Lewati ke konten utama

Array Python

Array Python dengan contoh kode. Pelajari cara membuat dan mencetak array menggunakan Python NumPy hari ini!
Diperbarui 28 Sep 2026  · 3 mnt Baca

Jelajahi bersama AI

ChatGPTClaudePerplexity

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]

Coba sendiri.

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.

Topik
Python
Data Science

Pelajari lebih lanjut tentang Python

Kursus

Pengantar NumPy

4 jam
63.2K
Kuasai keterampilan Anda dalam NumPy dengan belajar cara membuat, mengurutkan, menyaring, dan memperbarui array menggunakan sensus pohon di NYC.
Lihat DetailRight Arrow
Mulai Kursus
Lihat SelengkapnyaRight Arrow
Terkait

blogs

Tutorial Korelasi di R

Dapatkan pengenalan dasar-dasar korelasi di R: pelajari lebih lanjut tentang koefisien korelasi, matriks korelasi, plotting korelasi, dan sebagainya.
David Woods's photo

David Woods

13 mnt

blogs

Spaghetti Plot dan Jalur Badai

Temukan alasan mengapa Anda sebaiknya (tidak) menggunakan spaghetti plot untuk menyampaikan ketidakpastian jalur prediksi badai serta dampaknya terhadap interpretasi.
Hugo Bowne-Anderson's photo

Hugo Bowne-Anderson

13 mnt

blogs

12 Alternatif ChatGPT Terbaik yang Bisa Anda Coba pada 2026

Artikel ini menyajikan daftar alternatif ChatGPT yang akan meningkatkan produktivitas Anda.
Javier Canales Luna's photo

Javier Canales Luna

14 mnt

blogs

40 Pertanyaan Wawancara DBMS Teratas di 2026

Kuasai pertanyaan wawancara basis data, dari konsep SQL dasar hingga skenario desain sistem tingkat lanjut. Panduan mendalam ini mencakup semua yang Anda perlukan untuk sukses di wawancara DBMS dan meraih peran berikutnya.
Dario Radečić's photo

Dario Radečić

15 mnt

Lihat SelengkapnyaLihat Selengkapnya