Begitu kebutuhan analisis semakin spesifik, NumPy menyediakan fitur lanjutan yang jarang disentuh tutorial dasar. Section ini membahas structured array untuk data dengan kolom bertipe berbeda, masked array untuk nilai yang ingin diabaikan sementara, tipe datetime64 untuk data waktu, serta pembuatan dtype dan ufunc buatan sendiri. Kita juga menyingkap cara iterasi canggih dengan nditer, pengaturan tampilan output, dan jalur interoperabilitas dengan kode C.

# Structured Array

Membuat array dengan field bertipe berbeda menggunakan structured dtype untuk data mirip tabel.

Buka → # Record Array

Mengakses field structured array sebagai atribut menggunakan recarray dan mempertimbangkan biayanya.

Buka → # Masked Array

Menyembunyikan elemen tertentu dari perhitungan dengan masked array tanpa menghapus datanya.

Buka → # datetime64 dan timedelta64

Menyimpan dan menghitung data tanggal-waktu secara ter-vektorisasi dengan dtype datetime64 dan timedelta64.

Buka → # Polynomial Operations

Membuat dan mengevaluasi polinomial dengan numpy.polynomial untuk fitting dan evaluasi fungsi.

Buka → # Custom dtype dan Array Creation

Mendefinisikan dtype sendiri dari field gabungan dan membuat array sesuai struktur data domain.

Buka → # ufunc Lanjutan

Menjelajahi kemampuan ufunc lanjutan: metode reduce, accumulate, outer, at, dan pembuatan ufunc sendiri.

Buka → # Array Iteration

Menjelajah nditer dan pola iterasi efisien pada array multidimensi ketika vectorization tidak memungkinkan.

Buka → # NumPy Print Options

Mengatur tampilan array di output dengan np.set_printoptions agar hasil panjang tetap mudah dibaca.

Buka → # Interoperability dengan C

Memahami tata letak memori ndarray sebagai jembatan interoperabilitas dengan kode C dan ctypes.

Buka → # Mengubah Struktur Record recfunctions

Mengubah susunan field structured array dengan recfunctions, dari structured_to_unstructured hingga merge_arrays.

Buka →