Daftar Topik Utama
- pengertian Numpy
- cara instlasi
- import library numpy
- membuat array di numpy
- array 2 dimensi
- perintah arange
- perintah zeros
- perintah linspace
- perintah eye
- perintah membuat angka random
- perintah mencari nilai tertinggi / terendah
- perintah reshape
- perintah indexing dan selection
- perintah broadcast dan pengisian sebagian elemen array
- perintah copy array
- perintah melakukan selection pada numpy 2 dimensi
- perintah conditional selection pada numpy
- perintah array operation
pengertian Numpy
- NumPy adalah library (kumpulan program) untuk python,
- jadi Numpy berjalan diatas python
- dari berbagai library NumPy, NumPy arrays yang akan digunakan
- vectors dan matrices
cara instlasi
## instlasi program numpy dengan pip !pip install numpy
import library numpy
- pastikan sebelum menggunakan / memanggil numpy anda sudah melakukan import seperti perintah berikut
- tujuannya agar library numpy diload di dalam memory sehingga semua method-method di dalamnya dapat dipanggil dari program kita
## import library numpy import numpy as np
membuat array di numpy
## membuat numpy array object dengan input list python list_python = [1,2,3,4,5,6] np_arr = np.array(list_python) np_arr
array 2 dimensi
# numpy array 2 dimensi (perhatikan tampilan output) list_python = [[1,2,3],[4,5,6],[7,8,9]] np_arr = np.array(list_python) np_arr
perintah arange
## membuat numpy array dengan perintah function np.arange(10) # bila input arange hanya 1 # berarti mulai dari 0 sebanyak 10 np.arange(5,10) # bila input arange ada 2 # berarti mulai dari angka 5 sampai 10 np.arange(0,10,2) # bila input arange ada 3 # buat dari 0 - 10, lompat 2
perintah zeros
np.zeros(3) # buat dengan elemen adalah 0 np.zeros((2,3,3)) # 2 dimensi dengan elemen nol # hati-hati inputnya berbentuk tuple
perintah linspace
np.linspace(0, 10, 20) # buat array dengan isi elemen # dari 0 sampai 10, dan totalnya ada 6 elemen # sehingga otomatis komputer akan menghitung # selisihnya harus berapa np.linspace(0, 10, 30)
perintah eye
np.eye(4) # membuat identical 4 x 4 array tapi diagonalnya 1 # sisanya 0
perintah membuat angka random
- rand angka acak dari 0 - 1
- randint angka acak bilangan bulat sesuai dengan range yang diberikan
## Numpy rand dan randint # untuk membuat array untuk angka yang acak # hasil angka acak antara nol sampai satu np.random.rand(5) np.random.rand(3,3) # angka acak tapi 2 dimensi # membuat angka acak tapi bilangan bulan (integer) # 1 adalah angka awal, 100 adalah angka akhir # dan 10 adalah banyaknya arr3 = np.random.randint(1, 100, 10) arr3
perintah mencari nilai tertinggi / terendah
arr3.max() # cari nilai tertinggi arr3.argmax() # cari index untuk nilai tertinggi arr3.min() # nilai terendah
perintah reshape
## Numpy reshape mengubah dimensi array dengan arr4 = np.arange(20) print('Isi arr4: ',arr4) print('Dimensi arr4 : ', arr4.shape) print('tipe data arr4 : ', arr4.dtype) arr5 = arr4.reshape(4,5) # ubah dimensi array print('Dimensi arr5 : ', arr5.shape) print('Isi arr5: ',arr5)
perintah indexing dan selection
- mengambil sebagian isi array
arr6 = np.arange(0,100,10) arr6 arr6[8] arr6[0:3] # ambil dari index 0 sampai 3 arr6[:6] # ambil sampai index 6 arr6[5:] # ambil setelah index 5
perintah broadcast dan pengisian sebagian elemen array
arr62 = arr6[0:3] # ini tidak dibuatkan array baru arr62[:] = 99 # semua elemen array diisi dengan 99 # perintah ini dikenal dengan nama broadcast print('isi array 62', arr62) print('isi array 6',arr6) # perhatikan bagian ini
perintah copy array
arr63 = arr6.copy() arr6[:] = 99 print('isi array 6',arr6) print('isi array 63', arr63) # perhatikan bagian ini
perintah melakukan selection pada numpy 2 dimensi
## numpy array 2 dimensi arr7 = np.array([[10,20,30],[40,50,60],[70,80,90]]) arr7 arr7[1] arr7[1][2] arr7[1,2] # bisa juga menggunakan single bracket arr7[:2,1:] # ambil baris 0 dan 1 (:2) # ambil kolom 1 dan 2 (1:) arr7[1:,:] # ambil baris 1 dan 2 dan semua kolom
perintah conditional selection pada numpy
## numpy conditional arr8 = np.arange(10,15) # array dari 10 sampai 15 arr8a = arr8 > 13 # cek setiap elemen array arr8[arr8a] # ambil elemen yang lolos pengecekan arr8[arr8 > 13]
perintah array operation
# numpy array operation import numpy as np arr9 = np.arange(0,11) arr9 + arr9 arr9 + 100