Pengantar NumPy

NumPy adalah pustaka Python yang andal untuk komputasi numerik. NumPy menyediakan dukungan untuk larik, fungsi matematika, dan operasi yang jauh lebih cepat daripada daftar Python tradisional.

Dalam pelajaran ini, Anda akan mempelajari cara menggunakan NumPy untuk melakukan operasi numerik secara efisien.

Memasang NumPy

Untuk memasang NumPy, gunakan perintah berikut di terminal Anda:

pip install numpy

Setelah terpasang, Anda dapat mengimpornya dalam skrip Python:

# Importing numpy
import numpy as np

print("NumPy imported successfully")

Membuat Larik NumPy

Larik NumPy lebih cepat dan lebih hemat memori daripada daftar Python. Anda dapat membuat larik dari daftar atau menggunakan fungsi bawaan:

# Creating arrays
import numpy as np

arr = np.array([1, 2, 3, 4])
print(arr)  # Outputs: [1 2 3 4]

Operasi Larik

NumPy mendukung operasi per elemen, yang jauh lebih cepat daripada melakukan perulangan pada daftar:

# Element-wise operations
arr = np.array([1, 2, 3, 4])
print(arr + 10)  # Outputs: [11 12 13 14]

Pengindeksan dan Pemotongan Larik

Larik NumPy mendukung pengindeksan dan pemotongan tingkat lanjut:

# Indexing and slicing
arr = np.array([10, 20, 30, 40, 50])
print(arr[1:4])  # Outputs: [20 30 40]

Bekerja dengan Larik Multidimensi

NumPy mendukung larik multidimensi (matriks):

# Creating a 2D array
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix)

Operasi Matematika

NumPy menyediakan fungsi matematika bawaan untuk operasi seperti mean, median, dan simpangan baku:

# Mathematical operations
arr = np.array([1, 2, 3, 4, 5])
print(np.mean(arr))  # Outputs: 3.0

Membuat Larik

NumPy dapat membuat larik dengan fungsi seperti arange dan linspace:

# Generating arrays
arr = np.arange(0, 10, 2)
print(arr)  # Outputs: [0 2 4 6 8]

Kesalahan Umum dalam NumPy

Berikut beberapa kesalahan yang perlu dihindari:

• Menggunakan daftar Python untuk kumpulan data besar, bukan larik NumPy.
• Lupa memeriksa bentuk larik multidimensi sebelum melakukan operasi.
• Tidak memanfaatkan operasi berbasis vektor.

Apa yang Telah Kita Pelajari?

Dalam pelajaran ini, Anda telah mempelajari:

• Cara memasang dan mengimpor NumPy.
• Keunggulan larik NumPy dibandingkan daftar Python.
• Cara melakukan operasi, pengindeksan, dan pemotongan larik.
• Cara bekerja dengan larik multidimensi dan fungsi matematika bawaan.

Kerja bagus! Mari lanjut ke topik berikutnya.