Scribd
Unggah
6 tayangan2 halaman

Review Numpy

NumPy adalah pustaka penting dalam komputasi ilmiah dengan Python, menawarkan kecepatan dan efisiensi yang lebih baik dibandingkan list Python. Video tutorial membahas berbagai fitur NumPy, termasuk inisialisasi array, operasi matematika, aljabar linear, statistik dasar, manipulasi array, serta cara membaca dan menulis data. Kesimpulannya, NumPy memudahkan analisis dan manipulasi data dengan berbagai fungsionalitas yang ditawarkannya.

Diunggah oleh

Farhan Zaidan
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
6 tayangan2 halaman

Review Numpy

NumPy adalah pustaka penting dalam komputasi ilmiah dengan Python, menawarkan kecepatan dan efisiensi yang lebih baik dibandingkan list Python. Video tutorial membahas berbagai fitur NumPy, termasuk inisialisasi array, operasi matematika, aljabar linear, statistik dasar, manipulasi array, serta cara membaca dan menulis data. Kesimpulannya, NumPy memudahkan analisis dan manipulasi data dengan berbagai fungsionalitas yang ditawarkannya.

Diunggah oleh

Farhan Zaidan
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/ 2

Nama : Farhan Zaidan Albani

NPM : 242102015

Prodi : Informatika

Review Video NumPy Phyton

NumPy adalah pustaka fundamental dalam komputasi ilmiah dengan Python, berfungsi sebagai
dasar bagi banyak pustaka data science lainnya seperti Pandas. Tutorial tersebut menjelaskan
mengapa NumPy lebih cepat dibandingkan list Python, yaitu karena:

• Penggunaan tipe data tetap: NumPy mengalokasikan memori lebih efisien dibandingkan
list Python, yang menyimpan metadata tambahan.
• Memori bersebelahan (contiguous memory): Data dalam array NumPy tersusun secara
berurutan di memori, memungkinkan CPU memprosesnya lebih cepat.
• Tidak perlu pengecekan tipe saat iterasi: Semua elemen dalam array NumPy memiliki
tipe yang sama, sehingga lebih cepat dibandingkan list Python yang bisa meyimpan
berbagai tipe data dalam satu struktur.

Di dalam video tersebut juga membahas:

1. Inisialisasi Array: Cara membuat array 1D, 2D, dan lebih tinggi, serta bagaimana
mendapatkan bentuk (shape) dan tipe data dari array.
2. Operasi Matematika: Penambahan, pengurangan, perkalian, dan operasi lainnya bisa
dilakukan langsung pada array tanpa perlu loop eksplisit.
3. Aljabar Linear: Menampilkan operasi seperti perkalian matriks, determinan, eigenvalues,
dan invers matriks menggunakan numpy.linalg.
4. Statistik Dasar: Mencari nilai min, max, sum, dan operasi statistik lainnya berdasarkan
sumbu (axis).
5. Manipulasi Array: Mengubah bentuk array dengan .reshape(), menggabungkan dengan
vstack() dan hstack(), serta teknik indeksasi lanjutan seperti boolean masking.
6. Membaca dan Menulis Data: Cara memuat data dari file teks ke dalam array NumPy
menggunakan genfromtxt().
7. Copying vs Referencing: Perbedaan antara menyalin referensi array dengan b = a (yang
mengubah keduanya) vs menggunakan b = a.copy().

Kesimpulannya NumPy adalah pustaka esensial untuk pemrosesan data di Python,


menawarkan kecepatan dan efisiensi tinggi. Dari operasi dasar hingga komputasi linier
algebra dan statistik, NumPy menyediakan berbagai fitur yang memudahkan analisis dan
manipulasi data.

Anda mungkin juga menyukai