Array Manipulation — Basic

Anda seorang programmer yang ingin membuat sebuah program untuk menyimpan data mahasiswa yang setiap mahasiswanya memiliki banyak semester yang mana setiap semester memiliki banyak mata kuliah. Bagaimana anda akan menyelesaikannya? Jawaban yang mungkin adalah dengan menggunakan array manipulation. Namun sebelum mempelajari lebih jauh tentang array manipulation, mari kita belajar sekilas pemahaman dasar tentang array.

Array adalah sekumpulan variabel yang memiliki tipe data yang sama dan dinyatakan dengan nama yang sama. Array merupakan konsep yang penting dalam pemrogaman karena array memungkinkan untuk menyimpan data maupun referensi objek dalam jumlah banyak dan terindeks.

NumPy-Logo

Dilihat dari strukturnya array dapat dibedakan menjadi array satu dimensi (1D), array dua dimensi (2D), dan seterusnya. Untuk mengubah struktur tersebut digunakanlah array manipulation. Dalam Python untuk membuat array manipulation kita dapat menggunakan library NumPy (kependekan dari Numerical Python).

Numpy memiliki kegunaan untuk operasi vektor dan matriks. Fiturnya hampir sama dengan MATLAB dalam mengelola array dan array multidimensi. Numpy merupakan salah satu library yang digunakan oleh library lain seperti Scikit-Learn untuk keperluan analisis data. NumPy juga merupakan bagian dari ekosistem berbasis Python yang lebih besar dari tool open source yang disebut SciPy.

Dalam NumPy dimensi disebut sebagai axis, dan banyaknya axis disebut rank. Sebagai contoh, koordinat sebuah titik diruang 3D dinyatakan sebagai [1,2,1] yang merupakan sebuah array dengan rank 1 karena terdiri dari satu axis. Sedangkan panjang axis tersebut adalah 3.

Pada contoh berikut, array-nya mempunyai rank 2. Axis pertama panjangnya 2, dan axis kedua panjangnya 3.

[[ 1., 0., 0.] ,
 [ 0., 1., 2.]]

array NumPy disebut sebagai ndarray, atau dikenal juga dengan sebutan array. Perlu diingat bahwa numpy.array tidak sama dengan array Standard Python array.array, yang hanya bisa digunakan untuk array satu dimensi dan dengan fitur yang lebih sedikit. Beberapa atribut penting dari ndarray adalah:

ndarray.ndim : banyaknya axis atau dimensi dari array. Di Python, banyaknya dimensi disebut sebagai rank.

ndarray.shape : dimensi dari array. Ini adalah pasangan bilangan bulat yang menunjukkan ukuran array di setiap dimensi. Untuk matriks dengan n baris dan m kolom, bentuknya adalah (n, m). Panjang dari pasangan shape adalah rank, atau jumlah dimensi, ndim.

ndarray.size : jumlah elemen dari array. Ini sama dengan perkalian elemen dari shape.

ndarray.dtype : sebuah objek yang menggambarkan jenis elemen dalam array. Seseorang dapat membuat atau menentukan jenis dtype menggunakan jenis Python standar. Selain itu NumPy menyediakan jenisnya sendiri. numpy.int32, numpy.int16, dan numpy.float64 adalah beberapa contohnya.

ndarray.itemsize : ukuran dalam byte dari setiap elemen array. Sebagai contoh, sebuah array dari elemen tipe float64 memiliki itemsize 8 (= 64/8), sedangkan satu dari tipe complex32 memiliki itemsize 4 (= 32/8). Ini sama dengan ndarray.dtype.itemsize.

ndarray.data : buffer yang mengandung elemen sebenarnya dari array. Biasanya, kita tidak perlu menggunakan atribut ini karena kita akan mengakses elemen dalam array menggunakan fasilitas pengindekan.

Contohnya:

>>> import numpy as np
>>> a = np. arange (15) . reshape (3, 5)
>>> a
array ([[ 0, 1, 2, 3, 4],
        [ 5, 6, 7, 8, 9],
        [10 , 11, 12, 13, 14]])
>>> a. shape
(3, 5)
>>> a. ndim
2
>>> a. dtype . name
’int64 ’
>>> a. itemsize
8
>>> a. size
15
>>> type (a)
<type ’numpy . ndarray ’>
>>> b = np. array ([6 , 7, 8])
>>> b
array ([6 , 7, 8])
>>> type (b)
<type ’numpy . ndarray ’>