Getting Started With Numpy - Jupyter Notebook

NumPy adalah salah satu library yang sangat populer di Python untuk komputasi numerik. Dibangun di sekitar struktur data arraynya yang kuat, NumPy memungkinkan pengguna untuk melakukan berbagai operasi matematika, statistik, manipulasi array, dan transformasi data dengan mudah. Beberapa poin utama yang menjadi daya tarik NumPy adalah:

1. Array NumPy NumPy menyediakan objek array yang memungkinkan pengguna untuk menyimpan data dalam bentuk array dan matriks multi-dimensi. Array NumPy jauh lebih efisien dalam penggunaan memori dan operasi elemen dibandingkan dengan daftar Python tradisional.

2. Efisiensi operasi array: NumPy memberikan operasi vektorisasi, yang memungkinkan pengguna untuk melakukan operasi pada seluruh array atau matriks secara efisien, tanpa perlu melakukan loop manual. Hal ini membuat kode menjadi lebih cepat dan efisien.

3. Broadcasting: Fitur broadcasting NumPy memungkinkan operasi pada array dengan bentuk dan ukuran yang berbeda. Ini memungkinkan pengguna untuk melakukan operasi aritmatika antara array yang berbeda ukuran secara langsung, tanpa perlu menyesuaikan dimensi secara manual.

4. Fungsi matematika: NumPy menyediakan berbagai fungsi matematika yang kuat yang dapat digunakan untuk melakukan operasi seperti perhitungan statistik, trigonometri, aljabar linear, transformasi Fourier, dan banyak lagi. Fungsi-fungsi ini memudahkan manipulasi dan analisis data.

Dengan fitur-fitur yang kuat ini, NumPy telah menjadi landasan utama bagi banyak library dan alat analisis data di ekosistem Python, seperti Pandas, SciPy, Matplotlib, dan lainnya. Hal ini karena kecepatan, efisiensi, dan kemampuannya dalam bekerja dengan array dan matriks besar, sangat mendukung dalam analisis data, pembelajaran mesin, dan komputasi ilmiah secara umum.

Pengenalan Numpy:

Array Shape

Shape pada array NumPy mengindikasikan dimensi dan ukuran array.

Contoh: array 1D memiliki shape (n,), array 2D memiliki shape (m, n), dan seterusnya.

Data Type

Data type pada array NumPy menunjukkan jenis nilai yang dapat disimpan dalam array.

NumPy mendukung tipe data seperti int, float, dan string.

Indexing Arrays

Indexing digunakan untuk mengakses elemen tertentu dalam array.

Indeks dimulai dari 0, dan dapat negatif (dimulai dari elemen terakhir).

Slicing Arrays

Slicing digunakan untuk mengambil sebagian dari array.

Dilakukan dengan menggunakan tanda :

Slicing One Dimension

Pada array satu dimensi, slicing satu dimensi dapat dilakukan untuk mengambil sebagian dari array.