Silabus Pelajaran 76 dari 250 · Dasar Data: numpy & pandas
Dasar Data: numpy & pandas

Kenapa Library Data: List ke Array

List Python biasa itu fleksibel, tapi untuk angka mereka lambat dan ribet. Melipatgandakan setiap nilai dalam list berarti menulis loop:

prices = [10, 20, 30]
doubled = []
for p in prices:
    doubled.append(p * 2)
print(doubled)   # [20, 40, 60]

numpy (Numerical Python) memberimu ndarray: sebuah kisi angka yang disimpan dalam satu blok memori yang rapat. Matematika pada seluruh array terjadi di C yang dikompilasi dengan cepat, tanpa loop Python. Ini disebut vectorization.

import numpy as np
prices = np.array([10, 20, 30])
print(prices * 2)        # [20 40 60]   no loop needed
print(prices.sum())      # 60
print(prices.mean())     # 20.0

Seluruh stack data dan machine-learning berjalan di atas numpy, jadi ini adalah langkah pertama yang alami. Kita mengimpornya sebagai np sesuai konvensi.

Buat array dengan np.array(a_list), lalu panggil method seperti .sum() dan .mean() langsung pada array tersebut. Mereka mengembalikan angka tunggal (skalar Python/numpy), bukan list.

Giliranku

Impor numpy sebagai np. Ubah list [4, 8, 12, 16] menjadi numpy array bernama arr. Lalu hitung total sebagai jumlahnya dan avg sebagai rata-ratanya. Cetak avg.

Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini

Latihan ini akan segera dibuka

Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.