Python Array vs. Daftar: Perbedaan & Kasus Penggunaan

Python telah menguasai bahasa lain dalam Ilmu Data selama beberapa tahun terakhir, dan struktur datanya memainkan peran penting. Python memiliki sekumpulan besar struktur data, di antaranya array dan daftar yang paling populer yang akan kita bahas hari ini.

Array dan Daftar adalah dua struktur data terkemuka di Python yang serupa dalam banyak aspek. Keduanya dapat digunakan untuk menyimpan data dan memungkinkan kita untuk mengulanginya, mengirisnya, dan bahkan mengakses elemennya menggunakan metode pengindeksan. Lalu apa perbedaan antara list dan array dengan Python? Nah, itulah yang akan kita bahas pada artikel kali ini.

Array dengan Python

Array adalah struktur data yang berdekatan yang menyimpan elemen homogen, yaitu elemen yang termasuk dalam tipe data yang sama.

Berikut ini adalah karakteristik utama yang ditunjukkan oleh array di Python:

• Sifat array yang berdekatan memungkinkan data disimpan di lokasi memori yang berdekatan. Ini membuatnya lebih mudah untuk melakukan operasi pada elemen array.
• Array di Python dapat dideklarasikan dengan dua cara:
  • Menggunakan modul array

import array # mengimpor modul 'array'

myArray = array.array('i', [10, 20, 30]) # deklarasi array

# array yang dibuat: [10, 20, 30]

Catatan: Dalam deklarasi di atas, perlu untuk menentukan kode format. Di sini, 'i' adalah kode format yang merupakan singkatan dari integer.

• Menggunakan modul NumPy

impor numpy # mengimpor modul 'numpy'

myArray = numpy.array([10, 20, 30]) # deklarasi array

# array yang dibuat: [10, 20, 30]

• Elemen array dipesan . Setiap elemen memiliki indeks bilangan bulat terkait. Misalnya, dalam arr[10, 20, 30], '10', '20', dan '30' masing-masing disimpan pada indeks 0, 1, dan 2 dalam memori.

Catatan: Pengindeksan array di Python dimulai dari 0.

• Sebuah array hanya dapat berisi nilai-nilai dari jenis yang sama yaitu elemen homogen . Sebagai contoh,

arr[1, 2, 3]

arr['a', 'b', 'c']

Array di Python umumnya digunakan untuk menyimpan daftar item serupa. Salah satu kasus penggunaan nyata dari tampilan dapat menyimpan harga saham dari saham tertentu selama beberapa hari. Harga penutupan saham tetap utuh untuk saham dan hari tertentu. Ini berarti bahwa menyimpan detail seperti itu dalam struktur data yang tidak dapat diubah seperti array jauh lebih masuk akal.

Faktanya, array NumPy umumnya digunakan untuk menyimpan data dari kumpulan data besar dalam ilmu data dan pembelajaran mesin. Setiap array NumPy sesuai dengan fitur dalam kumpulan data.

Daftar dengan Python

Daftar adalah salah satu dari empat wadah atau struktur data bawaan yang didukung dengan Python. Salah satu keuntungan utama menggunakan daftar adalah bahwa satu daftar dapat menyimpan nilai dari beberapa tipe data.

Berikut ini adalah karakteristik utama yang ditunjukkan oleh daftar di Python:

• Daftar lebih fleksibel dalam hal penyimpanan data. Mereka dapat berisi data heterogen yaitu, elemen dari tipe yang berbeda. Sebagai contoh,

[1, 'halo', ['x', 'y']]

• Daftar juga diurutkan , dan elemen yang disimpan dalam daftar dapat diakses menggunakan indeksnya. Indeks negatif dapat digunakan untuk mengakses elemen dari akhir daftar. Sebagai contoh.,

myList = [20, 40, 'halo', 'dunia']

# mencetak elemen terakhir kedua

cetak(daftarsaya[-2])

Keluaran

• Daftar dapat dengan mudah dimutasi setelah inisialisasi daftar. Untuk mengubah nilai apa pun, akseslah menggunakan indeks elemen.

mobil = ['Ford', 'Tesla', 'Jaguar']

mobil [2] = 'BMW'

• Daftar multi-dimensi juga dapat diimplementasikan dengan Python menggunakan konsep daftar bersarang. Daftar multi-dimensi ini dapat digunakan sebagai array multi-dimensi dengan Python.

myArr = [[1, 2], [3, 4]]

# membuat larik 2-d:

# |1, 2|

# |3, 4|

Kasus penggunaan kehidupan nyata dari daftar heterogen multi-dimensi dengan Python dapat menyimpan satu set detail produk seperti jenis produk, kategori, harga biaya, harga jual, dll. Setiap daftar dalam daftar multi-dimensi tersebut mewakili produk. Karena daftarnya bisa berubah, menjadi lebih mudah untuk mengubah detail produk kapan pun kita mau.

Jika Anda seorang calon pengembang Python, menutupi perbedaan mendasar antara array dan daftar di Python adalah aspek kuncinya. Jadi, tanpa basa-basi lagi, mari langsung ke deskripsi tabel di Python Array vs. List.

Ketahui Perbedaan Antara Array dan Daftar dengan Python

Python Array vs List : Siapa pemenangnya?

PARAMETER	DAFTAR	HIMPUNAN
Pernyataan	Daftar tidak perlu dideklarasikan karena sudah ada di dalam Python. daftar = [ 10 , 20 , 30 ]	Anda perlu mengimpor modul array atau pustaka NumPy untuk mendeklarasikan array. my_arr_1 = array.array( 'i' , [ 10 , 20 , 30 ])
Tipe data	Daftar tunggal dapat berisi nilai yang dimiliki oleh tipe data yang berbeda. myList = [ 40 , 'halo' , 'm' ]	Semua elemen array harus memiliki tipe data yang sama. myArr = arr.array(i, [ 1 , 0 , 9])
Ukuran	Daftar Python dapat diubah ukurannya karena, selama inisialisasi daftar, Python menginisialisasi beberapa elemen tambahan.	Array memiliki ukuran konstan yang tidak dapat diubah.
Ruang angkasa/ Penyimpanan	Membutuhkan ruang dan memori yang lebih besar untuk penambahan atau penghapusan elemen.	Menyimpan data dengan cara yang lebih ringkas.
Penyimpanan data	Lebih disukai untuk menyimpan sejumlah kecil data.	Lebih disukai untuk menyimpan sejumlah besar data
Operasi Matematika	Tidak dapat digunakan untuk operasi matematika secara langsung.	Elemen array dapat dengan mudah dimanipulasi menggunakan operasi matematika tingkat lanjut.
Tampilkan Data	Elemen daftar dapat ditampilkan tanpa loop my_List = [ 1 , “Dennis” ,[ 'a' , 'b' ]] cetak(daftar_saya)	Sebuah loop harus diperlukan untuk elemen array yang akan ditampilkan. impor larik my_Arr = array.array( 'i' , [ 1 , 2 , 3 ]) untuk saya di my_Arr: cetak (saya)

Python Array vs List : Siapa pemenangnya?

Jika Anda membaca bagian ini, berarti Anda sekarang sudah cukup familiar dengan perbedaan antara list dan array dengan Python. Namun, Anda juga harus mengetahui kapan harus menggunakan Array atau Daftar di program Anda.

Bagian ini membahas berbagai keadaan di mana Anda harus memilih struktur data yang paling cocok di antara keduanya.

Jenis elemen

Jika jenis data tidak ditentukan sebelumnya, ada kumpulan data milik beberapa jenis. Misalnya, untuk menyimpan catatan siswa yang memiliki entitas seperti name(string) , ID(integer) , dan marks(float) , daftar adalah pilihan yang lebih disukai.

Jika data yang akan disimpan memiliki tipe data yang sama, maka array atau daftar dapat dipilih di sini. Pilihannya kemudian akan tergantung pada parameter lain seperti ukuran data, operasi yang akan dilakukan, dan penggunaan.

Konsumsi Memori

Konsumsi memori dalam daftar lebih banyak karena beberapa ruang tambahan dialokasikan selama inisialisasi daftar. Jika pengumpulan data relatif lebih kecil, maka daftar adalah pilihan yang efisien di sini.

Sumber Gambar: webcourses@UCF

Array cocok untuk menyimpan data dalam jumlah besar, karena konsumsi memori array lebih efisien daripada daftar.

Sumber Gambar: webcourses@UCF

Operasi yang Didukung

Jika data Anda tidak memerlukan operasi aritmatika, maka daftar bisa menjadi pilihan yang lebih baik, karena mendukung fungsi bawaan yang lebih baik untuk manipulasi data.

Di sisi lain, array harus digunakan ketika operasi matematika perlu dilakukan. Modul NumPy mendukung banyak operasi matematika tingkat lanjut, termasuk operasi trigonometri dan logaritma.

Modul yang akan diimpor

Daftar dapat dideklarasikan tanpa mengimpor modul atau pustaka apa pun . Itu dapat didefinisikan seperti variabel biasa karena ini adalah struktur data bawaan dengan Python.

Namun, array bukanlah salah satu wadah default Python. Ada dua modul paling populer - array dan NumPy . Setiap modul dilengkapi dengan beberapa fungsi yang telah ditentukan sebelumnya untuk memanipulasi dan mengelola data yang disimpan dalam array.

Kesimpulan

Artikel ini membahas semua topik yang diperlukan untuk memberi Anda pemahaman mendalam tentang perbedaan antara array dan daftar dengan Python. Kami juga membahas berbagai kasus penggunaan di mana daftar atau larik cocok.

Jika Anda ingin memulai perjalanan Anda di Ilmu Data, maka daftarkan diri Anda di Ilmu Data upGrad kursus hari ini. Lihat koleksi ekstensif kursus di upGrad untuk memulai karir Anda.