Dasar-Dasar NumPy
Array, ndarray, pengindeksan, slicing, broadcasting, operasi tervektorisasi, aljabar linear
1Apa itu ndarray di NumPy?
Apa itu ndarray di NumPy?
Jawaban
Sebuah ndarray (N-dimensional array) adalah struktur data fundamental NumPy. Ini adalah array multidimensi homogen, yang berarti semua elemen harus bertipe sama. Homogenitas ini memungkinkan operasi tervektorisasi yang sangat cepat karena data disimpan secara berurutan dalam memori, tidak seperti list Python yang menyimpan referensi ke objek yang tersebar.
2Bagaimana membuat array NumPy yang berisi nilai [1, 2, 3, 4, 5]?
Bagaimana membuat array NumPy yang berisi nilai [1, 2, 3, 4, 5]?
Jawaban
Fungsi np.array() adalah metode standar untuk membuat ndarray dari sebuah sekuens Python seperti list atau tuple. Ia mengonversi sekuens menjadi array NumPy yang dioptimalkan. Fungsi lain seperti np.arange() menghasilkan sekuens tetapi dengan sintaks berbeda (start, stop, step), dan np.zeros()/np.ones() membuat array yang diisi dengan nilai tertentu.
3Fungsi mana yang digunakan untuk membuat array berisi 10 elemen yang berjarak sama antara 0 dan 1?
Fungsi mana yang digunakan untuk membuat array berisi 10 elemen yang berjarak sama antara 0 dan 1?
Jawaban
np.linspace(0, 1, 10) membuat tepat 10 nilai berjarak sama antara 0 dan 1, termasuk kedua titik akhir. Ini ideal ketika jumlah titik yang diinginkan diketahui. np.arange() menggunakan langkah tetap dan mungkin tidak menyertakan titik akhir. np.linspace() lebih disukai untuk interval dengan jumlah titik yang tepat, terutama untuk plotting atau perhitungan integrasi numerik.
Atribut mana yang menyediakan dimensi (shape) dari sebuah array NumPy?
Bagaimana cara membuat matriks 3x3 yang diisi dengan nol?
+19 pertanyaan wawancara
Topik wawancara Data Science & ML lainnya
Dasar-dasar Python
Pemrograman Berorientasi Objek Python
Struktur Data Python
Dasar-Dasar Git
Dasar-dasar SQL
Dasar-dasar Pandas
Jupyter & Google Colab
SQL Joins & Kueri Lanjutan
Pandas Lanjutan
Visualisasi dengan Matplotlib & Seaborn
Visualisasi Interaktif dengan Plotly
Statistik Deskriptif
Statistik Inferensial
Web Scraping
BigQuery & Cloud Data
Feature Engineering
ML Terbimbing: Regresi
ML Terbimbing: Klasifikasi
Pohon Keputusan & Ensemble
ML Tanpa Pengawasan
Pipeline ML & Validasi
Deret Waktu & Peramalan
Dasar-Dasar Deep Learning
TensorFlow & Keras
CNN dan klasifikasi gambar
RNN & Sekuens
Transformers & Attention
NLP & Hugging Face
GenAI & LangChain
MLOps dan Deployment
Kuasai Data Science & ML untuk wawancara berikutnya
Akses semua pertanyaan, flashcards, tes teknis, latihan code review dan simulator wawancara.
Mulai gratis