Cara menggunakan python fill 2d array

Two dimensional array is an array within an array. It is an array of arrays. In this type of array the position of an data element is referred by two indices instead of one. So it represents a table with rows an dcolumns of data.

In the below example of a two dimensional array, observer that each array element itself is also an array.

Consider the example of recording temperatures 4 times a day, every day. Some times the recording instrument may be faulty and we fail to record data. Such data for 4 days can be presented as a two dimensional array as below.

Day 1 - 11 12 5 2 
Day 2 - 15 6 10 
Day 3 - 10 8 12 5 
Day 4 - 12 15 8 6 

The above data can be represented as a two dimensional array as below.

T = [[11, 12, 5, 2], [15, 6,10], [10, 8, 12, 5], [12,15,8,6]]

Accessing Values

The data elements in two dimesnional arrays can be accessed using two indices. One index referring to the main or parent array and another index referring to the position of the data element in the inner array.If we mention only one index then the entire inner array is printed for that index position.

Example

The example below illustrates how it works.

from array import *

T = [[11, 12, 5, 2], [15, 6,10], [10, 8, 12, 5], [12,15,8,6]]

print(T[0])

print(T[1][2])

Output

When the above code is executed, it produces the following result −

[11, 12, 5, 2]
10

To print out the entire two dimensional array we can use python for loop as shown below. We use end of line to print out the values in different rows.

Example

from array import *

T = [[11, 12, 5, 2], [15, 6,10], [10, 8, 12, 5], [12,15,8,6]]
for r in T:
   for c in r:
      print(c,end = " ")
   print()

Output

When the above code is executed, it produces the following result −

11 12  5 2 
15  6 10 
10  8 12 5 
12 15  8 6 

Inserting Values

We can insert new data elements at specific position by using the insert() method and specifying the index.

Example

In the below example a new data element is inserted at index position 2.

from array import *
T = [[11, 12, 5, 2], [15, 6,10], [10, 8, 12, 5], [12,15,8,6]]

T.insert(2, [0,5,11,13,6])

for r in T:
   for c in r:
      print(c,end = " ")
   print()

Output

When the above code is executed, it produces the following result −

11 12  5  2 
15  6 10 
 0  5 11 13 6 
10  8 12  5 
12 15  8  6 

Updating Values

We can update the entire inner array or some specific data elements of the inner array by reassigning the values using the array index.

Example

from array import *

T = [[11, 12, 5, 2], [15, 6,10], [10, 8, 12, 5], [12,15,8,6]]

T[2] = [11,9]
T[0][3] = 7
for r in T:
   for c in r:
      print(c,end = " ")
   print()

Output

When the above code is executed, it produces the following result −

11 12 5  7 
15  6 10 
11  9 
12 15 8  6 

Deleting the Values

We can delete the entire inner array or some specific data elements of the inner array by reassigning the values using the del() method with index. But in case you need to remove specific data elements in one of the inner arrays, then use the update process described above.

NumPy (Numerical Python) adalah library Python yang fokus pada scientific computing. NumPy Array memiliki kemampuan untuk membentuk objek N-dimensional array, yang mirip dengan list pada Python. Keunggulan NumPy array dibandingkan dengan list pada Python adalah konsumsi memori yang lebih kecil dan juga runtime yang lebih cepat. NumPy juga memudahkan kita pada operasi aljabar linear, terutama operasi pada vektor (1-d array) dan matrix (2-d array).

Pada artikel ini, DQLab akan berbagi pengetahuan mengenai bagaimana menggunakan Numpy untuk memanipulasi Array pada Python. Secara spesifik, pada artikel ini akan dijelaskan tutorial dasar yang dapat sahabat data sekalian terapkan menggunakan Numpy pada array, termasuk cara menggabungkan setiap array yang ada. Dengan memahami hal-hal fundamental mengenai numpy array tersebut, sahabat data akan memiliki dasar yang lebih baik dalam melakukan data processing kedepannya. Penasaran apa saja metode tersebut? Yuk simak penjelasan berikut!

1. Mengenal NumPy Array

NumPy merupakan salah satu library terpenting dalam bahasa pemrograman python. Fungsi NumPy array mirip dengan manipulasi data pada python. Beberapa manipulasi array dasar adalah atribut array, pengindeksan array, pembentukan baris, dan penggabungan-pemisahan array. Manipulasi array yang biasanya banyak digunakan adalah menggabungkan beberapa array menjadi satu atau memisahkan satu array menjadi beberapa bagian.

Langkah pertama saat ingin menggunakan library numpy adalah melakukan import dengan menggunakan coding library numpy as np. Penggunaan as disini, artinya kita menggantikan pemanggilan numpy dengan prefix np untuk proses berikutnya.

Cara menggunakan python fill 2d array

Untuk melakukan pengecekan tipe pada array menggunakan fungsi type() seperti gambar di bawah ini

Cara menggunakan python fill 2d array

Array df memiliki tipe data int32 dan int64 yang keduanya sama-sama bertipekan integer. Perbedaan keduanya pada kapasitas penyimpanan data.

Baca juga: Python vs R, Mana yang Lebih Tepat untuk Beginner?

2. Multidimensional Array

Salah satu fitur menarik dari NumPy adalah library ini mampu membuat multidimensional array dan melakukan manipulasi array dengan mudah dan cepat. Multidimensional array adalah array yang berbentuk lebih dari 1 dimensi seperti 2D, 3D, 4D dan seterusnya. Cara membuat multidimensional array sama dengan membuat array 1 dimensi, perbedaannya hanya pada parameter yang digunakannya saja. Berikut ini adalah contohnya membuat array 2 dimensi dengan menghasilkan output sebagai berikut:

Cara menggunakan python fill 2d array

Array diatas adalah berbentuk (2,5) artinya mempunyai 2 baris dan 5 kolom. Kita bisa melihat jumlah elemen di setiap dimensi dengan menggunakan fungsi shape. 

3. Operasi Aritmatika

Kita bisa menggunakan operasi aritmatika seperti penjumlahan, pengurangan, perkalian, pembagian dan perpangkatan. Operator yang digunakan adalah  +, -, *, / dan **

Berikut contoh operasi aritmatika pada array,

Cara menggunakan python fill 2d array

4. Kenali Join Array

Cara menggunakan python fill 2d array

Source : LearnSQL

Join atau penggabungan merupakan hal kerap kali kita temukan, termasuk dalam array. Tidak jarang dalam pekerjaan Data Science, kita akan membutuhkan penggabungan dari beberapa data yang telah ada. Join array merupakan proses penggabungan array yang satu dengan array lainnya. Menggabungkan ini lebih mengarah kepada proses menempatkan dua atau lebih array dalam satu array. Jika pada SQL kita dapat melakukan proses penggabungan (yang dikenal dengan Join) menggunakan kata kunci, maka dalam array kita dapat menggabungkannya berdasarkan axis-nya (sumbunya).

5. Fungsi untuk Join Array

Untuk menggabungkan antara array yang satu dengan yang lainnya, kita tentunya akan membutuhkan alat. Dalam hal penggabungan numpy array, kita bisa memanfaatkan beberapa fungsi, seperti:

  • concatenate (), digunakan untuk menggabungkan array tanpa harus memperhatikan urutan array yang akan digabungkan. 

Cara menggunakan python fill 2d array

Source : Kanoki.org

  • stack (), hampir mirip dengan concatenate() hanya saja bedanya stack() dilakukan di axis yang baru.

Cara menggunakan python fill 2d array

Source : Kanoki.org

  • hstack(), untuk menggabungkan array yang hasilnya akan berbentuk rows atau horizontal  

  • vstack(), untuk menggabungkan dua array atau lebih dimana hasilnya akan berbentuk column atau vertikal.

Baca juga: Belajar Python: Mengenal Array pada Bahasa Pemrograman Python

6. Belajar Sekarang Yuk, DQLab Punya Kesempatan Special untuk Kamu! 

Cara menggunakan python fill 2d array

Saat ini DQLab sedang mengadakan promo Valentine buy 1 get 1 free untuk modul premium dan juga modul platinum. Kamu cukup membayar 6 bulan subscription untuk mendapatkan 12 bulan subscription sebagai member premium. Eits, gak cuma itu loh, kamu juga bisa mendapatkan 2 modul platinum hanya dengan harga 180 ribu. Murah banget kan? Yuk, tunggu apa lagi, buruan join menjadi member DQLab sekarang juga! Penawaran ini akan berakhir di tanggal 20 Februari 2022. Jangan sampai kamu melewatkan penawaran menarik ini ya!