Python: Fungsi Numpy Yang Umum Digunakan

NumPy adalah library Python yang digunakan para data scientist. Berguna untuk mengolah data numerical.

Berikut adalah beberapa fungsi dari NumPy yang sering digunakan. Tanda # adalah komentar untuk menjelaskan maksud dari perintah yang dimaksud.

import numpy as np

my_list = [0, 1, 2, 3, 4]

arr = np.array(my_list)
# mengubah list menjadi array 
# array([0, 1, 2, 3, 4])

np.arange(0, 10)
# array mulai dari 0 sampai 9
# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

np.arange(0, 10, 2)
#array mulai dari 0 - 9 dengan step 2
# array([0, 2, 4, 6, 8])

np.random.randint(0, 10)
# 7 (berbeda setiap dipanggil, angka random antara 0 s/d 9)

np.random.randint(0,10,(3,3))
# array 3 x 3 dengan isi random interger dari 0 - 9
#array([[9, 7, 8],
#       [0, 3, 5],
#       [2, 6, 7]])

arr = np.random.randint(0, 100, 10)
# array([95, 11, 81, 70, 63, 87, 75,  9, 77, 40])
# array dengan isi random integer sebanyak 10

arr.max()
# return max value dari variable arr
# 95

arr.min()
#return min value dari variable arr
# 9

arr.mean()
# return mean atau rata-rata dari variable arr
# 60.799999999999997

arr.reshape(2,5)
# reshape array (row, column), harus memuat 10 item dari variable arr (variable arr memiliki 10 item)
#array([[95, 11, 81, 70, 63],
#       [87, 75,  9, 77, 40]])

mat = np.arange(0,100).reshape(10,10)
#array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
#       [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
#       [20, 21, 22, 23, 24, 25, 26, 27, 28, 29],
#       [30, 31, 32, 33, 34, 35, 36, 37, 38, 39],
#       [40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
#       [50, 51, 52, 53, 54, 55, 56, 57, 58, 59],
#       [60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
#       [70, 71, 72, 73, 74, 75, 76, 77, 78, 79],
#       [80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
#       [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])

mat[0, 9]
# indeks array adalah [row, col] dengan zero based indexing
# 9

mat[:, 1]
# slicing, semua item dari kolom ke 1
# array([ 1, 11, 21, 31, 41, 51, 61, 71, 81, 91])

mat[0, :]
# slicing, semua item dari row ke 0
# array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

mat[0:3, 0:3]
#slicing, semua item dari row 0 s/d 2 dan col 0 s/d 2
#array([[ 0,  1,  2],
#       [10, 11, 12],
#       [20, 21, 22]])

mat[mat>50]
# masking, menampilkan array dengan value lebih besar dari 50
# array([51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67,
#       68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84,
#       85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99])