Scribd
Unggah
337 tayangan32 halaman

MATERI-06-Numpy Library

Numpy merupakan library Python yang populer untuk komputasi numerik dan saintifik. Ia menyediakan fitur ndarray multidimensi yang memungkinkan operasi matematika vektor dan matriks secara efisien. Numpy juga menyediakan fungsi-fungsi statistika, aljabar linier, dan manipulasi array lainnya.

Diunggah oleh

Rahmat Hidayat
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
337 tayangan32 halaman

MATERI-06-Numpy Library

Numpy merupakan library Python yang populer untuk komputasi numerik dan saintifik. Ia menyediakan fitur ndarray multidimensi yang memungkinkan operasi matematika vektor dan matriks secara efisien. Numpy juga menyediakan fungsi-fungsi statistika, aljabar linier, dan manipulasi array lainnya.

Diunggah oleh

Rahmat Hidayat
Hak Cipta
© © All Rights Reserved
Kami menangani hak cipta konten dengan serius. Jika Anda merasa konten ini milik Anda, ajukan klaim di sini.
Format Tersedia
Unduh sebagai PDF, TXT atau baca online di Scribd
Anda di halaman 1/ 32

Python Numpy Library

Adam Aji Nugroho

[email protected] / Pusat Database


Numpy
Perkenalan Numpy Library
- NumPy merupakan library yang banyak digunakan untuk komputasi saintifik pada
python
- Menyediakan fitur array multidimensi (ndarray) dari tipe data homogen yang telah
teroptimasi
- Operasi-operasi built-in untuk pemrosesan array seperti operasi matematika, logika,
manipulasi bentuk array, pengurutan, seleksi, I/O, DFT, aljabar linier, operasi
statistika, dan sebagainya
- Terkompilasi dengan bahasa C dan bersifat contiguous yang artinya disimpan
secara berurutan pada memory sehingga akses akan lebih cepat
Perkenalan Numpy Library (2)
- Terkompilasi dengan bahasa C dan bersifat contiguous yang artinya disimpan
secara berurutan pada memory sehingga akses akan lebih cepat
Perkenalan Numpy Library (3)
- Contoh perbedaan Python Sequences dan Numpy Arrays

Python List Numpy - Vectorized


Perkenalan Numpy Library (4)
- Vektorisasi dengan Single Instruction Multiple Data (SIMD)
Panduan Penggunaan
- Instalasi

- Impor Modul

- Sebagai konvensi modul numpy diberi alias ‘np’. Alias ini juga secara umum digunakan di
pengembangan aplikasi berbasis numpy.
- Jika hendak mengetahui fitur lainnya atau mengalami kendala maka dapat mengunjungi situs
https://numpy.org/ atau untuk melihat dokumentasi library https://numpy.org/doc/stable/.
Atribut Array
- shape = bentuk dari array yaitu jumlah
kolom, baris maupun elemen pada axis
tertentu.
- ndim = jumlah dimensi pada array.
- size = total elemen yang ada pada array.
- dtype = tipe data yang digunakan seperti
- nbytes = alokasi memori yang
bergantung pada total elemen dan tipe
data.
Pembuatan Array
- Python sequences seperti list dan
tuple dapat dikonversi ke numpy
array
Pembuatan Array (2)
- Penggunaan Fungsi untuk
membuat array
Pembuatan Array (3)
- Penggunaan Fungsi untuk
membuat array (lanjt.)
- Fungsi Random akan
menghasilkan nilai acak
setiap kali dipanggil, kecuali
jika nilai seed ditentukan
Pembuatan Array (4)
- Replikasi Array, secara default shallow copy
Pembuatan Array (5)
- Memuat array dari file csv bermanfaat pada data besar
https://dl.dropboxusercontent.com/s/e171pa8celin6ag/temp.csv?dl=0 (sample data)
Indexing
- Index Elemen Tunggal, pola array[index, index 2, …, index n]
Indexing
- Slicing dan Striding, pola start:stop:interval, berlaku index terbalik (-1)
- Integer Array Indexing, pola array[array index axis 0, array index axis 1, array index
axis 2, dst]
Indexing (3)
- Boolean Array Indexing, menggunakan boolean atau operasi logika
Indexing (4)
- Helper function, menggunakan numpy.where
Tipe Data
- Ragam yang lebih banyak dibandingkan tipe
data built-in python.
- Tipe data pada numpy mengikuti tipe data
pada bahasa C.
Tipe Data (2)
- Default tipe data untuk float adalah float64, dan untuk integer adalah int32
- Tipe data dapat ditentukan di awal
- Juga dapat dilakukan pengubahan tipe data atau casting
Tipe Data (3)
- Pemilihan tipe data untuk efisiensi, namun waspada terhadap overflow
- Kondisi variabel tidak dapat menampung suatu nilai karena diluar dari range tipe data
yang digunakan variabel tersebut, misal uint8 [0, 255], int8 [-128, 127]
Reshape Array
- Shape dan Dimensi array dapat diubah dengan reshape.
Combine Array
- Array yang berbeda dapat digabungkan, hstack concat column wise, vstack concat row
wise
Split Array
- Array juga dapat dipisahkan menjadi array berbeda, hsplit separate column wise, vsplit
separate row wise
Operasi Matematika Dasar
- Operasi matematika dasar pada array
seperti pengoperasian pada variabel
non-array
- Dapat dilakukan tanpa looping
- Performance lebih cepat
Operasi Statistika
- Numpy memiliki fungsi built-in untuk
melakukan operasi statistika
- Fungsi-fungsi tersebut dapat dioperasikan
per Axis atau keseluruhan
Perbandingan Array
- numpy.array_equal(A, B) digunakan untuk
membandingkan apakah elemen dan
bentuk array sama
- numpy.allclose(A, B) digunakan untuk
membandingkan apakah bentuk array
sama, namun elemen cukup mempunyai
nilai yang dekat.
Contoh Penerapan - Menghapus nilai NaN
- Nilai NaN juga dapat dihapus jika tak
diinginkan
- https://dl.dropboxusercontent.com/s/36ehrs2fwx8h
huc/temp_NaN.csv?dl=0 (sample data)
Contoh Penerapan - Mengganti nilai NaN
- Nilai NaN juga dapat diganti dengan nilai
tertentu contohnya menggunakan rata-rata
- https://dl.dropboxusercontent.com/s/36ehrs2fwx8h
huc/temp_NaN.csv?dl=0 (sample data)
Contoh Penerapan - Normalisasi
- Pada suatu model perhitungan terkadang diperlukan normalisasi data.
- Terdapat beberapa metode seperti dengan penskalaan nilai
maksimum/minimum.
- Hal ini dilakukan agar model menerima nilai dalam range tertentu.
Latihan
- Load data pada :

https://dl.dropboxusercontent.com
/s/8dqp7ajnx8r8d6h/data_normald
ist_random.csv?dl=0

- Ganti Nilai NaN dengan Mean dari


tiap kolom
- Lakukan Standardisasi Data
(normalisasi) terhadap Mean dan
Standard Deviation
Beyond Numpy
Terima Kasih

Anda mungkin juga menyukai