Hasil olah data perlu disimpan agar dapat dipakai ulang tanpa mengulang perhitungan. Section ini membahas format biner .npy dan .npz yang mempertahankan bentuk serta tipe data array, format CSV yang mudah dibaca aplikasi lain, dan pembacaan berkas teks dengan loadtxt dan genfromtxt. Kita juga mengulas memory-mapped array untuk data besar, interoperabilitas dengan Python, dan prinsip keamanan saat memuat data dari sumber tidak dikenal.

# Menyimpan Array dengan npy

Menyimpan satu array ke berkas .npy dengan np.save dan memahami metadata yang ikut tersimpan.

Buka → # Memuat Array dari npy

Memuat kembali array dari berkas .npy dengan np.load beserta pelestarian bentuk dan tipe datanya.

Buka → # Menyimpan Array dengan npz

Mengemas banyak array dalam satu arsip .npz dengan np.savez dan np.savez_compressed.

Buka → # Memuat Arsip npz

Membuka arsip .npz dengan np.load dan mengakses array di dalamnya lewat atribut maupun kunci.

Buka → # Membaca dan Menulis CSV

Menukar data array dengan format CSV menggunakan savetxt dan loadtxt serta mengatasi data berlabel.

Buka → # Membaca Data Teks

Membaca berkas teks dengan struktur tak rapi menggunakan genfromtxt dan parameter penunjangnya.

Buka → # Format Biner dan Teks

Membandingkan format biner dan teks dari sisi ukuran, kecepatan, dan pelestarian tipe data array.

Buka → # Memory-mapped Array

Mengakses berkas besar tanpa memuat seluruh isinya ke memori menggunakan np.memmap.

Buka → # Interoperabilitas dengan Python

Mengubah array menjadi list dan bytes, serta menyimpan array dengan modul pickle Python.

Buka → # Keamanan saat Memuat Data

Memahami risiko allow_pickle=True saat memuat data dan menerapkan praktik memuat yang aman.

Buka →