0Pricing
Python Academy · Pelajaran

Array NumPy dan dtype

Buat ndarray, pahami dtype, dan jelajahi properti array.

Array NumPy dan dtype adalah pelajaran Python Academy gratis di CoddyKit. Ini adalah pelajaran 1 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Python Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Python Academy mencakup 4 pelajaran total.

Apa Itu NumPy?

NumPy menyediakan ndarray—larik bertipe tetap dengan memori kontigu yang mendukung operasi tervectorisasi, jauh lebih cepat daripada daftar Python.

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr)          # [1 2 3 4 5]
print(arr * 2)      # [ 2  4  6  8 10]   (no Python loop)

Membuat Larik

Fungsi pembuatan yang umum: np.array(), np.zeros(), np.ones(), np.arange(), np.linspace().

import numpy as np

print(np.zeros((2, 3)))     # 2x3 array of 0.0
print(np.ones(5))           # [1. 1. 1. 1. 1.]
print(np.arange(0, 10, 2))  # [0 2 4 6 8]
print(np.linspace(0, 1, 5)) # [0.   0.25 0.5  0.75 1.  ]

dtype

Setiap larik NumPy memiliki satu dtype. dtype yang umum: int32, int64, float32, float64, bool, complex128.

import numpy as np

a = np.array([1, 2, 3])           # int64 by default
b = np.array([1.0, 2.0])          # float64
c = np.array([1, 2], dtype=np.float32)

print(a.dtype)  # int64
print(c.dtype)  # float32

Bentuk Larik dan ndim

shape adalah tuple yang berisi ukuran setiap dimensi. ndim adalah jumlah dimensi. size adalah jumlah seluruh elemen.

import numpy as np

m = np.ones((3, 4))
print(m.shape)   # (3, 4)
print(m.ndim)    # 2
print(m.size)    # 12
print(m.dtype)   # float64

Mengubah Bentuk

reshape() mengembalikan view dengan bentuk baru (data yang sama). flatten() mengembalikan salinan sebagai larik 1-D.

import numpy as np

arr = np.arange(12)
mat = arr.reshape(3, 4)
print(mat)
# [[ 0  1  2  3]
#  [ 4  5  6  7]
#  [ 8  9 10 11]]
print(mat.flatten())   # [ 0  1  2  3 ...]

Konversi Tipe

Gunakan arr.astype(dtype) untuk mengonversi larik ke tipe lain. Fungsi ini selalu mengembalikan salinan.

import numpy as np

arr = np.array([1, 2, 3])
float_arr = arr.astype(np.float64)
print(float_arr)   # [1. 2. 3.]
print(float_arr.dtype)   # float64

Larik Acak

Buat larik acak dengan np.random: distribusi uniform, normal, dan bilangan bulat.

import numpy as np

rng = np.random.default_rng(seed=42)   # reproducible
print(rng.random(5))         # 5 uniform [0,1)
print(rng.standard_normal(3)) # 3 normal(0,1)
print(rng.integers(1, 10, 4)) # 4 ints [1,10)

Memeriksa Memori Larik

itemsize memberikan jumlah byte per elemen; nbytes memberikan jumlah total byte.

import numpy as np

arr = np.zeros(1_000_000, dtype=np.float64)
print(arr.itemsize)   # 8
print(arr.nbytes)     # 8_000_000 (8 MB)

small = arr.astype(np.float32)
print(small.nbytes)   # 4_000_000 (4 MB)

np.empty dan np.full

np.empty mengalokasikan memori tanpa inisialisasi (cepat). np.full mengisi larik dengan nilai konstan.

import numpy as np

e = np.empty((2,3))          # uninitialised — random garbage values
f = np.full((2,3), fill_value=7)
print(f)
# [[7 7 7]
#  [7 7 7]]

Salinan vs View

Mengiris larik NumPy mengembalikan view (tanpa salinan). Mengubah view akan mengubah larik asli. Gunakan .copy() untuk membuat larik yang independen.

import numpy as np

arr = np.array([1, 2, 3, 4])
view = arr[1:3]
view[0] = 99
print(arr)    # [ 1 99  3  4]  — original changed!

copy = arr[1:3].copy()
copy[0] = 0
print(arr)    # unchanged

Larik Terstruktur

Larik terstruktur menyimpan data heterogen (seperti struct dalam C) dalam satu ndarray dengan field bernama.

import numpy as np

dt = np.dtype([('name', 'U10'), ('age', np.int32), ('score', np.float64)])
people = np.array([
    ('Alice', 30, 95.5),
    ('Bob',   25, 87.3),
], dtype=dt)
print(people['name'])   # ['Alice' 'Bob']

Pemeriksaan Cepat

Apa yang dikembalikan oleh arr.reshape(3, 4)?

Ringkasan

ndarray NumPy adalah larik bertipe tetap dengan memori kontigu. Atribut utama: shape, dtype, ndim, nbytes. Pengirisan mengembalikan view; gunakan .copy() agar larik independen. Pilih dtype terkecil yang mencukupi untuk menghemat memori.

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Array NumPy dan dtype” gratis?

Ya — teks lengkap “Array NumPy dan dtype” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Python Academy, upgrade ke CoddyKit PRO. Kursus Python Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Array NumPy dan dtype”?

Buat ndarray, pahami dtype, dan jelajahi properti array. Kamu berlatih Python Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Python Academy?

Tidak diperlukan pengalaman sebelumnya. Python Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 1 dari 4.

Berapa lama pelajaran “Array NumPy dan dtype” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Python Academy ini?

Ya. Setiap pelajaran Python Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

  1. Array NumPy dan dtype
  2. Operasi Array dan Broadcasting
  3. Pengindeksan, Pemotongan, dan Pengindeksan Lanjutan
  4. Aljabar Linear dengan NumPy
← Kembali ke Python Academy