Operasi Dasar pada NumPy Array
Table of Contents
NumPy Dasar-dasar Komputasi Numerik - This article is part of a series.
Dalam dunia komputasi numerik, operasi dasar pada NumPy Array membentuk landasan kuat untuk manipulasi dan analisis data. NumPy menyediakan berbagai fungsi dan metode yang memungkinkan kita melakukan operasi aritmetika, trigonometri, logaritma, dan eksponensial pada array. Mari kita eksplorasi lebih jauh tentang operasi dasar ini.
A. Operasi Aritmetika Dasar #
1. Penjumlahan, Pengurangan, Perkalian, dan Pembagian Elemen-wise #
NumPy memungkinkan kita untuk melakukan operasi aritmetika dasar pada array dengan cara yang efisien. Operasi ini dilakukan elemen-wise, artinya setiap elemen pada posisi yang sama di kedua array dioperasikan.
import numpy as np
arr1 = np.array([[1, 2], [3, 4]])
arr2 = np.array([[5, 6], [7, 8]])
# Penjumlahan elemen-wise
result_addition = arr1 + arr2
# Pengurangan elemen-wise
result_subtraction = arr1 - arr2
# Perkalian elemen-wise
result_multiplication = arr1 * arr2
# Pembagian elemen-wise
result_division = arr1 / arr2
Hasil Print:
Penjumlahan:
array([[ 6, 8],
[10, 12]])
Pengurangan:
array([[-4, -4],
[-4, -4]])
Perkalian:
array([[ 5, 12],
[21, 32]])
Pembagian:
array([[0.2 , 0.33333333],
[0.42857143, 0.5 ]])
2. Operasi Aritmetika Universal (UFuncs) #
NumPy menyertakan Universal Functions (UFuncs) yang memungkinkan kita untuk melakukan operasi aritmetika secara efisien pada seluruh array tanpa perlu menggunakan loop. Contoh UFuncs termasuk np.add(), np.subtract(), np.multiply(), dan np.divide().
import numpy as np
arr = np.array([1, 2, 3, 4])
# Menggunakan UFuncs untuk penjumlahan
result_addition_ufunc = np.add(arr, 5)
Hasil Print:
array([6, 7, 8, 9])
B. Fungsi Universal (UFuncs) Lainnya #
1. Fungsi Trigonometri #
NumPy menyediakan fungsi-fungsi trigonometri seperti np.sin(), np.cos(), dan np.tan() untuk operasi trigonometri pada array.
import numpy as np
angles = np.array([0, np.pi/2, np.pi])
# Menghitung sin, cos, dan tan dari sudut-sudut tertentu
sin_values = np.sin(angles)
cos_values = np.cos(angles)
tan_values = np.tan(angles)
Hasil Print:
Sinus dari sudut-sudut tertentu:
array([0., 1., 0.])
Cosinus dari sudut-sudut tertentu:
array([1.000000e+00, 6.123234e-17, -1.000000e+00])
Tangen dari sudut-sudut tertentu:
array([0., 1., 0.])
2. Fungsi Logaritma dan Eksponensial #
NumPy menyediakan fungsi-fungsi seperti np.log(), np.log10(), np.exp(), dan np.power() untuk operasi logaritma dan eksponensial pada array.
import numpy as np
numbers = np.array([1, 10, 100])
# Menghitung logaritma alami dan logaritma basis 10
log_values = np.log(numbers)
log10_values = np.log10(numbers)
# Menghitung eksponensial dan pangkat
exp_values = np.exp(numbers)
power_values = np.power(numbers, 2)
Hasil Print:
Logaritma alami dari [1, 10, 100]:
array([0., 2.30258509, 4.60517019])
Logaritma basis 10 dari [1, 10, 100]:
array([0., 1., 2.])
Eksponensial dari [1, 10, 100]:
array([2.71828183e+00, 2.20264658e+04, 2.68811714e+43])
Pangkat dua dari [1, 10, 100]:
array([ 1, 100, 10000])