[TUTORIAL] Cara Install Library NumPy, SciPy, dan Matplotlib di Windows

Sumber Artikel : Vpslabs.net

SciPy, NumPy, Matplotlib, PyPlot dan PyLab adalah library Python yang dapat digunakan untuk kebutuhan ilmu data serta kebutuhan yang lebih spesifik seperti Machine Learning, Deep Learning, dll.

NumPy, SciPy, Matplotlib, dan Pylab adalah istilah umum yang banyak didengar saat menggunakan Python untuk Komputasi Ilmiah dalam Data Science.

Dapat ditugaskan bahwa Machine Learning ke subbidang Kecerdasan Buatan (AI). Pada dasarnya, pembelajaran mesin adalah tentang membuat model matematika untuk membuat data lebih mudah dipahami.

Perbedaan Numpy, SciPy, Matplotlib, PyPlot, dan PyLab

“Learning” memasuki bidang nyata ketika kita menentukan parameter model yang dapat disesuaikan menurut informasi yang diamati; Dengan cara ini dapat diasumsikan bahwa melakukan “learning” dari data. Setelah model ini disesuaikan dengan data yang dilihat sebelumnya, model tersebut dapat digunakan untuk memprediksi dan memahami aspek data yang baru diamati.

Di dalam Machine Learning pasti menggunakan data sebagai inputnya, nah kumpulan data ini (dataset) dapat berasal dari berbagai sumber dan format yang berbeda, termasuk koleksi dokumen, koleksi gambar, koleksi klip suara, koleksi pengukuran numerik, atau hampir semua hal lainnya.

Untuk itulah library Python hadir yang dirancang untuk memudahkan pekerjaan sebagai data scientist.

Beberapa Library Python yang sering digunakan dalam Machine Learning adalah sebagai berikut :

1. SciPy

SciPy adalah sebuah kumpulan fungsi matematika dan algoritma matematika yang dibangun di atas ekstensi Numpy pada Python. Fungsi-fungsi dan kelas-kelas di dalam SciPy dapat mempermudah pengguna dalam memanipulasi dan memvisualisasikan data.

2. NumPy

NumPy (singkatan dari Numerical Python) menyediakan antarmuka yang efisien untuk menyimpan dan beroperasi pada buffer data yang padat. Array NumPy mirip dengan jenis daftar bawaan Python, namun array NumPy menyediakan penyimpanan dan operasi data yang jauh lebih efisien pada ukuran array yang besar. NumPy juga menyediakan dukungan untuk array dan matriks multi-dimensi, serta fungsi matematika tingkat lanjut untuk beroperasi pada array tersebut.

3. Matplotlib

Matplotlib adalah library visualisasi data multiplatform yang dibangun di atas array NumPy, dan dirancang untuk bekerja dengan tumpukan SciPy yang lebih luas. Library ini dibuat oleh John Hunter pada tahun 2002, awalnya sebagai patch untuk IPython untuk mengaktifkan plotting gaya MATLAB interaktif melalui gnuplot dari baris perintah IPython.

Salah satu fitur yang penting dari Matplotlib adalah kemampuannya untuk bekerja dengan baik pada berbagai sistem operasi dan backend grafis. Matplotlib mendukung berbagai jenis backend dan jenis output, sehingga Anda dapat mengandalkannya untuk bekerja terlepas dari sistem operasi dan format luaran yang diinginkan.

4. PyPlot

Sebenarnya, PyLab sudah termasuk atau tertanam di dalam Matplotlib dan fungsinya adalah memberikan pengalaman seperti MATLAB bagi pengguna. Kemudahan penggunaan PyPlot biasanya lebih disukai untuk pembuatan plot non-interaktif (misalnya untuk pembuatan skrip), sementara PyLab digunakan untuk penghitungan, dan keduanya digunakan untuk meminimalkan pengetikan.

5. PyLab

PyLab adalah modul Matplotlib yang seringkali diinstal bersama Matplotlib. Matplotlib memiliki sejumlah dependensi, misalnya NumPy yang diimpor dengan alias np. PyLab adalah bagian dari Matplotlib (dalam matplotlib.pylab) dan fungsinya adalah untuk memberikan lingkungan agar lebih mudah untuk digunakan seperti dalam MatLab.

TUTORIAL

Sumber Artikel Tutorial : Solarianprogrammer.com, Abdumar.com, Bvanderlei.github.io dan , Phoenixnap.com

A. NumPy

Sumber Contoh : Numpy.org

Pertama, bukalah Command Prompt (CMD) (Jalankan sebagai Administrator) dan ketiklah untuk melakukan Instalasi Library dari NumPy :

python -m pip install numpy

python.exe -m pip install --upgrade pip

import numpy as np

arr = np.array([1, 2, 3, 4, 5])

print(arr)
print(type(arr))

A = np.array([[5, -1, 1, 0],[4, 3, 12, -6]])

print(A)
print(type(A))

[1 2 3 4 5]
<class 'numpy.ndarray'>
[[ 5 -1  1  0]
 [ 4  3 12 -6]]
<class 'numpy.ndarray'>

B. SciPy

Sumber Contoh : Guru99.com dan Scipy.org

Pertama, bukalah Command Prompt (CMD) (Jalankan sebagai Administrator) dan ketiklah untuk melakukan Instalasi Library dari SciPy :

python -m pip install scipy

import scipy as sp
sp.version.version

import numpy as np
from scipy.sparse.csgraph import connected_components
from scipy.sparse import csr_matrix

arr = np.array([
  [0, 1, 2],
  [1, 0, 0],
  [2, 0, 0]
])

newarr = csr_matrix(arr)

print(connected_components(newarr))

(1, array([0, 0, 0]))

Anda juga bisa mencoba Library SciPy yang lain.

C. Matplotlib

Sumber Contoh : Matplotlib.org

Pertama, bukalah Command Prompt (CMD) (Jalankan sebagai Administrator) dan ketiklah untuk melakukan Instalasi Library dari Matplotlib :

python -m pip install matplotlib

Pertama, kita masukkan Kode Program berikut ini.

import scipy as sp
import matplotlib.pylab as plt

t = sp.linspace(0, 10, 100)

plt.plot(t, t**2)
plt.show()

Kemudian, Jalankan dan inilah Hasilnya :

Atau, jika ingin mencoba yang lain, misalnya memasukkan Matriks bisa juga. Inilah programnya dalam Python :

import matplotlib.pyplot as plt

plt.plot([1, 2, 3, 4])
plt.ylabel('some numbers')
plt.show()

Hasil Output :

1. Plotting Format Style

Kode Program :

import numpy as np
import matplotlib.pyplot as plt

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

Hasil Output :

2. Plotting dengan Keyword Strings

Kode Program :

import numpy as np
import matplotlib.pyplot as plt

# evenly sampled time at 200ms intervals
t = np.arange(0., 5., 0.2)

# red dashes, blue squares and green triangles
plt.plot(t, t, 'r--', t, t**2, 'bs', t, t**3, 'g^')
plt.show()

Hasil Output :

Kode Program :

import numpy as np
import matplotlib.pyplot as plt

names = ['group_a', 'group_b', 'group_c']
values = [1, 10, 100]

plt.figure(figsize=(9, 3))

plt.subplot(131)
plt.bar(names, values)
plt.subplot(132)
plt.scatter(names, values)
plt.subplot(133)
plt.plot(names, values)
plt.suptitle('Categorical Plotting')
plt.show()

Hasil Output :

Itulah Tutorial Cara menginstal Library NumPy, SciPy, dan Matplotlib. Nantikan Pembahasan selanjutnya tentang Penggunaan PyTorch dan juga Modul Pemrograman Python.

Terima Kasih 😄😘👌👍 :)

Wassalamu‘alaikum wr. wb.