00:00Halo semuanya, kalau kamu berkecimpung di dunia data dengan Python, pasti pernah dengar nama Nampai kan?
00:05Nah, hari ini kita bakal kupas tuntas kenapa Nampai ini bisa dibilang kekuatan super yang dibutuhkan banget sama data kamu.
00:10Yuk, kita mulai.
00:11Pernah nggak sih? Lagi asik-asiknya ngolah data pakai Python? Eh, kok rasanya lemot banget ya? Apalagi kalau datanya udah
00:17segunung. Kenapa tuh?
00:18Nah, seringkali masalahnya itu bukan di Python-nya, tapi di wadah data yang kita pakai.
00:23Coba deh lihat perbandingan ini. Ini analogi yang pas banget. Anggap aja Python list itu kayak ransel.
00:27Kamu bisa masukin apa aja ke dalamnya kan? Angka tulisan macem-macem. Fleksibel banget.
00:31Nah, kalau Nampi Array, ini lebih kayak kotak perkakas khusus. Isinya cuma satu jenis. Misalnya obeng semua.
00:36Emang sih kelihatannya nggak se-fleksibel ransel. Tapi kalau kerjaan kamu emang butuh obeng, ini juaranya.
00:41Cepat, efisien. Disitulah letak perbedaannya.
00:43Dan inilah dia pahlawan kita. Nampai, singkatan dari Numerical Python.
00:48Inti dari Nampai itu, ya si objek Array ini. Si kotak perkakas yang tadi kita bahas.
00:53Dari awal, dia memang dirancang cuma buat satu hal. Ngitung angka-angka dalam jumlah super besar dengan kecepatan kilat. Keren
00:59kan?
01:00Ngomong-ngomong soal kecepatan, kita nggak lagi ngomongin beda tipis loh.
01:03Di dunia data sekarang, yang datanya bisa jutaan bahkan miliaran baris, cepat itu bukan lagi pilihan.
01:08Tapi keharusan. Wajib hukumnya. Yuk, kita lihat kenapa Nampai ini juaranya soal kecepatan.
01:13Oke, ngomong doang nggak asik kan? Mending kita adu langsung aja.
01:15Kita tarungin. Python list yang biasa kita pakai lawan Nampai Array. Siap-siap kaget ya sama hasilnya.
01:21Nah, ini dia pertarungannya. Di tim kiri, Python murni. Kalau mau nambahin sejuta angka, dia harus jalan satu-satu.
01:27Dari awal sampai akhir. Ya, kayak ngapsing murid satu kelas satu persatu. Lama kan?
01:31Tim kanan, ada Nampai. Cuma dengan satu perintah plus.
01:34Dreng, semua sejuta angka itu langsung ditambahin.
01:36Ini namanya faktorisasi. Dan hasilnya, wah beda banget.
01:40Dan ini dia skornya. Nampai hampir 39 kali lebih cepat.
01:43Bayangin 39 kali. Ini bukan sekedar lebih baik sedikit, ini benar-benar lompatan besar.
01:47Kecepatan gila inilah yang bikin para data saintis bisa ngolah data raksasa
01:50yang kalau pakai cara biasa mungkin butuh waktu berjam-jam. Ini benar-benar game changer.
01:54Oke, oke. Kalian pasti udah yakin kan kenapa numpy ini penting banget?
01:57Sekarang kita masuk ke bagian yang seru. Gimana cara pakainya?
01:59Tenang, gampang banget kok buat mulainya.
02:01Ada tiga cara paling umum buat bikin Array dinampai.
02:03Gampang semua kok. Pertama, kamu bisa langsung sulap Python list yang udah ada jadi Array.
02:07Tinggal pakai np.array.
02:08Kedua, kamu bisa bikin deretan angka mirip fungsi range di Python, tapi ini pakai np.arrange.
02:13Ketiga, kamu bisa bikin Array kosongan isinya 0 semua atau 1 semua.
02:17Ini berguna banget buat siap-siap nampung data nanti. Gampang kan?
02:20Tapi kan data di dunia nyata itu jarang banget cuma sebaris doan.
02:24Biasanya bentuknya tabel atau bahkan lebih rumit lagi kayak data gambar.
02:28Nah, disinilah kehebatan numpy lainnya muncul.
02:31Yuk, kita lihat gimana dia ngatur bentuk-bentuk data ini.
02:33Kita pakai analogi lagi ya, biar gampang.
02:36Bayangin aja Array satu dimensi itu kayak rantai panjang balok Lego.
02:39Ada 25 biji.
02:40Kalau kita cek bentuknya atau dot shape-nya, hasilnya bakal 25 koma.
02:44Koma di belakang itu penting.
02:45Artinya ini cuma satu baris panjang isinya 25 balok.
02:48Nah, ini sulapnya nambai.
02:51Dengan satu perintah simple, dot reshape, rantai panjang 25 balok tadi,
02:55bisa kita susun ulang jari tembok persegi ukuran 5x5.
02:58Coba perhatiin, jumlah baloknya sama persis kan?
03:00Tetap 25.
03:02Nggak ada yang hilang, nggak ada yang nambah, cuma bentuknya aja yang kita ubah.
03:05Kemampuan buat mainin bentuk data secepat ini yang bikin nampai jadi alat super buat beberes dan nyiapin data.
03:10Jadi, kita udah lihat kecepatannya, kita udah lihat fleksibilitasnya dalam mengatur bentuk data.
03:15Sekarang, kita simpulkan, kenapa sih ini semua penting banget buat kamu.
03:19Belajar nampai itu bukan cuma nambahin satu kali skill baru.
03:22Ini soal ngebangun fondasi yang super kokoh buat karir kamu di dunia data.
03:26Jadi kalau mau diringkas, ada tiga poin penting.
03:28Pertama, kecepatan. Ini bener-bener bikin kerjaan kamu ngebut.
03:31Kedua, fungsionalitas. Isinya udah lengkap banget sama jurus-jurus matematika dan matriks.
03:35Dan yang paling penting, nampai itu tulang punggungnya data science di Python.
03:39Semua library keren yang sering kamu denger, kayak Pandas, Skitlern, bahkan Matplotlib,
03:43semuanya itu berdiri di atas nampai.
03:45Tanpa nampai, mereka nggak akan se-powerful itu.
03:47Oke, kita udah bongkar bareng-bareng kekuatan, kecepatan, dan keloluesan nampai.
03:52Sekarang, giliran kamu.
03:53Dengan kekuatan super baru ini, masalah apa nih yang mau kamu selesaikan?
03:57Analisis apa yang bakal kamu bikin jadi super ngebut?
03:59Semoga pembahasan ini bisa jadi pemicu buat kamu mulai bereksperimen dan bikin sesuatu yang keren.
04:04Makasih banyak udah menyimak.
Komentar