KAL
Menu

Penyiapan lingkungan

Instalasi pip/conda, alur kerja Jupyter, dan konvensi impor np.

Daftar isi

Topik ini menyiapkan lingkungan kerja untuk NumPy, mulai dari pemasangan pustaka, verifikasi impor, sampai pemilihan tempat menulis kode. Pembahasan mencakup pemasangan melalui pip dan conda, pemeriksaan versi yang benar, konvensi alias np, serta perbandingan alur kerja notebook dan skrip Python. Setelah topik ini dipraktikkan, perintah import numpy as np berjalan dan percobaan pertama dapat dieksekusi.

Instalasi dengan pip atau conda#

Dua pengelola paket yang umum digunakan untuk memasang NumPy adalah pip dan conda. pip adalah pengelola paket bawaan Python dan tersedia pada setiap instalasi Python modern, sedangkan conda adalah pengelola paket sekaligus pengelola lingkungan yang datang bersama distribusi Anaconda atau Miniconda. Cukup salah satu saja untuk memasang NumPy, dan pemilihannya mengikuti alat yang sudah digunakan sehari-hari.

Praktik yang disarankan adalah memasang NumPy di dalam lingkungan virtual (virtual environment), yaitu ruang paket yang terpisah dari instalasi Python utama. Langkah pemasangannya dengan pip adalah sebagai berikut.

bash 
# tidak-dijalankan
# rangkaian ini untuk terminal milik pembaca, bukan lingkungan artikel ini
python3 -m venv .venv
# mengaktifkan lingkungan virtual (Linux dan macOS)
source .venv/bin/activate
# memasang NumPy di dalam lingkungan tersebut
pip install numpy

Pada Windows, perintah pengaktifannya adalah .venv\Scripts\activate. Apabila conda yang dipilih, langkahnya adalah membuat lingkungan baru, mengaktifkannya, lalu memasang NumPy di dalamnya.

bash 
# tidak-dijalankan
conda create -n numpy-dasar python=3.12
conda activate numpy-dasar
conda install numpy

Kedua rangkaian perintah di atas tidak dijalankan di lingkungan penulisan artikel ini, karena lingkungan yang tepat untuk instalasi adalah lingkungan milik masing-masing komputer. NumPy sendiri sudah terpasang di lingkungan penulisan, sehingga bagian berikut langsung melakukan verifikasi.

Verifikasi instalasi#

Cara paling langsung untuk memastikan NumPy terpasang adalah mengimpornya dan mencetak nomor versinya. Atribut __version__ ditulis dengan dua garis bawah di kedua sisinya, dan kesalahan umum pada tahap ini adalah menulisnya dengan satu garis bawah. Pemeriksaan yang sama berlaku setiap kali lingkungan baru dibuat, karena lingkungan baru tidak mewarisi paket dari instalasi Python utama.

python 
import numpy as np

print(np.__version__)
print(np.arange(5) * 2)
text Keluaran 
2.1.3
[0 2 4 6 8]

Nomor versi pada keluaran di atas adalah 2.1.3, yaitu versi yang terpasang di lingkungan penulisan artikel ini. Jalur ini menyasar seri NumPy 2.x, sehingga versi yang lebih baru tetap sesuai selama digit pertamanya 2. Baris kedua membuktikan array dapat dibuat dan dioperasikan, karena np.arange(5) menghasilkan array berisi 0 sampai 4 yang kemudian dikalikan dua.

Verifikasi semacam ini juga menjadi langkah pertama saat mencari penyebab masalah. Apabila impor gagal, pesan errornya menyebut modul yang tidak ditemukan, dan penanganannya dirangkum pada bagian Kesalahan umum. Apabila versi yang tercetak jauh lebih tua, misalnya seri 1.x, sebagian contoh pada jalur ini mungkin berperilaku berbeda, sehingga peningkatan versi sebaiknya dilakukan sebelum melanjutkan.

Konvensi alias np#

Hampir seluruh dokumentasi NumPy dan pustaka turunannya menulis impor dengan alias np, yaitu import numpy as np. Alias ini konvensi, bukan keharusan teknis. Nama np dipilih karena pendek dan sudah disepakati secara luas, sehingga kode yang menggunakan alias yang sama mudah dibandingkan dengan contoh di dokumentasi.

Nama asli modul dan aliasnya menunjuk objek yang sama, dan keduanya dapat digunakan silih berganti tanpa masalah.

python 
import numpy
import numpy as np

print(numpy.array([1, 2]) + np.array([3, 4]))
text Keluaran 
[4 6]

Kebiasaan yang perlu dihindari adalah from numpy import *, yaitu mengimpor seluruh nama publik NumPy ke ruang nama saat ini. NumPy membawa ratusan nama, termasuk sum, min, max, dan abs, yang menimpa fungsi bawaan Python dengan perilaku yang berbeda. Akibatnya, fungsi seperti sum tidak lagi berperilaku seperti biasa, dan jenis hasilnya berubah tanpa pesan yang memberi tahu. Kebiasaan yang menjaga kejelasan adalah menuliskan alias np yang sama pada setiap sel dan setiap berkas. Dengan alias yang seragam, pencarian teks atas np. menemukan seluruh pemakaian NumPy dalam proyek.

Alur kerja notebook dan skrip#

Ada dua tempat umum untuk menulis kode NumPy. Yang pertama adalah notebook, seperti Jupyter Notebook atau Google Colab, yang menjalankan kode per sel dan menampilkan hasil di bawah selnya. Gaya ini nyaman untuk eksplorasi karena sel dapat dijalankan berulang tanpa menjalankan ulang seluruh berkas. Google Colab umumnya sudah menyertakan NumPy, sedangkan Jupyter lokal bergantung pada lingkungan yang disiapkan pada bagian instalasi.

Tempat kedua adalah berkas skrip .py, dan pilihan ini cukup untuk seluruh jalur ini. Skrip hanyalah berkas teks berisi kode yang sama, dengan satu tambahan berupa perintah impor di baris atasnya. Berkas berikut adalah contoh lengkapnya.

python cek_numpy.py 
import numpy as np

print("Versi NumPy:", np.__version__)
print("Percobaan:", np.arange(5) * 2)
text Keluaran 
Versi NumPy: 2.1.3
Percobaan: [0 2 4 6 8]

Skrip dijalankan dari terminal dengan menyebut nama berkasnya setelah perintah python3. Perintah berikut memeriksa versi Python terlebih dahulu, lalu menjalankan skrip cek_numpy.py yang berada di folder yang sama.

bash 
# memeriksa versi Python terlebih dahulu, lalu menjalankan skrip pertama
python3 --version
python3 cek_numpy.py
text Keluaran 
Python 3.12.16
Versi NumPy: 2.1.3
Percobaan: [0 2 4 6 8]

Dua baris terakhir keluarannya sama dengan blok sebelumnya karena isi berkasnya memang sama dengan yang ditampilkan di atas. Perintah python3 adalah nama panggilan pada Linux dan macOS, sedangkan pada Windows perintahnya umumnya python. Apabila perintah tersebut tidak dikenal, kemungkinan besar Python belum masuk ke variabel PATH sistem.

Kesalahan umum#

ModuleNotFoundError: No module named ’numpy'#

Pesan ini muncul ketika interpreter yang menjalankan kode berbeda dari interpreter tempat NumPy dipasang. Penyebab paling sering adalah lingkungan virtual yang belum diaktifkan pada terminal tempat kode dijalankan, atau paket terpasang pada instalasi Python lain di mesin yang sama. Perbaikannya dimulai dari mengaktifkan lingkungan yang tepat sebelum menjalankan kode, lalu memastikan pemasangan dilakukan pada interpreter yang sama dengan python3 -m pip install numpy. Bentuk python3 -m pip menjamin pip yang dipanggil adalah milik python3 yang sama dengan yang menjalankan kode. Pemeriksaan cepat lainnya adalah python3 -m pip show numpy, yang menampilkan lokasi pemasangan paket tersebut.

Mengharapkan nilai tercetak tanpa print pada skrip#

Pada notebook, ekspresi pada baris terakhir sel ditampilkan secara otomatis. Pada skrip, tidak ada tampilan otomatis, sehingga baris seperti np.arange(5) * 2 yang berdiri sendiri tidak menghasilkan keluaran apa pun. Kode tampak benar tetapi layarnya tetap kosong, dan keadaan ini sering disalahartikan sebagai kode yang tidak berjalan. Perbaikannya adalah membungkus nilai yang ingin dilihat dengan print(), sebagaimana dilakukan pada cek_numpy.py.

Ringkasan#

  • NumPy dipasang melalui pip atau conda, sebaiknya di dalam lingkungan virtual, dan cukup satu pengelola paket per lingkungan.
  • Verifikasi dilakukan dengan import numpy as np lalu mencetak np.__version__, yang pada artikel ini menunjukkan 2.1.3.
  • Alias np adalah konvensi ekosistem, sedangkan from numpy import * dihindari karena menimpa nama bawaan Python.
  • Notebook cocok untuk eksplorasi per sel, sedangkan skrip .py dengan print() cukup dan lebih mudah dijalankan ulang.

Referensi#