NumPy jarang bekerja sendirian; ia menjadi mata uang pertukaran data antar pustaka Python. Section ini membahas konversi dua arah antara ndarray dan struktur data pustaka populer: list, pandas, Matplotlib, SciPy, scikit-learn, PyTorch, dan TensorFlow. Kita juga membahas pustaka mana yang berbagi memori tanpa menyalin data, serta inisiatif Python Array API yang menyeragamkan perilaku antar pustaka array.

# NumPy dan Python List

Mengonversi antara list Python dan ndarray dua arah serta konsekuensi data yang ikut tersalin.

Buka → # NumPy dan pandas

Menukar data antara ndarray dan Series atau DataFrame pandas serta pembedaan NaN dan None di antara keduanya.

Buka → # NumPy dan Matplotlib

Menampilkan data array sebagai grafik dengan Matplotlib dan menyimpan hasilnya tanpa lingkungan tampilan grafis.

Buka → # NumPy dan SciPy

Melengkapi NumPy dengan SciPy untuk kebutuhan statistik, optimasi, dan sinyal yang tidak disediakan NumPy.

Buka → # NumPy dan scikit-learn

Menyiapkan array NumPy sebagai input model scikit-learn dan membaca kembali hasil prediksinya.

Buka → # NumPy dan PyTorch

Mengonversi ndarray menjadi tensor PyTorch dan sebaliknya, termasuk pola pemeriksaan ketersediaan pustaka.

Buka → # NumPy dan TensorFlow

Menghubungkan array NumPy dengan tensor TensorFlow serta pola integrasi yang aman bila pustaka belum terpasang.

Buka → # Array Conversion dan Memory Sharing

Membedakan konversi yang menyalin data dan yang berbagi memori menggunakan salinan nol antar pustaka.

Buka → # Array API Compatibility

Mengenal inisiatif Python Array API dan np.array_api sebagai langkah penyeragaman pustaka array.

Buka →