Lewati ke isi

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:

  1. Membuat array dan memahami shape serta dtype.
  2. Memilih elemen (indexing, slicing, mask).
  3. Operasi vektor, axis, dan broadcasting.
  4. 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 shape serta dtype.
  • 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=0 melintasi baris (hasil per kolom); axis=1 melintasi 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
1
2
3
4
5
6
7
8
import numpy as np

# 1. Membuat array
a = np.array([1, 2, 3, 4, 5, 6])
print("a      :", a, "| shape:", a.shape, "| dtype:", a.dtype)

M = a.reshape(2, 3)  # 2 baris, 3 kolom
print("M:\n", M, "\nshape:", M.shape)
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).
a      : [1 2 3 4 5 6] | shape: (6,) | dtype: int64
M:
 [[1 2 3]
 [4 5 6]] 
shape: (2, 3)

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
# 2. Indexing dan slicing
print("M[1, 2]  :", M[1, 2])
print("M[:, 1]  :", M[:, 1])        # seluruh baris, kolom ke-1
print("a[a > 3] :", a[a > 3])       # boolean mask
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
M[1, 2]  : 6
M[:, 1]  : [2 5]
a[a > 3] : [4 5 6]

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
# 3. Operasi vektor (tanpa for-loop)
print("a * 2    :", a * 2)
print("a ** 2   :", a ** 2)
a * 2    : [ 2  4  6  8 10 12]
a ** 2   : [ 1  4  9 16 25 36]

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
# 4. Agregasi dan axis
print("sum semua:", M.sum(), "| sum per kolom (axis=0):", M.sum(axis=0),
      "| sum per baris (axis=1):", M.sum(axis=1))
print("mean:", M.mean(), "| std:", M.std().round(3))
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
# 5. Broadcasting: kurangi rata-rata setiap kolom
centered = M - M.mean(axis=0)
print("M - mean kolom:\n", centered)
M - mean kolom:
 [[-1.5 -1.5 -1.5]
 [ 1.5  1.5  1.5]]

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
# 6. Bilangan acak yang dapat diulang
rng = np.random.default_rng(42)
print("acak:", rng.integers(0, 10, size=5))
acak: [0 7 6 4 4]

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
# 7. Jarak Euclidean antara dua titik (dipakai KNN dan k-Means)
p, q = np.array([1.0, 2.0]), np.array([4.0, 6.0])
print("jarak:", np.sqrt(((p - q) ** 2).sum()))
jarak: 5.0

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)
numpy_basics.py
import numpy as np

# 1. Membuat array
a = np.array([1, 2, 3, 4, 5, 6])
print("a      :", a, "| shape:", a.shape, "| dtype:", a.dtype)

M = a.reshape(2, 3)  # 2 baris, 3 kolom
print("M:\n", M, "\nshape:", M.shape)

# 2. Indexing dan slicing
print("M[1, 2]  :", M[1, 2])
print("M[:, 1]  :", M[:, 1])        # seluruh baris, kolom ke-1
print("a[a > 3] :", a[a > 3])       # boolean mask

# 3. Operasi vektor (tanpa for-loop)
print("a * 2    :", a * 2)
print("a ** 2   :", a ** 2)

# 4. Agregasi dan axis
print("sum semua:", M.sum(), "| sum per kolom (axis=0):", M.sum(axis=0),
      "| sum per baris (axis=1):", M.sum(axis=1))
print("mean:", M.mean(), "| std:", M.std().round(3))

# 5. Broadcasting: kurangi rata-rata setiap kolom
centered = M - M.mean(axis=0)
print("M - mean kolom:\n", centered)

# 6. Bilangan acak yang dapat diulang
rng = np.random.default_rng(42)
print("acak:", rng.integers(0, 10, size=5))

# 7. Jarak Euclidean antara dua titik (dipakai KNN dan k-Means)
p, q = np.array([1.0, 2.0]), np.array([4.0, 6.0])
print("jarak:", np.sqrt(((p - q) ** 2).sum()))

Rumus: jarak Euclidean

Jarak antara dua titik \(\mathbf{p}\) dan \(\mathbf{q}\) dengan \(n\) fitur:

\[ d(\mathbf{p}, \mathbf{q}) = \sqrt{\sum_{i=1}^{n} (p_i - q_i)^2} \]

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 menuntut X berbentuk 2 dimensi.
  • Terbalik memakai axis=0 dan axis=1.
  • Mengira b = a menyalin array; keduanya menunjuk data yang sama. Gunakan a.copy().
  • Memakai for pada array besar padahal operasi vektor tersedia.

Latihan

  1. Buat array 0..11, ubah menjadi (3, 4), lalu hitung rata-rata tiap baris.
  2. Ambil semua elemen genap dari array tersebut dengan boolean mask.
  3. Hitung jarak Euclidean antara dua titik dengan 3 fitur, tanpa for.
  4. Standardisasi tiap kolom matriks: kurangi rata-rata kolom, bagi simpangan baku kolom.
Petunjuk
  1. np.arange(12).reshape(3, 4).mean(axis=1)
  2. a[a % 2 == 0]
  3. (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.