Data teks hampir selalu hadir dalam dataset nyata, mulai dari nama pelanggan, kode produk, sampai kategori barang. NumPy 2.x menjadikan string jauh lebih layak dipakai lewat StringDType yang mendukung panjang variabel dan namespace np.strings yang bekerja sebagai ufunc vectorized. Section ini berangkat dari keterbatasan dtype <U pada Tipe Data String dan Object, lalu membahas pembuatan StringDType, fungsi string dasar, pencarian dan penggantian, namespace legasi np.char, sampai studi kasus pembersihan data teks kotor tanpa loop Python.

# StringDType dan np.dtypes

Mengenal StringDType sebagai dtype string variabel-panjang NumPy 2.x dan namespace np.dtypes untuk membuat dtype secara eksplisit.

Buka → # np.strings Dasar

Menggunakan fungsi dasar np.strings seperti upper, lower, strip, dan zfill untuk mengolah array string secara vectorized.

Buka → # Pencarian dan Penggantian String

Mencari, menghitung, dan mengganti teks pada array string dengan find, count, replace, startswith, dan endswith dari np.strings.

Buka → # np.char Legasi dan Perbandingan

Membandingkan namespace legasi np.char dengan np.strings dan Python str untuk memilih pendekatan yang tepat serta memigrasi kode lama.

Buka → # Pembersihan Data Teks

Menerapkan alur pembersihan data teks yang kotor secara vectorized dengan menggabungkan fungsi string dan mask boolean.

Buka →