NumPy¶
Gambaran singkat¶
Apa ini? NumPy adalah pustaka dasar untuk menghitung dengan array (kumpulan angka) secara cepat.
Analogi
Daripada menghitung 1.000 angka satu per satu dengan kalkulator, Anda memakai lembar hitung yang mengubah seluruh kolom sekaligus.
Mengapa penting? Hampir semua pustaka ML dibangun di atas NumPy. Memahaminya membuat kode lain jauh lebih mudah dibaca.
Yang akan dipelajari, berurutan:
- Membuat array dan memahami
shapesertadtype. - Memilih elemen (indexing, slicing, mask).
- Operasi vektor,
axis, dan broadcasting. - Menghitung jarak Euclidean.
Istilah awal:
| Istilah | Arti sederhana |
|---|---|
| Array | Kumpulan angka berbentuk baris dan kolom |
shape |
Ukuran array, misalnya (100, 5) |
axis |
Arah operasi: per baris atau per kolom |
| Broadcasting | Aturan otomatis menyamakan ukuran array saat dihitung bersama |
Tujuan pembelajaran¶
- Membuat array dan memahami
shapesertadtype. - Memilih elemen dengan indexing, slicing, dan boolean mask.
- Memakai operasi vektor, agregasi dengan
axis, dan broadcasting. - Menghitung jarak Euclidean, yang dipakai KNN dan k-Means.
Mengapa NumPy?¶
Hampir semua pustaka ML (pandas, scikit-learn, Matplotlib) berbasis array NumPy. Array menyimpan data numerik sejenis secara efisien, dan operasinya dijalankan sekaligus pada seluruh elemen (vektorisasi) sehingga lebih singkat dan jauh lebih cepat daripada for biasa.
Konsep kunci¶
shape: ukuran tiap dimensi.(2, 3)berarti 2 baris dan 3 kolom. Data tabular ML umumnya berbentuk(jumlah_sampel, jumlah_fitur).dtype: tipe data seluruh elemen (int64,float64, ...).axis: arah operasi.axis=0melintasi baris (hasil per kolom);axis=1melintasi kolom (hasil per baris).- Broadcasting: aturan yang memperluas array berukuran lebih kecil agar cocok dengan yang lebih besar, misalnya mengurangkan rata-rata kolom dari tiap baris.
Implementasi langkah demi langkah¶
Seluruh contoh ada di examples/fundamentals/numpy_basics.py. Di bawah, program dipecah menjadi tujuh langkah; program lengkap ada di akhir bagian ini.
Langkah 1: mengimpor NumPy dan membuat array¶
Tujuan. Menyiapkan data numerik dalam bentuk array, struktur yang dipahami semua pustaka ML.
| numpy_basics.py | |
|---|---|
| Kode | Penjelasan |
|---|---|
import numpy as np |
Memuat NumPy dan memberinya nama pendek np, sebuah konvensi yang dipakai di mana-mana. |
np.array([1, 2, ...]) |
Mengubah list Python menjadi array NumPy. Semua elemen array bertipe sama. |
a.shape |
Bentuk array dalam tuple. (6,) berarti satu dimensi berisi 6 elemen. |
a.dtype |
Tipe data elemen. int64 berarti bilangan bulat 64-bit. |
a.reshape(2, 3) |
Menyusun ulang 6 elemen yang sama menjadi 2 baris × 3 kolom (jumlah elemen harus tetap 6). |
Interpretasi. a memiliki satu sumbu; M memiliki dua sumbu: sumbu 0 = baris, sumbu 1 = kolom. Data tabular ML hampir selalu berbentuk (jumlah_sampel, jumlah_fitur), yaitu 2 dimensi seperti M.
Langkah 2: mengambil elemen (indexing dan slicing)¶
Konsep. Elemen diambil dengan indeks yang dimulai dari 0. Pada array 2 dimensi gunakan [baris, kolom]; tanda : berarti "semua".
| numpy_basics.py | |
|---|---|
| Kode | Hasil | Penjelasan |
|---|---|---|
M[1, 2] |
6 |
Baris ke-1, kolom ke-2 (mulai dari 0) |
M[:, 1] |
[2 5] |
Semua baris, hanya kolom ke-1 |
a[a > 3] |
[4 5 6] |
Boolean mask: a > 3 menghasilkan [F, F, F, T, T, T]; hanya elemen bernilai True yang diambil |
Mengapa penting. Pola data[data > batas] dipakai terus: memilih baris yang memenuhi syarat, mencari outlier, atau menyaring data pada pandas.
Langkah 3: operasi vektor¶
Konsep. Operasi aritmetika pada array berlaku untuk setiap elemen sekaligus (vektorisasi), tanpa for.
| numpy_basics.py | |
|---|---|
a * 2 mengalikan tiap elemen dengan 2; a ** 2 memangkatkan tiap elemen. Selain lebih singkat, cara ini jauh lebih cepat daripada perulangan Python pada data besar.
Langkah 4: agregasi dan axis¶
Konsep. Fungsi seperti sum() dan mean() meringkas array. Parameter axis menentukan sumbu mana yang dihilangkan: axis=0 meringkas sepanjang baris sehingga hasilnya satu angka per kolom; axis=1 menghasilkan satu angka per baris.
| numpy_basics.py | |
|---|---|
sum semua: 21 | sum per kolom (axis=0): [5 7 9] | sum per baris (axis=1): [ 6 15]
mean: 3.5 | std: 1.708
Untuk M = [[1, 2, 3], [4, 5, 6]]: jumlah per kolom = [1+4, 2+5, 3+6] = [5 7 9]; jumlah per baris = [1+2+3, 4+5+6] = [6 15]; rata-rata seluruh elemen = 21/6 = 3,5. std() adalah simpangan baku populasi (1,708).
Kesalahan umum. Terbalik memakai axis=0 dan axis=1. Cara mengingatnya: sumbu yang Anda sebut adalah sumbu yang hilang dari hasil.
Langkah 5: broadcasting¶
Konsep. Bila dua array berbeda bentuk, NumPy memperluas yang lebih kecil agar cocok (broadcasting), selama bentuknya kompatibel. Di sini M berbentuk (2, 3) dikurangi M.mean(axis=0) berbentuk (3,): vektor rata-rata kolom dikurangkan dari setiap baris.
| numpy_basics.py | |
|---|---|
Rata-rata kolom adalah [2.5, 3.5, 4.5], sehingga kolom pertama menjadi [1-2.5, 4-2.5] = [-1.5, 1.5], dan seterusnya. Operasi "kurangi rata-rata tiap kolom" ini adalah langkah pertama standardisasi data yang akan sering dipakai.
Langkah 6: bilangan acak yang dapat diulang¶
| numpy_basics.py | |
|---|---|
np.random.default_rng(42) membuat generator acak dengan seed 42. Seed yang sama selalu menghasilkan urutan angka yang sama, sehingga eksperimen dapat diulang dan hasilnya dapat dicocokkan dengan materi ini. integers(0, 10, size=5) mengambil 5 bilangan bulat dari 0 sampai 9. Mengganti seed akan mengganti angkanya.
Langkah 7: jarak Euclidean¶
| numpy_basics.py | |
|---|---|
p - q mengurangkan tiap koordinat, ** 2 mengkuadratkan, .sum() menjumlahkan, np.sqrt mengakarkan: \(\sqrt{(1-4)^2 + (2-6)^2} = \sqrt{9+16} = 5\). Langkah ini adalah rumus yang dijelaskan di bawah.
Program lengkap (numpy_basics.py)
Rumus: jarak Euclidean¶
Jarak antara dua titik \(\mathbf{p}\) dan \(\mathbf{q}\) dengan \(n\) fitur:
Untuk \(\mathbf{p} = (1, 2)\) dan \(\mathbf{q} = (4, 6)\): \(\sqrt{3^2 + 4^2} = 5\), sesuai keluaran jarak: 5.0. Jarak ini dipakai KNN dan k-Means; karena itu skala fitur penting (lihat Praproses Data).
Kesalahan umum¶
Hindari
- Bingung antara
shape(n,)dan(n, 1); banyak fungsi scikit-learn menuntutXberbentuk 2 dimensi. - Terbalik memakai
axis=0danaxis=1. - Mengira
b = amenyalin array; keduanya menunjuk data yang sama. Gunakana.copy(). - Memakai
forpada array besar padahal operasi vektor tersedia.
Latihan¶
- Buat array
0..11, ubah menjadi(3, 4), lalu hitung rata-rata tiap baris. - Ambil semua elemen genap dari array tersebut dengan boolean mask.
- Hitung jarak Euclidean antara dua titik dengan 3 fitur, tanpa
for. - Standardisasi tiap kolom matriks: kurangi rata-rata kolom, bagi simpangan baku kolom.
Petunjuk
np.arange(12).reshape(3, 4).mean(axis=1)a[a % 2 == 0](M - M.mean(axis=0)) / M.std(axis=0)
Ringkasan¶
NumPy menyediakan array dan operasi vektor yang menjadi fondasi seluruh ekosistem ML. Pahami shape, axis, mask, dan broadcasting.
Berikutnya: pandas.