Mengapa Python π mesti diketahui pelajar aliran Sains?
Why Science student need to know about Python π?
Hai semua! π
Kembali lagi Python πdalam Bahasa Melayu! π©βπ» Hari ini saya akan membincangkan mengapa Pythonπ sangat sesuai untuk dipelajari pelajar yang memilih aliran Sains sama ada di sekolah mahupun yang sedang mengambil ijazah berkaitan seperti Kejuruteraan, Fizik, Biologi atau Kimia.
Jika anda diperhatikan, subjek-subjek di atas berkongsi beberapa ciri yang sama iaitu penggunaan formula Matematik dalam perkiraan dan penganalisisan data hasil daripada eksperimen.
Jadi, bagaimana Python πboleh membantu? πββοΈ
Pengenalan
Dalam Pythonπ , terdapat beberapa pustaka (library) yang mempunyai ciri yang dapat membantu para pelajar dalam proses menganalisis data.π
Jika anda tidak tahu apa itu pustaka, pustaka adalah sekumpulan kod yang dikumpulkan yang menyediakan fungsi dan pakej bagi tujuan tertentu. Ini bermakna, jika anda ingin menjalan sesebuah fungsi kod, contohnya operasi menambah; anda tidak perlu lagi menulis kod tersebut daripada awal, tetapi anda boleh terus menyeru fungsi di dalam pustaka tersebut dan terus menjalankan fungsi menambah.
Usai definisi, mari kita menuju ke bahagian contoh pustaka dan kod bagi memahami dengan lebih mendalam! π
Dibawah saya telah senaraikan beberapa pustaka mengikut kegunaan tertentu yang memberi faedah kepada pelajar aliran Sains disebabkan ciri-ciri dan keperluan subjek ini.
1. Perkiraan
π’ numPy
numPy adalah sebuah pustaka yang menyediakan fungsi bagi menyimpan array dan matrik. Array adalah sebuah himpunan data yang disusun menggunakan label indeks dalam bentuk list.
Selain itu, pustaka ini menyediakan sebuah koleksi besar fungsi Matematik untuk beroperasi bersama array ini.
Untuk menggunakan numPy, cuma perlu untuk mengimport di dalam kod seperti berikut;
import numpy as np
Mari kita lihat contoh penggunaan numPy di dalam Pythonπ .
# formula luas bulatan
import numpy as np
r = 4
for_bul = np.pi * r **2
print(for_bul)
Output:
50.26548
Terdapat pelbagai lagi kegunaan numPy yang boleh dimanfaatkan dalam perkiraan formula. Anda boleh melihatnya pada pautan dibawah:
πnumpy.org/doc/stable/user/quickstart.html
2. Statistik dan pemprosesan data
π’ Pandas
Pandas adalah sebuah pustaka yang menyediakan fungsi untuk berurusan dengan data bagi tujuan analisis. Pandas sangat efektif bagi memanipulasi data seperti menapis, memilih data tertentu, menyusun data mengikut urutan dan sebagainya.
Pandas juga menyediakan fungsi bagi memvisualkan data seperti carta pai, carta bar dan lain-lain lagi. Ini sangat sesuai bagi anda yang seharian berususan dengan data hasil daripada eksperimen, simulasi dan sebagainya.
Untuk menggunakan Pandas, anda perlu mengimport seperti kod berikut;
import pandas as pd
Mari kita lihat pula arahan bagi menggunakan Pandas dengan kod berikut;
1. Memuatnaik data
df = pd.read_csv("nama_fail.csv") #fail csv
df = pd.read_excel("nama_fail.xlsx") #fail csv
2. Melihat data teratas dan terbawah
df.head(5) #5 data teratas
df.tail(5) #5 data terbawah
3. Melihat kesemua nama kolum
df.columns()
Terdapat pelbagai lagi arahan dan fungsi Pandas yang anda boleh gunakan. Saya sertakan pautan bagi anda yang mahu menjelajah ke dalam pustaka ini:
π analyticsvidhya.com/blog/2021/03/pandas-fun..
3. Pemvisualan data
Pemvisualan data adalah proses menukar maklumat berbentuk nombor dan jadual kedalam bentuk gambar seperti graf. πππ
Data yang telah divisualkan lebih mudah untuk difahami kerana minda kita cenderung memahami sesuatu jika dipersembahkan dalam bentuk gambar. Daripada gambar tersebut, akan terbit corak yang akan membawa kita untuk menatijahkan kesimpulan yang menjadi objektif sesebuah eksprimen dijalankan. π₯
Terdapat 2 jenis pustaka yang berfungsi bagi memvisualkan data iaitu Matplotplib dan Seaborn. Kedua-duanya menyediakan fungsi yang sama, maka saya akan mengambil satu sahaja untuk diterangkan. Ayuh kita pelajari sedikit asas Matplotlib!
π matplotlib
Bagi menggunakan pustaka ini, anda perlu mengimport seperti berikut;
import matplotlib.pyplot as plt
Mari kita lihat contoh penggunaan matplotlib
:
import matplotlib.pyplot as plt
x = range(10)
y = range(10)
plt.plot(x, y)
plt.title("x against y graph").set_color("white")
plt.legend(["graph"])
plt.xlabel("x-value").set_color("white")
plt.ylabel("y-value").set_color("white")
plt.show()
Output:
Ini adalah salah satu graf yang Matplotlib sediakan. Ada pelbagai lagi graf yang boleh dibuat yang membantu anda untuk memvisualkan data anda dalam bentuk yang sesuai untuk dibentangkan di dalam laporan mahupun pembentangan.
Saya sertakan pautan jika anda ingin mengetahui lebih lanjut mengenai Matplotlib:
πmatplotlib.org/stable/api/_as_gen/matplotli..
πcolab.research.google.com/notebooks/charts...
4.Peramalan data
Di dalam eksperimen Sains, salah satu komponen yang harus dilakukan adalah peramalan data hasil daripada data yang telah kita peroleh daripada eksperimen. Biasanya peramalan data ini boleh dilakukan menggunakan persisian seperti Microsoft Excel dan juga sebenarnya boleh dilakukan menggunakan kecerdasan buatan dalam Python! π
π€ Scikitlearn
Scikitlearn adalah sebuah pustaka Python π mesin pembelajaran yang menyediakan fungsi seperti pengelasan, regresi dan pengelompokan dalam pengalisaan corak data.
Penggunakan pustaka Scikitlearn adalah sedikit rumit. Oleh sebab itu, saya tidak menyediakan asasnya disini. Tetapi jangan risau! π Saya akan sertakan pautan yang berguna untuk mempelajari pustaka ini dan dapat mempraktikkannya dalam berurusan dengan data eksperimen anda!
Pautan: πyoutube.com/watch?v=0Lt9w-BxKFQ&ab_chan..
Kesimpulan
Sudah terjawab persoalan jika anda seorang pelajar aliran Sains perlu mempelajari Python π! Ternyata Python π mampu membantu proses pembelajaran anda sebagai seorang pelajar dalam bidang Sains. Sekian sahaja daripada saya kali ini.
Teruskan belajar dan menjelajah dunia pengaturcaraan. Selamat berkoding! π©βπ»