Kursus
Array merupakan struktur data fundamental dalam banyak bahasa pemrograman, menyediakan cara untuk menyimpan kumpulan elemen dengan tipe yang sama dalam satu blok memori yang berurutan—artinya semua elemen disimpan secara berurutan tanpa celah. Struktur ini memungkinkan akses dan manipulasi elemen yang efisien.
Berbeda dengan bahasa seperti C atau Java, Python tidak memiliki tipe data array bawaan dalam pengertian tradisional. Sebagai gantinya, Python menyediakan beberapa alternatif yang berfungsi seperti array, masing-masing cocok untuk kebutuhan dan skenario pemrograman yang berbeda.
Pustaka standar Python menyertakan modul array, yang memungkinkan pembuatan array ringkas dengan tipe yang dibatasi serupa dengan yang ada di bahasa yang lebih bertipe statis.
Namun, untuk komputasi numerik dan ilmiah, pustaka NumPy dan ndarray (n-dimensional array) miliknya telah menjadi standar andalan di Python. Array NumPy menyediakan fungsionalitas luas jauh melampaui struktur array dasar yang ditawarkan pustaka standar Python.
Dasar-dasar Array
NumPy adalah paket fundamental untuk komputasi numerik di Python, menawarkan objek array yang andal serta rangkaian fungsi untuk bekerja secara efisien dengan array tersebut. Keunggulan Numpy adalah:
• Multidimensi: Mendukung lebih dari sekadar array satu dimensi.
• Operasi yang kuat: Mencakup pustaka luas fungsi matematis dan statistik.
• Vektorisasi: Memungkinkan operasi pada seluruh array tanpa perlu loop eksplisit, sehingga meningkatkan kinerja.
• Integrasi: Bekerja mulus dengan pustaka ilmiah lain seperti SciPy, Pandas, dan Matplotlib.
Mari mulai membuat array menggunakan Numpy. Pertama Anda mengimpor NumPy lalu menggunakan fungsi array() untuk membuat array. Fungsi array() menerima sebuah list sebagai masukan.
import numpy
my_array = numpy.array([0, 1, 2, 3, 4])
print(my_array)
# Expected output: [0 1 2 3 4]
Tipe dari my_array adalah numpy.ndarray.
import numpy
my_array = numpy.array([0, 1, 2, 3, 4])
print(type(my_array))
# Expected output: <class 'numpy.ndarray'>
Contoh Array
Contoh membuat Array
Pada contoh di bawah, Anda akan mengonversi list menjadi array menggunakan fungsi array() dari NumPy. Anda akan membuat list a_list yang terdiri dari bilangan bulat. Lalu, menggunakan fungsi array(), konversikan menjadi array.
import numpy as np
a_list = [1, 2, 3, 4]
print(a_list)
# Expected output: [1, 2, 3, 4]
import numpy as np
a_list = [1, 2, 3, 4]
an_array = np.array(a_list)
print(an_array)
# Expected output: [1 2 3 4]
Contoh operasi Array
Pada contoh di bawah, Anda menjumlahkan dua array numpy. Hasilnya adalah penjumlahan elemen demi elemen dari kedua array.
import numpy as np
array_A = np.array([1, 2, 3])
array_B = np.array([4, 5, 6])
print(array_A + array_B)
# Expected output: [5 7 9]
Contoh pengindeksan Array
Anda dapat memilih elemen pada indeks tertentu dari sebuah array menggunakan notasi indeks.
import numpy as np
months_array = np.array(['Jan', 'Feb', 'March', 'Apr', 'May'])
print(months_array[3])
# Expected output: Apr
Anda juga dapat mengambil potongan rentang elemen menggunakan notasi slicing dengan menentukan rentang indeks.
import numpy as np
months_array = np.array(['Jan', 'Feb', 'March', 'Apr', 'May'])
print(months_array[2:5])
# Expected output: ['March', 'Apr', 'May']
Contoh Interaktif dari List ke Array
Pada contoh di bawah, Anda akan mengimpor numpy menggunakan alias np. Buat array prices_array dan earnings_array dari list prices dan earnings, masing-masing. Terakhir, cetak kedua array tersebut.
import numpy as np
# Lists
prices = [170.12, 93.29, 55.28, 145.30, 171.81, 59.50, 100.50]
earnings = [9.2, 5.31, 2.41, 5.91, 15.42, 2.51, 6.79]
# NumPy arrays
prices_array = np.array(prices)
earnings_array = np.array(earnings)
# Print the arrays
print(prices_array)
print(earnings_array)
# Expected output:
# [170.12 93.29 55.28 145.3 171.81 59.5 100.5 ]
# [ 9.2 5.31 2.41 5.91 15.42 2.51 6.79]
Untuk mempelajari lebih lanjut tentang array NumPy di Python, silakan lihat video dari kursus kami Introduction to Python for Finance.
Konten ini diambil dari kursus Introduction to Python for Finance di DataCamp oleh Adina Howe.
Lihat juga Tutorial Array Python Numpy kami.
FAQs
Apa perbedaan utama antara modul array Python dan array NumPy?
Perbedaan utama terletak pada kapabilitas dan kasus penggunaan. Modul array di Python menyediakan fungsionalitas dasar untuk membuat array ringkas dengan tipe yang dibatasi, mirip dengan yang ada di bahasa seperti C. Di sisi lain, array NumPy menawarkan fitur lanjutan seperti dukungan untuk array multidimensi, pustaka fungsi matematis yang sangat luas, dan pengoptimalan kinerja melalui vektorisasi. NumPy umumnya lebih disukai untuk komputasi numerik dan ilmiah.
Bisakah saya menggunakan modul array Python untuk tipe data string atau objek?
Tidak, modul array dirancang hanya untuk menampung tipe data dasar seperti integer, float, dan sejenisnya. Modul ini tidak mendukung string atau objek. Untuk koleksi tipe tersebut, list Python atau struktur data lain seperti tuple atau dictionary lebih sesuai.
Mengapa menggunakan array NumPy dibandingkan list Python untuk data numerik?
Array NumPy dioptimalkan secara khusus untuk komputasi numerik. Array ini menyediakan kemampuan penyimpanan dan pemrosesan yang efisien, melampaui list Python, terutama untuk dataset besar. Fitur seperti vektorisasi memungkinkan operasi pada seluruh array tanpa loop eksplisit, sehingga sangat meningkatkan kinerja dan keterbacaan kode.
