NumPy adalah library dasar untuk komputasi ilmiah. Hampir semua library AI (seperti TensorFlow atau PyTorch) dibangun di atas NumPy.
🧩 Apa yang Akan Dipelajari
- Kenapa NumPy lebih hebat dibanding List biasa.
- Cara membuat Array (struktur data utama NumPy).
- Melakukan operasi matematika sekaligus (Vectorization).
- Mengenal dimensi Array (1D, 2D, sampai 3D).
⚙️ Persiapan
Karena NumPy adalah library pihak ketiga, kamu harus instal dulu di terminal (pastikan venv kamu aktif ya!):
pip install numpy
🚀 1. Membuat Array Pertama Kamu
Di Python, kita biasanya mengimpor NumPy dengan nama alias np agar lebih singkat diketik.
import numpy as np
# Mengubah List biasa jadi NumPy Array
list_angka = [1, 2, 3, 4, 5]
arr = np.array(list_angka)
print(arr)
print(type(arr)) # Hasil: <class 'numpy.ndarray'>
🚀 2. Kesaktian NumPy: Operasi Vektor
Inilah alasan utama kenapa AI pakai NumPy. Kamu bisa hitung ribuan angka sekaligus tanpa pakai for loop!
Gaya List (Lama & Lambat):
angka = [1, 2, 3]
hasil = []
for n in angka:
hasil.append(n * 2) # Harus di-loop satu-satu
Gaya NumPy (Sat-set!):
arr = np.array([1, 2, 3])
hasil = arr * 2 # Langsung dikali semua!
print(hasil) # Hasil: [2 4 6]
🚀 3. Mengenal Dimensi (Shape)
Di dunia AI, data sering disebut sebagai Tensor. NumPy membaginya berdasarkan dimensi:
- 1D Array (Vector): Baris angka biasa.
- 2D Array (Matrix): Tabel yang punya baris dan kolom (seperti Excel).
- 3D Array: Kumpulan tabel (seperti data gambar berwarna).
# Membuat Matrix 2x3 (2 Baris, 3 Kolom)
matrix = np.array([[1, 2, 3], [4, 5, 6]])
print(matrix.shape) # Hasil: (2, 3)
🚀 4. Fungsi-Fungsi "Instan" NumPy
NumPy punya banyak fungsi statistik yang tinggal panggil:
np.mean(arr): Cari rata-rata.np.max(arr): Cari angka tertinggi.np.zeros((3,3)): Bikin matrix isi nol semua (sering buat inisialisasi AI).np.random.rand(5): Bikin 5 angka acak.
💡 Tips untuk Pemula
- Homogen: Beda sama List, isi NumPy Array HARUS punya tipe data yang sama (misal: angka semua). Kalau kamu campur sama teks, NumPy bakal ngubah semuanya jadi teks secara otomatis.
- Hemat Memori: NumPy nyimpen data lebih rapat di memori komputer, makanya dia jauh lebih efisien buat data besar.
❗ Troubleshooting
Masalah: Muncul error ModuleNotFoundError: No module named 'numpy'.
Solusi: Kamu belum instal NumPy atau kamu instal di luar venv. Coba ketik pip install numpy lagi di terminal dan pastikan tidak ada pesan error saat instalasi.
🎯 Kesimpulan
NumPy adalah "otot" dari Python. Dengan NumPy, kamu sudah siap mengolah data angka berskala besar yang menjadi bahan bakar utama sebuah model AI.