Numerical Python (numpy): arrays
Sri Oktamuliani, Ph.D
Paket NumPy (dibaca sebagai
NUMerical PYthon)
menyediakan akses ke
Pengantar • struktur data baru yang disebut array
• memungkinkan operasi vektor dan
numpy matriks yang efisien.
Hal ini juga memberikan sejumlah
operasi aljabar linier (seperti
pemecahan sistem persamaan linier,
perhitungan Eigenvectors dan
Eigenvalues).
Beberapa informasi latar belakang: Ada
dua implementasi lain yang menyediakan
fungsi yang hampir sama dengan NumPy.
Ini disebut "Numerik" dan "numarray":
• Numeric adalah ketentuan pertama dari satu set
Sejarah metode numerik (mirip dengan Matlab) untuk
Python. Ini berkembang dari proyek PhD.
• Numarray adalah implementasi ulang Numerik
dengan perbaikan tertentu
• Awal tahun 2006 diputuskan untuk menggabungkan
aspek terbaik dari Numeric dan Numarray ke dalam
paket Scientific Python (scipy) dan untuk
menyediakan (mudah-mudahan "final") array jenis
data di bawah nama modul "NumPy".
Tipe data yang disediakan oleh Numpy disebut “array”.
Array tampak mirip dengan List tetapi array hanya dapat
menyimpan elemen dari jenis yang sama (sedangkan List
dapat mencampur berbegai jenis objek).
Arrays
array struktur data pilihan untuk perhitungan numerik di
mana kita sering berurusan dengan vektor dan matrik.
Vektor dan matriks (dan matriks dengan lebih dari dua
indeks) semuanya disebut "array" dalam NumPy.
Array 1D, 2D dan 3D
Vektor (1d-
array)
Vektor (1d-
array)
Matriks (array 2d)
• menggunakan fungsi arange() tetapi dikombinasikan dengan
fungsi reshape(). Fungsi ini membagi array linier di bagian
yang berbeda dengan cara yang ditentukan oleh argumen
bentuk:
Matriks
(array 2d)
• sementara fungsi ones () menciptakan array yang penuh
dengan satu:
Matriks
(array 2d)
Elemen
individual dapat
diakses dan
diatur
menggunakan
sintaks ini:
• Aspek yang sangat penting dari NumPy yang belum
diperhitungkan adalah pembacaan data yang terkandung
Membaca dan dalam file. Prosedur ini sangat berguna, terutama ketika
Anda harus berurusan dengan sejumlah besar data yang
Menulis Data dikumpulkan dalam array. Ini adalah operasi yang sangat
umum dalam analisis data, karena ukuran dataset yang
Array pada akan dianalisis hampir selalu besar, dan karena itu tidak
disarankan atau bahkan mungkin untuk mengelola
File transkripsi dan pembacaan data berikutnya oleh komputer
ke yang lain secara manual, atau dari satu sesi perhitungan
ke yang lain.
• Memang NumPy menyediakan dalam hal ini seperangkat
fungsi yang memungkinkan analis data untuk menyimpan
hasil perhitungannya dalam teks atau file biner. Demikian
pula, NumPy memungkinkan membaca dan konversi data
tertulis dalam file menjadi array.
Memuat dan
Menyimpan • Mengenai untuk menyimpan dan kemudian mengambil
Data dalam data yang disimpan dalam format biner, NumPy
menyediakan sepasang fungsi yang disebut save() dan
File Biner load().
•
• Sering kali, data yang ingin Anda baca atau simpan berada
dalam format tekstur (TXT atau CSV, misalnya). Umumnya,
Anda memutuskan untuk menyimpan data dalam format
ini, bukan biner, karena file dapat diakses di luar secara
Membaca File independen jika Anda bekerja dengan NumPy atau dengan
aplikasi lain. Ambil contoh kasus satu set data dalam
dengan Data format CSV (Comma-Separated Values), di mana data
dikumpulkan dalam bentuk tabular dan di mana semua
Tabular nilai dipisahkan satu sama lain dengan koma.
• Untuk dapat membaca data Anda dalam file teks dan
memasukkannya ke dalam array, NumPy menyediakan
fungsi yang disebut genfromtxt(). Biasanya, fungsi ini
mengambil tiga argumen, termasuk nama file yang berisi
data, karakter yang memisahkan nilai dari yang lain yang
dalam kasus kami adalah paragraf, dan apakah itu berisi
header kolom.