara Membuat Array NumPy 0D, 1D, 2D, 3D, dan N-Dimensional

Array 0D

Setiap elemen array adalah array 0D.

arrObj = np.array (21)
arrObj

Keluaran:

susunan (21)

Array 1D

Array yang memiliki array 0D sebagai elemennya disebut array 1D.

arrObj = np.array([43, 23, 75, 15])
arrObj

Keluaran:

array([43, 23, 75, 15])

Array 2D

Array yang memiliki array 1D sebagai elemennya disebut array 2D.

arrObj = np.array([[12, 43, 21], [67, 32, 98]])
arrObj

Keluaran:

array([[12, 43, 21],
[67, 32, 98]])

Array 3D

Array yang memiliki elemen array 2D (matriks) disebut array 3D.

arrObj = np.array([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
arrObj

Keluaran:

array([[[23, 45, 22],
[45, 76, 23]],
[[67, 23, 56],
[12, 76, 63]]])

Array n-Dimensi

Anda dapat membuat array dimensi apa pun menggunakan ndmin argumen.

arrObj = np.array([23, 22, 65, 44], ndmin=5)
arrObj

Keluaran:

array([[[[[23, 22, 65, 44]]]]])

4. Cara Memeriksa Dimensi Array

Anda dapat menemukan dimensi array menggunakan ndim atribut.

arrObj1 = np.array (21)
arrObj2 = np.array([43, 23, 75, 15])
arrObj3 = np.array([[12, 43, 21], [67, 32, 98]])
arrObj4 = np.array([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
cetak (arrObj1.ndim)
cetak (arrObj2.ndim)
cetak (arrObj3.ndim)
cetak (arrObj4.ndim)

Keluaran:

0
1
2
3

5. Cara Mengakses Elemen Array 1D, 2D, dan 3D

Anda dapat mengakses elemen array menggunakan nomor indeksnya. Untuk larik 2D dan 3D, Anda perlu menggunakan bilangan bulat yang dipisahkan koma yang mewakili indeks setiap dimensi.

arrObj1 = np.array([43, 23, 75, 15])
arrObj2 = np.array([[12, 43, 21], [67, 32, 98]])
arrObj3 = np.array([[[23, 45, 22], [45, 76, 23]], [[67, 23, 56], [12, 76, 63]]])
cetak (arrObj1 [2])
cetak (arrObj2[0, 2])
cetak (arrObj3[0, 1, 2])

Keluaran:

75
21
23

Catatan: Array NumPy juga mendukung pengindeksan negatif.

Terkait: Mengapa Python Adalah Bahasa Pemrograman Masa Depan

6. Cara Memeriksa Tipe Data Objek Array NumPy

Anda dapat memeriksa tipe data objek array NumPy menggunakan tipe d Properti.

arrObj1 = np.array([1, 2, 3, 4])
arrObj2 = np.array([1.3, 6.8, 3.5, 9.2])
arrObj3 = np.array(['Selamat datang', 'ke', 'MUO'])
cetak (arrObj1.dtype)
cetak (arrObj2.dtype)
cetak (arrObj3.dtype)

Keluaran:

int32
float64

Catatan:

NumPy menggunakan karakter berikut untuk mewakili tipe data bawaan:

  • i — bilangan bulat (ditandatangani)
  • b — boolean
  • O — objek
  • S — string
  • u — bilangan bulat tak bertanda
  • f — mengapung
  • c — pelampung kompleks
  • m — delta waktu
  • M — tanggal waktu
  • U — string unicode
  • V — data mentah (kosong)

7. Cara Mengubah Tipe Data Array NumPy

Anda dapat mengubah tipe data array NumPy menggunakan astype (tipe_data) metode. Metode ini menerima tipe data sebagai parameter dan membuat salinan array yang baru. Anda dapat menentukan tipe data menggunakan karakter seperti 'b' untuk boolean, 'i' untuk integer, 'f' untuk float, dll.

Mengubah Array Integer menjadi Float Array

arrObj = np.array([43, 23, 75, 15])
floatArr = arrObj.astype('f')
floatArr

Keluaran:

array([43., 23., 75., 15.], dtype=float32)

Mengubah Array Float menjadi Array Integer

arrObj = np.array([1.3, 6.8, 3.5, 9.2])
intArr = arrObj.astype('i')
intArr

Keluaran:

array([1, 6, 3, 9], dtype=int32)

Terkait: Ide Proyek Python Cocok untuk Pemula

8. Cara Menyalin Array NumPy Ke Array Lain

Anda dapat menyalin array NumPy ke array lain menggunakan np.copy() fungsi. Fungsi ini mengembalikan salinan array dari objek yang diberikan.

oldArr = np.array([43, 23, 75, 15])
newArr = np.copy (oldArr)
baruArr

Keluaran:

array([43, 23, 75, 15])

9. Cara Menemukan Bentuk Array NumPy

Bentuk array mengacu pada jumlah elemen di setiap dimensi. Anda dapat menemukan bentuk array menggunakan membentuk atribut. Ini mengembalikan tuple yang elemennya memberikan panjang dimensi array yang sesuai.

arrObj = np.array([[12, 43, 21], [67, 32, 98]])
arrObj.shape

Keluaran:

(2, 3)

Terkait: Cara Membangun API dengan Python: Kerangka Kerja Paling Populer

10. Cara Membentuk Ulang Array NumPy

Membentuk kembali array berarti mengubah bentuknya. Perhatikan bahwa Anda tidak dapat membentuk ulang array ke bentuk yang berubah-ubah. Jumlah elemen yang diperlukan untuk membentuk kembali harus sama di kedua bentuk.

arrObj = np.array([43, 23, 75, 15, 34, 45])
reshapedArr = arrObj.reshape (2, 3)
dibentuk kembaliArr

Keluaran:

larik([[43, 23, 75],
[15, 34, 45]])

Dalam contoh di atas, array 1D dibentuk kembali menjadi array 2D.

11. Cara Meratakan Array NumPy

Meratakan array berarti mengubah array multidimensi menjadi array 1D. Anda dapat meratakan array menggunakan membentuk kembali (-1).

arrObj = np.array([[12, 43, 21], [67, 32, 98]])
flattenedArr = arrObj.reshape(-1)
diratakanArr

Keluaran:

array([12, 43, 21, 67, 32, 98])

Catatan: Anda juga dapat meratakan array menggunakan metode lain seperti numpy.ndarray.flatten() dan numpy.ravel().

12. Bagaimana Mengurutkan Array NumPy

Anda dapat mengurutkan array NumPy menggunakan numpy.sort() fungsi.

Menyortir Array Bilangan Bulat 1D

arrObj = np.array([43, 23, 75, 15])
np.sort (arrObj)

Keluaran:

array([15, 23, 43, 75])

Menyortir Array String 1D

arrObj = np.array(["Python", "JavaScript", "Soliditas", "Golang"])
np.sort (arrObj)

Keluaran:

array(['Golang', 'JavaScript', 'Python', 'Soliditas'], dtype='

Menyortir Array Bilangan Bulat 2D

arrObj = np.array([[12, 43, 21], [67, 32, 98]])
np.sort (arrObj)

Keluaran:

array([[12, 21, 43], [32, 67, 98]])

Jadikan Kode Anda Kuat Menggunakan Metode dan Fungsi Bawaan

Python adalah salah satu bahasa pemrograman yang paling populer. Ini digunakan di berbagai domain seperti pengembangan web, aplikasi ilmiah dan numerik, pengembangan perangkat lunak, dan pengembangan game. Itu selalu baik untuk mengetahui tentang metode dan fungsi bawaan dengan Python. Mereka dapat mempersingkat kode Anda dan meningkatkan efisiensinya.

MembagikanMenciakSurel
20 Fungsi Python Yang Harus Anda Ketahui

Pustaka Standar Python berisi banyak fungsi untuk membantu tugas pemrograman Anda. Pelajari tentang yang paling berguna dan buat kode yang lebih kuat.

Baca Selanjutnya

Topik-topik yang berkaitan
  • Pemrograman
  • Pemrograman
  • Python
Tentang Penulis
Yuvraj Chandra (68 Artikel Diterbitkan)

Yuvraj adalah mahasiswa sarjana Ilmu Komputer di University of Delhi, India. Dia bersemangat tentang Pengembangan Web Full Stack. Ketika dia tidak menulis, dia menjelajahi kedalaman teknologi yang berbeda.

More From Yuvraj Chandra

Berlangganan newsletter kami

Bergabunglah dengan buletin kami untuk kiat teknologi, ulasan, ebook gratis, dan penawaran eksklusif!

Klik di sini untuk berlangganan