NumPy

Edit nilai pada Wikidata
Logo NumPy
Tipeperangkat lunak bebas, Pustaka Python dan mathematical software (en) Terjemahkan Edit nilai pada Wikidata
Versi pertamaSebagai Numeric, 1995 (1995); sebagai NumPy, 2006 (2006)
Versi stabil
2.1.3 (2 November 2024) Edit nilai pada Wikidata
GenreAnalisis numerik
LisensiBSD[1]
Karakteristik teknis
Sistem operasiCross-platform
Bahasa pemrogramanPython, C (mul) Terjemahkan dan Fortran Edit nilai pada Wikidata
Format kode
Format berkas
Informasi pengembang
PembuatTravis Oliphant
PengembangKomunitas proyek
Informasi tambahan
Situs webnumpy.org (bahasa Inggris) Edit nilai pada Wikidata
Stack ExchangeEtiqueta Edit nilai pada Wikidata
Pelacakan kesalahanLaman pelacakan Edit nilai pada Wikidata
Free Software DirectoryNumPy Edit nilai pada Wikidata
X: numpy_team Youtube: UCguIL9NZ7ybWK5WQ53qbHng Modifica els identificadors a Wikidata
Sunting di Wikidata Sunting di Wikidata • Sunting kotak info • L • B
Info templat
Bantuan penggunaan templat ini

NumPy (dieja /ˈnʌmp/ (NUM-py), atau /ˈnʌmpi/[3][4] (NUM-pee)) adalah sebuah pustaka untuk bahasa pemrograman Python, NumPy memberikan dukungan untuk himpunan dan matriks multidimensi yang besar, dan dilengkapi koleksi sejumlah besar fungsi matematika tingkat tinggi untuk beroperasi pada himpunan ini.[5] Proyek pendahulu NumPy, Numeric, awalnya dibuat oleh Jim Hugunin dengan kontribusi dari beberapa pengembang lain pada tahun 1995. Pada tahun 2005, Travis Oliphant menciptakan NumPy dengan memasukkan fitur Numarray ke dalam Numeric, serta melakukan modifikasi besar-besaran. NumPy adalah perangkat lunak sumber terbuka dan memiliki banyak kontributor.

Contoh program

Pembuatan himpunan (array)
>>> import numpy as np
>>> x = np.array([1, 2, 3])
>>> x
array([1, 2, 3])
>>> y = np.arange(10)  # seperti fungsi Python list(range(10)), tetapi menghasilkan array
>>> y
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
Operasi dasar
>>> a = np.array([1, 2, 3, 6])
>>> b = np.linspace(0, 2, 4)  # buat array dengan empat titik dengan jarak yang sama dimulai dengan 0 dan diakhiri dengan 2.
>>> c = a - b
>>> c
array([ 1.        ,  1.33333333,  1.66666667,  4.        ])
>>> a**2
array([ 1,  4,  9, 36])
Fungsi universal
>>> a = np.linspace(-np.pi, np.pi, 100) 
>>> b = np.sin(a)
>>> c = np.cos(a)
Aljabar linear
>>> from numpy.random import rand
>>> from numpy.linalg import solve, inv
>>> a = np.array([[1, 2, 3], [3, 4, 6.7], [5, 9.0, 5]])
>>> a.transpose()
array([[ 1. ,  3. ,  5. ],
       [ 2. ,  4. ,  9. ],
       [ 3. ,  6.7,  5. ]])
>>> inv(a)
array([[-2.27683616,  0.96045198,  0.07909605],
       [ 1.04519774, -0.56497175,  0.1299435 ],
       [ 0.39548023,  0.05649718, -0.11299435]])
>>> b =  np.array([3, 2, 1])
>>> solve(a, b)  # menyelesaikan persamaan ax = b
array([-4.83050847,  2.13559322,  1.18644068])
>>> c = rand(3, 3) * 20  # buat matriks nilai acak 3x3 dalam [0,1] dengan skala 20
>>> c
array([[  3.98732789,   2.47702609,   4.71167924],
       [  9.24410671,   5.5240412 ,  10.6468792 ],
       [ 10.38136661,   8.44968437,  15.17639591]])
>>> np.dot(a, c)  # matrix multiplication
array([[  53.61964114,   38.8741616 ,   71.53462537],
       [ 118.4935668 ,   86.14012835,  158.40440712],
       [ 155.04043289,  104.3499231 ,  195.26228855]])
>>> a @ c # Starting with Python 3.5 and NumPy 1.10
array([[  53.61964114,   38.8741616 ,   71.53462537],
       [ 118.4935668 ,   86.14012835,  158.40440712],
       [ 155.04043289,  104.3499231 ,  195.26228855]])
Tensor
>>> M = np.zeros(shape=(2, 3, 5, 7, 11))
>>> T = np.transpose(M, (4, 2, 1, 3, 0))
>>> T.shape
(11, 5, 3, 7, 2)
Kombinasi dengan OpenCV
>>> import numpy as np
>>> import cv2
>>> r = np.reshape(np.arange(256*256)%256,(256,256))  # array 256x256 piksel dengan gradien horizontalfrom 0 to 255 for the red color channel
>>> g = np.zeros_like(r)  # array dengan ukuran dan tipe yang sama dengan r tetapi diisi dengan 0 untuk kanal warna hijau
>>> b = r.T # transposed r will give a vertical gradient for the blue color channel
>>> cv2.imwrite('gradients.png', np.dstack([b,g,r]))  # Gambar OpenCV ditafsirkan sebagai BGR, array tumpuk kedalaman akan ditulis ke file PNG RGB 8bit yang dinamai 'gradients.png'
True
Pencarian Nearest Neighbour - Algoritma Python Iteratif dan versi vektorisasi NumPy yang sepadan
>>> # # # Pure iterative Python # # #
>>> points = [[9,2,8],[4,7,2],[3,4,4],[5,6,9],[5,0,7],[8,2,7],[0,3,2],[7,3,0],[6,1,1],[2,9,6]]
>>> qPoint = [4,5,3]
>>> minIdx = -1
>>> minDist = -1
>>> for idx, point in enumerate(points):  # iterate over all points
...     dist = sum([(dp-dq)**2 for dp,dq in zip(point,qPoint)])**0.5  # compute the euclidean distance for each point to q
...     if dist < minDist or minDist < 0:  # if necessary, update minimum distance and index of the corresponding point
...         minDist = dist
...         minIdx = idx

>>> print('Nearest point to q: {0}'.format(points[minIdx]))
Nearest point to q: [3, 4, 4]

>>> # # # Equivalent NumPy vectorization # # #
>>> import numpy as np
>>> points = np.array([[9,2,8],[4,7,2],[3,4,4],[5,6,9],[5,0,7],[8,2,7],[0,3,2],[7,3,0],[6,1,1],[2,9,6]])
>>> qPoint = np.array([4,5,3])
>>> minIdx = np.argmin(np.linalg.norm(points-qPoint,axis=1))  # compute all euclidean distances at once and return the index of the smallest one
>>> print('Nearest point to q: {0}'.format(points[minIdx]))
Nearest point to q: [3 4 4]

Referensi

  1. ^ "NumPy — NumPy". numpy.org. NumPy developers. 
  2. ^ "Releases – numpy/numpy". Diakses tanggal 8 February 2021 – via GitHub. 
  3. ^ Pine, David (2014). "Python resources". Rutgers University. Diakses tanggal 2017-04-07. 
  4. ^ "How do you say numpy?". Reddit. 2015. Diakses tanggal 2017-04-07. 
  5. ^ Charles R Harris; K. Jarrod Millman; Stéfan J. van der Walt; et al. (16 September 2020). "Array programming with NumPy" (PDF). Nature (dalam bahasa Inggris). 585 (7825): 357–362. arXiv:2006.10256alt=Dapat diakses gratis. doi:10.1038/S41586-020-2649-2. ISSN 1476-4687. PMC 7759461alt=Dapat diakses gratis. PMID 32939066. Wikidata Q99413970. 

Bacaan lanjutan

Pranala luar