Library Populer Pada Python :

Package Manager dan Environment Manager untuk Python :

- Conda (https://www.anaconda.com/download) :
Selain pip yang termasuk package manager resmi dari Python, ada juga conda yang
merupakan package manager dan environment manager untuk Python. Conda memungkinkan
kita untuk membuat dan mengelola lingkungan (environment) terisolasi atau terpisah
satu sama lain. Dengan terisolasinya setiap lingkungan tersebut, kita diuntungkan
untuk mencegah konflik yang terjadi antar proyek.

Library-library untuk python :

- Library Text Processing

Pertama adalah sekumpulan library yang bertujuan untuk melakukan pemrosesan teks
dan menyederhanakan serta mempercepat tugas-tugas pemrosesan teks.

String : adalah salah satu modul bawaan Python yang tidak perlu dideklarasikan.
Pada modul string ada fungsi-fungsi yang dapat dioperasikan pada variabel bertipe
string seperti di bawah.
upper(): Ubah setiap huruf dalam string menjadi huruf kapital.
lower(): Ubah setiap huruf dalam string menjadi huruf kecil.
split(): Pisahkan teks berdasarkan delimiter (karakter pemisah).
title(): Jadikan setiap awal kata kapital.
zfill(): Tambahkan nol di awal string sebanyak nilai yang ada pada
parameter.

Regex : atau regular expression adalah sebuah cara untuk mencari teks berdasarkan
pola tertentu. Umpamanya, ketika ingin mencari sebuah kata dalam kamus, misalnya
arti dari kata parsing, kita akan mencari kata tersebut di halaman yang memiliki
kata dengan awalan p, lalu pa. Regex bekerja dengan konsep yang sama.
Pada regex, kita mencari sebuah kata atau kumpulan kata dengan memberikan
pola yang diinginkan. Contoh umum regex adalah pada email. Kita dapat menggunakan
regex untuk mengecek bahwa karakter @ ada pada email atau tidak.

Contoh di bawah menunjukkan penggunaan regex. Pada variabel pattern di bawah, ^a

berarti kita ingin mencari teks dengan awalan 'a', dan s$ berarti kita ingin
mencari string berakhiran 's'.

Contoh Pada Regex :

import re # Import modul regex

```pola= '^a...s$'
string_tes= 'abyss'
hasil= re.match(pola, string_tes)

if hasil:
print("Pencarian berhasil.")
else:
print("Pencarian gagal.")```

"""
Output:
Pencarian berhasil.
"""
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
---------------------------------------------------------------

- Library Matematika
Selanjutnya adalah library math yang termasuk salah satu modul bawaan Python dan
menyediakan berbagai fungsi dan konstanta matematika. Anda hanya perlu melakukan
impor untuk modul math.
Contoh Pada Math :

```import math

print(math.sqrt(25))
print(math.pi)```

"""
Output:
5.0
3.141592653589793
"""
Pada contoh di atas, hal pertama yang dilakukan adalah melakukan impor modul math
untuk menyediakan berbagai fungsi dan konstanta matematika. Di bawahnya, kita
mencoba melakukan operasi akar dari bilangan 25 yang hasilnya adalah 5. Kemudian,
kita mencoba mendapatkan nilai pi dalam modul math yang bernilai
“3.141592653589793”.
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------

- Library Parser
Library parser pada Python menyediakan fasilitas untuk menguraikan kode Python
menjadi struktur data yang dapat diproses dan dianalisis. Anda dapat menggunakan
Getopt atau ArgParse.
Argument parser bermanfaat jika kita ingin membuat program atau skrip kecil yang
langsung menerima parameter pada saat pemanggilan program. Hal ini biasa digunakan
dalam pemanggilan aplikasi atau skrip di CLI/terminal *nix-based, misalnya Linux
dan MacOS.

Contoh tindakan menambahkan Argument yang bersifat opsional/tidak wajib dengan

menggunakan ArgParse adalah berikut :

```import argparse

parser = argparse.ArgumentParser()
parser.add_argument('-o', '--output', action='store_true', help="tampilkan output")
args = parser.parse_args()

if args.output:
print("Halo, ini merupakan sebuah output dari panggildicoding.py")```

Jadi, pada saat dijalankan, ada beberapa hal yang perlu diperhatikan, yaitu
berikut.

Berkas panggildicoding.py dapat menerima parameter -o atau --output.

Jika kita memanggil berkas tanpa parameter -o, berkas tidak akan menampilkan apa
pun.
Jika kita memanggil dengan -o atau --output, berkas akan menampilkan Halo, ini
merupakan sebuah output dari panggildicoding.py.
Jika kita memanggil --help, tampil help dengan penjelasan "tampilkan output".

Kita juga bisa membuat argumennya bersifat wajib. Modifikasi berkas

panggildicoding.py menjadi seperti berikut.

```import argparse

parser = argparse.ArgumentParser()
parser.add_argument('-n', '--nama', required=True, help="Masukkan Nama Anda")
args = parser.parse_args()

print("Terima kasih telah menggunakan panggildicoding.py, "+args.nama)```

Jadi, pada saat dijalankan, ada beberapa hal yang menjadi perhatian seperti
berikut.

Berkas panggildicoding.py harus dipanggil dengan parameter -n atau --nama.

Jika kita memanggil berkas tanpa parameter -n, berkas akan meminta parameter n atau
nama.
Jika kita memanggil dengan -n NAMAKITA atau --nama NAMAKITA, berkas akan
menampilkan Terima kasih telah menggunakan panggildicoding.py NAMAKITA.
Jika kita memanggil --help, tampil help dengan penjelasan "Masukkan Nama Anda".

Anda dapat menyuplai lebih dari satu argumen dengan menambahkan parser.add_argument
sejumlah yang Anda inginkan.

Ketentuan skrip sebagai berikut.

Berkas panggildicoding.py harus dipanggil dengan parameter n/nama dan

t/tanggallahir.
Format tanggal lahir adalah dd-mm-yyyy.
Jika kita memanggil berkas tanpa parameter, berkas akan menolak.
Jika usia pemanggil saat ini kurang dari 30 tahun, tambahkan panggilan kakak,
selain itu gunakan panggilan bapak sebelum NAMAKITA.
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
--------------------------------------------------------------------------

- Library Pengolahan Data

Library pengolahan data bertujuan untuk membantu dalam manipulasi, analisis, dan
pemrosesan data. Library ini menyediakan berbagai fungsi dan metode yang memudahkan
pengguna untuk melakukan operasi pengolahan data dengan lebih efisien dan cepat.
Tujuan dari library ini untuk menyederhanakan tugas-tugas kompleks yang berkaitan
dengan pengolahan data sehingga Anda tidak perlu mengimplementasikan semuanya dari
awal. Berikut adalah beberapa library populer yang digunakan untuk pengolahan data.

Pandas : adalah library populer yang digunakan untuk pengelolaan dan analisis data.
Library ini menyediakan struktur data dan alat untuk membantu pengguna dalam
melakukan manipulasi, pembersihan, transformasi, dan analisis data dengan mudah dan
efisien.
Meskipun pandas sudah terinstal secara otomatis pada beberapa IDE dan
versi Python, perlu diingat bahwa pandas bukan merupakan library bawaan Python.
Oleh karena itu, Anda harus menginstal library ini terlebih dahulu sebelum dapat
menggunakannya.

Contoh Pandas :
```import pandas as pd

# Membuat DataFrame dari dictionary

data = {
'Nama': ['John', 'Jane', 'Bob', 'Alice],
'Usia': [25, 30, 22, 28],
'Pekerjaan': ['Engineer', 'Teacher', 'Designer', 'Doctor']
}

df = pd.DataFrame(data)

print(df)```

Pada contoh di atas, kita membuat DataFrame dari dictionary dan menampilkannya ke
layar. DataFrame merupakan struktur data utama dalam pandas yang mirip seperti
tabel atau spreadsheet. DataFrame merupakan struktur dua dimensi yang menyimpan
data dalam bentuk baris dan kolom.

Numpy : adalah package fundamental yang sering digunakan untuk scientific computing
pada Python. Library ini menyediakan objek array multidimensi, berbagai jenis objek
lainnya, seperti masked array dan matrix, dan sebagainya.
NumPy termasuk library eksternal, meskipun NumPy juga sudah terinstal secara
otomatis pada beberapa IDE dan versi Python, perlu diingat bahwa NumPy bukan
termasuk library bawaan Python. Oleh karena itu, Anda harus menginstal library ini
terlebih dahulu sebelum dapat menggunakannya.

Contoh Numpy :

```import numpy

matriks = numpy.array([[1, 2, 3], [4, 5, 6], [7, 8 ,9]])

print(matriks)```

"""
Output:
[[1 2 3]
[4 5 6]
[7 8 9]]
"""
Pada kode di atas, kita mengimpor library "numpy" terlebih dahulu untuk mengambil
fungsi-fungsi atau kode yang berada pada library tersebut. Selanjutnya, mengubah
nested list menjadi array dengan menggunakan fungsi “.array()”.

Matplotlib : yang merupakan library untuk melakukan visualisasi data. Matplotlib

termasuk jenis library eksternal sehingga Anda perlu melakukan instalasi matplotlib
terlebih dahulu.

Contoh Matplotlib :

```import matplotlib.pyplot as plt

# Data
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# Membuat plot garis

plt.plot(x, y)
# Menambahkan judul dan label sumbu
plt.title("Contoh Plot Garis")
plt.xlabel("Sumbu X")
plt.ylabel("Sumbu Y")

# Menampilkan plot
plt.show()```

Pada kode di atas, kita akan membuat visualisasi berdasarkan data dari variabel x
dan y. Hal pertama yang dilakukan adalah mengimpor library dengan menggunakan
sintaks “import matplotlib.pyplot as plt".
Selanjutnya, ini adalah contoh sehingga kita perlu membuat variabel sebagai data
yang akan digunakan. Di sini kita membuat variabel x dan y sebagai data yang akan
divisualisasi.
Untuk membuat visualisasinya, kita menggunakan sintaks “plt.plot(x, y)” dengan
argumennya adalah variabel x dan y. Lalu, kita menambahkan informasi tambahan
seperti title, xlabel, dan ylabel. Terakhir, kita menampilkan visualisasi tersebut
dengan sintaks “plt.show()”.

Seaborn : yang termasuk jenis library dengan tujuan untuk visualisasi data sama
seperti matplotlib. Bahkan library seaborn dibangun berdasarkan pada library
matplotlib.

Contoh Seaborn :

```import seaborn as sns

import matplotlib.pyplot as plt

# Contoh data
tips = sns.load_dataset('tips') # Memuat dataset tips dari Seaborn

# Contoh plot histogram

sns.histplot(tips['total_bill'], kde=True)
plt.title('Histogram Total Bill')
plt.xlabel('Total Bill')
plt.ylabel('Frequency')
plt.show()```

Pada contoh di atas, kita menggunakan seaborn untuk melakukan visualisasi

berdasarkan dataset tips. Dataset ini adalah bawaan dari library seaborn yang dapat
Anda gunakan.
Hal pertama yang dilakukan adalah mengimpor modul seaborn. Selanjutnya, kita load
dataset dan menyimpannya pada variabel tips.
Untuk membuat plot yang baik, di sini kita menggabungkan seaborn dan juga
matplotlib. Library matplotlib digunakan untuk membuat title, xlabel, ylabel, dan
menampilkannya ke layar.
Untuk membuat plot histogram pada seaborn, Anda dapat menggunakan sintaks
“sns.histplot()” dengan sns adalah library seaborn dan histplot merupakan
fungsinya. Jangan lupa untuk mengisikan value dalam fungsi tersebut. Pada contoh di
atas kita menggunakan kolom total_bill yang ada dalam dataset tips.
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-

- Library File Management

Library file management adalah kumpulan library yang dirancang untuk membantu
pengguna dalam mengelola dan berinteraksi dengan berkas dan direktori pada sistem
file. Beberapa library file management adalah berikut.

OS : Modul OS pada Python berguna untuk fungsi-fungsi yang berkaitan dengan sistem
operasi, misalnya open(), path(), getcwd(), dan fungsi lainnya. Modul ini
memungkinkan Anda untuk memanfaatkan fungsi yang sama dan mengeksekusi fungsi
terkait OS yang mungkin berbeda dalam setiap sistem operasi. Ada beberapa fitur
yang hanya bekerja pada sistem operasi tertentu.

Contoh kode di bawah menunjukkan fungsi os.getcwd(). Fungsi ini akan

mengembalikan string representasi dari Current Working Directory, yaitu direktori
tempat program Python kita berada. Fungsi ini berlaku pada semua OS :

```import os
print(os.getwcd())```

JSON : Untuk serialization dengan bahasa lain, umumnya kita menggunakan

JSON(JavaScript Object Notation) yang memiliki beberapa perbedaan karakteristik
dengan pickle, yakni berikut.
JSON adalah format text-serialization dan umumnya menggunakan Unicode atau UTF-
8. Sementara pickle bersifat binary serialization.
JSON dapat dibaca dengan mudah oleh manusia, sementara pickle tidak.
JSON dapat dioperasikan dan digunakan di luar ekosistem Python. Pickle adalah
Python-specific.
JSON secara default hanya dapat merepresentasikan subset dari built-in type
pada Python.
Pickle dapat merepresentasikan hampir (jika tidak seluruh) tipe Python dan
secara default melakukan kompresi data.

Sebagaimana yang telah disebutkan sebelumnya, JSON adalah format text yang
ditujukan untuk serialization. Agar data dapat dengan mudah ditransmisikan antar
berbagai sumber tanpa khawatir bentuknya kacau, menggunakan JSON adalah salah satu
pilihan yang tepat.

JSON memiliki format yang hampir mirip dengan dictionary, yakni data disimpan
dengan format key dan value pair. Namun, tentunya JSON jauh lebih kompleks dari
dictionary. Dapat dilihat dari contoh JSON untuk data pembelian di bawah.

Dengan JSON kita dapat menyimpan data dengan lebih teratur. Sebuah key seperti
children di bawah dapat memiliki sebuah dictionary baru yang berisi informasi
terkait objek children tersebut.

Contoh JSON :

{
"firstName": "Jane",
"lastName": "Doe",
"hobbies": ["running", "sky diving", "singing"],
"age": 35,
"children": [
{
"firstName": "Alice",
"age": 6
},
{
"firstName": "Bob",
"age": 8
}
]
}

import json

# contoh JSON:
x = '{ "nama":"Buchori","umur":22, "Kota":"New York"}'

# parse x:
y = json.loads(x)

print(y["umur"])

Pickle : Jika Anda memiliki sebuah list yang ingin disimpan atau ditransmisikan
tanpa khawatir bentuknya akan rusak atau kacau, fungsi dari library pickle dapat
dimanfaatkan. Pickle termasuk fungsi Object Serialization pada Python. Pickling
adalah istilah untuk mengubah objek menjadi byte stream, sedangkan unpickling
adalah perlakuan sebaliknya.

Kode berikut adalah contoh cara melakukan proses pickle pada sebuah object
dictionary dan menyimpannya pada sebuah file :

```import pickle
contoh_dictionary = {1:"6", 2:"2", 3:"f"}
pickle_keluar = open{"dict.pickle", "wb"}
pickle_dump(contoh_dictionary, pickle_keluar)
pickle_keluar.close()```

Kode berikut adalah contoh untuk mengekstraksi berkas pickle dan menaruhnya
pada sebuah variabel :

```import pickle
pickle_masuk = open("dict.pickle", "rb")
contohDictionary = pickle.load(pickle_masuk)
pickle_masuk.close()
print(contohDictionary)```
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
---------

- Library Web Scraping

Library web scraping adalah jenis library untuk membantu pengguna mengumpulkan data
dari halaman web. Proses ini disebut sebagai “web scraping” atau “web crawling”.
Anda bisa menggunakan fungsi dan metode pada library ini untuk mengekstraksi
informasi dari situs web dan menyimpannya dalam format yang dapat diakses dan
digunakan dalam analisis atau aplikasi lainnya.

Beatifulsoup : adalah library untuk mengambil data dari halaman web dan mengekstrak
informasi yang diperlukan. Untuk menggunakan beautifulsoup, Anda harus
menginstalnya terlebih dahulu. Silakan jalankan kode pip berikut untuk
menginstalnya.

Contoh Beatifulsoup :

```from urllib.request import urlopen

from bs4 import BeatifulSoup
# Pengambilan konten
url = "https://python.org/"
page = urlopen(url)
html = page.read().decode("utf-8")

# Membuat objek BeatifulSoup

soup = BeatifulSoup(html, "html.parser")

# Mencetak judul halaman

print(soup.title)```

Pada contoh di atas, kita melakukan web scraping untuk mengambil judul dari laman
web “http://python.org/”. Hal pertama yang dilakukan adalah mengimpor Beautifulsoup
sebagai library yang akan kita gunakan. Selanjutnya kita mengambil konten dari url
dengan menggunakan fungsi dari modul “urlopen”. Setelah konten diambil, kita
membuat objek BeautifulSoup dan dari objek ini kita bisa memunculkan beberapa
konten berdasarkan tag html. Pada contoh di atas, kita mengambil judul halaman
dengan menggunakan method “title”.

Urllib : adalah library bawaan dari Python yang bertujuan untuk scraping konten
dari sebuah website. Penggunaan urllib berbeda dengan beautifulsoup. Bisa dikatakan
bahwa cara penggunaan urllib sedikit kompleks dibandingkan beautifulsoup. Kode di
bawah adalah contoh untuk memulai proses scraping pada situs dengan domain
python.org dan menampilkan isi dari tag title dari situs tersebut.

Contoh Urllib :

```from urllib.request import urlopen

# Pengambilan konten
url = "https://python.org/"
page = urlopen(url)
html = page.read().decode("utf-8")

# Mencari indeks awal dan akhir

start_index = html.find("<title>") + len("<title>")
end_index = html.find("</title>")

# Mengekstrak dan mencetak judul halaman

title = html[start_index:end_index]
print(title)```

Pada kode di atas, kita melakukan scraping terhadap url yang sama seperti contoh
sebelumnya. Namun, kali ini kita menggunakan urlopen untuk mengambil title dari
laman “http://python/org/”

Hal pertama yang dilakukan adalah mengimpor urlopen dengan menggunakan “from
urllib.request import urlopen”. Selanjutnya, kita mengambil konten dari url yang
telah ditentukan.

Tahapan ketiga adalah kita mencari indeks awal dan akhir. Tujuan kita adalah
mengambil title sehingga indeksnya ditentukan dari tag “<title>” dan “</title>”.
Terakhir, kita mengekstrak dan mencetak judul halaman tersebut.
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------

- Library Machine Learning

Selanjutnya adalah library yang digunakan untuk melakukan pemelajaran mesin. Anda
dapat menggunakan library berikut untuk membantu Anda menyelesaikan permasalahan
machine learning. Berikut adalah beberapa library populer untuk machine learning.

scikit-learn : Pertama adalah scikit-learn yang menyediakan berbagai algoritma

pemelajaran mesin siap pakai untuk membantu dalam pengembangan model pemelajaran
mesin, pemrosesan data, dan evaluasi kinerja model.
Contoh : https://scikit-learn.org/stable/auto_examples/index.html

TensorFlow : Selanjutnya adalah TensorFlow sebagai salah satu library paling

populer terkait machine learning. Dengan menggunakan TensorFlow, Anda bisa
mengembangkan machine learning hingga tahap deployment.
Contoh : https://www.tensorflow.org/tutorials

PyTorch : Terakhir ada PyTorch, yakni library machine learning yang dikembangkan
oleh Facebook’s AI Research lab (FAIR). PyTorch menyediakan alat dan kerangka kerja
yang kuat untuk mengembangkan model pemelajaran mesin, terutama dalam konteks
jaringan saraf tiruan (neural networks).
Contoh : https://pytorch.org/tutorials/
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
-----------------------------------------------------------------------------------
------------------------------------------------------

- Library Web Development

Terakhir, ada library yang bertujuan untuk pengembangan aplikasi web. Sebagaimana
yang sudah dijelaskan dalam materi-materi sebelumnya, Python dapat digunakan untuk
pengembangan aplikasi web pada sisi server. Berikut adalah library yang dapat
digunakan untuk membantu Anda mengembangkan web.

Django : Django adalah high-level Python web framework yang mendukung pengembangan
secara cepat, bersih, serta pragmatis.
Contoh : https://docs.djangoproject.com/en/4.2/

Flask : Flask adalah web framework dalam Python yang ditujukan untuk membangun
aplikasi web. Flask dirancang dengan tujuan menjadi ringan, fleksibel, dan
sederhana. Dengan Flask, Anda bisa merancang aplikasi web dari yang sederhana
hingga kompleks.
Contoh : https://flask.palletsprojects.com/en/2.3.x/tutorial/

Fast API : FastAPI adalah web framework untuk Python yang tujuannya merancang dan
membangun API dengan cepat, efisien, dan aman. FastAPI memberikan kinerja yang
tinggi, sintaks yang intuitif, serta dukungan otomatisasi dokumentasi yang kuat.
Jadi, ia cocok untuk pengembangan mikroservis, layanan web responsif, dan
sebagainya.
Contoh : https://fastapi.tiangolo.com/tutorial/