Mengenal Arrays di Python: Panduan Lengkap
Sebagai developer independen, saya sering nemuin kasus di mana data harus disimpan dan diolah secara efisien. Awalnya saya bingung bedain kapan pakai list, kapan pakai array, atau NumPy. Setelah nyobain beberapa cara, ternyata masing-masing punya keunggulan sendiri. Gini deh, mari kita bahas lengkap tapi santai.
1. Lists: Array Paling Fleksibel
Di Python, list sering dipakai sebagai array karena fleksibel dan gampang banget. Bisa nyimpen berbagai tipe data sekaligus.
# List integer
numbers = [1, 2, 3, 4, 5]
# List campur-campur
mixed_list = [1, "Python", 3.14, True]
# Akses & ubah elemen
numbers[2] = 35 # [1, 2, 35, 4, 5]Kelebihannya: fleksibel, gampang dipakai, cocok buat data campuran. Kekurangannya: nggak seefisien array murni kalau datanya banyak dan homogen.
2. Array dengan Modul array
Kalau datanya homogen dan pengen lebih efisien, Python punya modul array. Ini mirip list tapi tipe elemennya harus sama.
import array
int_array = array.array('i', [1, 2, 3, 4, 5])
float_array = array.array('f', [1.1, 2.2, 3.3])
# Modifikasi & slicing
int_array[1] = 10
subset = int_array[1:4]Cocok buat data numerik sederhana tanpa perlu library tambahan.
3. NumPy: Arrays Superpower
Kalau udah butuh operasi matematika kompleks atau multidimensional array, NumPy wajib. Instal dulu:
pip install numpyContoh:
import numpy as np
# 1D array
arr = np.array([1, 2, 3, 4, 5])
# 2D array
matrix = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
# Akses & ubah
matrix[0, 1] = 20
sub_matrix = matrix[1:, 1:]
# Operasi matematika
result = arr * 2
matrix_product = np.dot(matrix, matrix)NumPy itu powerhouse buat manipulasi angka dan matriks. Sejak pakai NumPy, workflow data analysis kita jauh lebih cepat.
4. Kapan Pakai Apa
- Lists: Data campur-campur, butuh fleksibilitas.
- Array (
arraymodule): Data homogen, efisiensi lebih penting. - NumPy: Data numerik besar, multidimensional, atau butuh operasi matematika canggih.
5. Kesimpulan
Arrays di Python nggak cuma soal nyimpen data, tapi soal gimana kita bisa ngatur, olah, dan manipulasi data dengan efisien. Sejak kita mulai konsisten pakai NumPy untuk projek data, debugging dan eksperimen jadi lebih gampang dan enak.
Pokoknya, kalau mau main Python serius, jangan cuma tau list—coba juga array dan NumPy. Percaya deh, ini bakal nge-boost produktivitas kamu.
