Rangkuman Library Populer pada Python

Kita sudah berada di penghujung materi Library Populer pada Python. Sampai sejauh
ini, Anda diharapkan telah memahami library populer pada Python yang beragam dan
cara penggunaannya. Sekarang, mari kita rangkum secara saksama.

Pengenalan Library
Library adalah koleksi dari banyaknya modul dan paket yang saling terkait dan dapat
digunakan berulang kali. Paket atau package adalah sebuah direktori yang berisi
satu atau lebih modul yang terkait dan saling berhubungan. Jumlah library Python
sangat banyak yang terbagi menjadi Python Standard Library dan Python External
Library.

Python Standard Library adalah jenis library yang telah terinstal secara otomatis
ketika kita melakukan instalasi Python. Anda tidak perlu melakukan instalasi
kembali jika ingin menggunakannya. Beberapa contoh Python Standard Library adalah
“os”, “datetime”, “re”, serta lainnya yang dapat Anda baca lebih lengkap pada laman
berikut.

Python External Library adalah kumpulan kode yang telah dikembangkan oleh orang
lain atau komunitas dan disediakan dalam bentuk paket atau modul yang dapat
diimpor. Jenis library ini mengharuskan Anda untuk melakukan instalasi agar dapat
digunakan. External library ini dikembangkan oleh individu atau organisasi di luar
tim inti pengembang Python.

Untuk melakukan instalasi library eksternal, Anda dapat melakukan beberapa cara,
seperti menggunakan PIP dan conda.

PIP
PIP adalah package manager resmi dari Python yang dapat digunakan untuk mengunduh,
menginstal, menghapus, dan mengelola package Python dari Python Package Index
(PyPI) dan repositori lainnya. PyPI merupakan repositori online yang menyediakan
ribuan package dari Python yang siap digunakan oleh para pengembang.

Selain mengelola paket, Anda juga bisa membuat lingkungan virtual dalam Python
menggunakan PIP. Hanya saja, pip cenderung difokuskan untuk mengelola instalasi
paket dibanding lingkungan virtual.

Kabar baiknya, pip biasanya telah terpasang secara otomatis jika Anda menggunakan
Python 2 untuk versi 2.7.9 ke atas atau Python 3 untuk versi 3.4 ke atas. Maka dari
itu, silakan periksa bahwa pip telah terpasang dengan menjalankan perintah berikut.

pip --version

Jika lokal komputer Anda belum memiliki pip, Anda bisa mengikuti langkah-langkah
berikut.

Unduh file berikut: [Link]

Buka terminal dan buka folder tempat Anda menyimpan file yang telah diunduh.
Kemudian jalankan perintah berikut.
python [Link]
Sekarang, Anda telah menyiapkan pip sebagai package manager yang mendukung
instalasi package dan library Python. Untuk melakukan instalasi, Anda bisa
mengikuti perintah berikut.

pip install <nama-package>

Ganti <nama-package> dengan nama package atau library yang ingin Anda unduh. Untuk
menghapus package, Anda bisa mengikuti perintah berikut.

pip uninstall <nama-package>

Silakan ganti <nama-package> dengan package atau library yang ingin Anda hapus.

Conda
Conda adalah 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,
menguntungkan kita untuk mencegah konflik yang terjadi antar proyek.

Dengan adanya lingkungan yang terisolasi, Anda bisa menyesuaikan semua library,
modul, hingga versi Python sesuai dengan kebutuhan masing-masing proyek. Conda
sendiri dapat diinstal melalui Anaconda dan Miniconda.

Anaconda adalah sistem distribusi perangkat lunak yang di dalamnya mencakup Conda.
Ketika menginstal Anaconda, Anda pun dapat menggunakan beberapa library dan plugin
tambahan melalui Anaconda tersebut. Miniconda adalah versi ringan dari Anaconda.
Miniconda hanya berisi conda dan beberapa package dasar yang diperlukan untuk
menjalankannya.

Conda sendiri hadir dalam dua bentuk utama: “conda” sebagai package dan environment
manager serta “conda-forge” sebagai sebuah repositori berisi ribuan paket yang
disediakan oleh komunitas conda.

Kelebihan Conda adalah sifat tidak terbatasnya pada bahasa pemrograman Python.
Conda mendukung paket-paket dalam bahasa pemrograman lain, seperti R.

Library Text Processing

Library text processing bertujuan untuk melakukan pemrosesan teks dan
menyederhanakan serta mempercepat tugas-tugas pemrosesan teks. Beberapa library
populer terkait pemrosesan teks adalah berikut.

String
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
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.

Library Matematika
Library yang dapat digunakan untuk permasalahan matematika adalah library math yang
termasuk salah satu modul bawaan Python. Anda hanya perlu melakukan impor untuk
modul math. Berikut contoh penerapannya.

import math

print([Link](25)) # Output: 5.0

print([Link]) # Output: 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 penerapannya berikut.

import argparse

parser = [Link]()
parser.add_argument('-o', '--output', action='store_true', help="tampilkan output")
args = parser.parse_args()

if [Link]:
print("Halo, ini merupakan sebuah output dari [Link]")

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. Jadi, Anda tidak perlu mengimplementasikan semuanya dari
awal. Berikut adalah beberapa library populer yang digunakan untuk pengolahan data.

Pandas
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.
NumPy
Library 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.
Matplotlib
Selanjutnya adalah matplotlib yang merupakan library untuk melakukan visualisasi
data. Matplotlib termasuk jenis library eksternal sehingga Anda perlu melakukan
instalasi matplotlib terlebih dahulu.
Seaborn
Terakhir adalah library seaborn yang termasuk jenis library dengan tujuan untuk
visualisasi data sama seperti matplotlib. Bahkan library seaborn dibangun
berdasarkan pada library matplotlib.

Library File Management

Library file management adalah kumpulan library yang dirancang untuk membantu
pengguna dalam mengelola serta 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 di setiap sistem operasi. Ada beberapa fitur yang
hanya bekerja pada sistem operasi tertentu.
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 tempat data disimpan
dengan format key & value pair.
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.

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.

Beautifulsoup
Beautifulsoup adalah library untuk mengambil data dari halaman web dan mengekstrak
informasi yang diperlukan.
Urllib
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.

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.
TensorFlow
Selanjutnya adalah TensorFlow yang termasuk salah satu library paling populer
terkait machine learning. Dengan menggunakan TensorFlow, Anda bisa mengembangkan
machine learning hingga tahap deployment.
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).

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.
Flask
Flask adalah web framework untuk Python yang ditujukan untuk membangun aplikasi
web. Flask dirancang dengan tujuan menjadi ringan, fleksibel, dan sederhana.
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.