Ilmu data telah diubah oleh NumPy, pustaka inti untuk komputasi numerik Python, yang menawarkan kemampuan tangguh untuk operasi matematika dan operasi array. Dalam artikel blog ini, kita akan memeriksa aplikasi yang berguna untuk NumPy dan menggunakan contoh kode untuk menunjukkan efektivitas dan kemampuan beradaptasinya.

Pembuatan dan Manipulasi Array: Fungsi inti NumPy terletak pada kemampuannya menangani array multidimensi secara efisien. Mari kita jelajahi beberapa operasi array yang penting:

import numpy as np

# Creating arrays
arr1 = np.array([1, 2, 3, 4, 5])  # 1D array
arr2 = np.array([[1, 2, 3], [4, 5, 6]])  # 2D array

# Array properties
print(arr1.shape)  # (5,)
print(arr2.shape)  # (2, 3)

# Reshaping arrays
arr3 = np.arange(1, 10).reshape(3, 3)
print(arr3)

# Indexing and slicing
print(arr1[0])  # 1
print(arr2[1, 2])  # 6
print(arr3[:, 1:3])  # [[2 3]
                     #  [5 6]
                     #  [8 9]]

Operasi Matematika: NumPy menyediakan beragam fungsi matematika untuk operasi elemen yang efisien pada array. Mari kita jelajahi beberapa operasi matematika yang umum:

# Basic operations
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])

print(np.add(a, b))  # [5 7 9]
print(np.multiply(a, b))  # [4 10 18]
print(np.sqrt(a))  # [1. 1.41421356 1.73205081]

# Aggregation functions
arr = np.array([1, 2, 3, 4, 5])
print(np.sum(arr))  # 15
print(np.mean(arr))  # 3.0
print(np.max(arr))  # 5

Penyiaran: Penyiaran NumPy memungkinkan pengoperasian yang efisien pada array dengan bentuk berbeda, sehingga menghilangkan kebutuhan akan loop eksplisit. Mari kita lihat aksi penyiarannya:

a = np.array([1, 2, 3])
b = 5

print(a + b)  # [6 7 8]

Aljabar Linier: NumPy menyediakan fungsi aljabar linier komprehensif untuk memecahkan masalah matematika yang kompleks. Mari kita jelajahi operasi matriks:

a = np.array([[1, 2], [3, 4]])
b = np.array([[5, 6], [7, 8]])

print(np.dot(a, b))  # [[19 22]
                     #  [43 50]]
print(np.linalg.inv(a))  # [[-2.   1. ]
                          #  [ 1.5 -0.5]]

NumPy telah mengubah komputasi numerik dalam ilmu data dengan memungkinkan pelaksanaan operasi yang efektif dan praktis pada array multidimensi. Ini adalah alat penting untuk manipulasi dan analisis data berkat beragam operasi matematika, kemampuan penyiaran, dan operasi aljabar linier. Ilmuwan data dapat secara efisien melakukan operasi matematika yang sulit, melakukan komputasi yang kompleks, dan mengeluarkan potensi penuh dari data mereka dengan memanfaatkan kekuatan NumPy. Manfaatkan efektivitas dan kemampuan beradaptasi NumPy untuk meningkatkan alur kerja ilmu data Anda dan berhasil menyelesaikan proyek data yang sulit.

Terhubung dengan penulis: LinkedIn

Referensi: