SciPy dalam Python: Tutorial Komprehensif tentang Pustaka & Fungsi
SciPy dalam Python
SciPy adalah pustaka open-source yang memperluas NumPy untuk menyediakan alat untuk menyelesaikan masalah matematika, ilmiah, teknik, dan teknis. Dibangun di atas NumPy, SciPy menawarkan serangkaian perintah tingkat tinggi yang luas untuk manipulasi dan visualisasi data.
Sub-paket
- scipy.io – File I/O untuk MATLAB, NetCDF, CSV, dan banyak format lainnya
- scipy.special – Fungsi matematika khusus (Bessel, Gamma, dll.)
- scipy.linalg – Rutinitas aljabar linear
- scipy.interpolate – Teknik interpolasi
- scipy.optimize – Optimasi dan pemasangan kurva
- scipy.stats – Distribusi statistik dan pembangkit bilangan acak
- scipy.integrate – Integrasi numerik
- scipy.fftpack – Transformasi Fourier cepat
- scipy.signal – Pemrosesan sinyal
- scipy.ndimage – Pemrosesan gambar multidimensi
Tutorial ini mencakup:
- Apa itu SciPy dan mengapa penting
- Perbedaan antara NumPy dan SciPy
- Instalasi dan pengaturan lingkungan
- Sub-paket utama dengan contoh kode
- Aplikasi praktis: aljabar linear, transformasi Fourier, optimasi, pemrosesan gambar, dan integrasi numerik
Menggunakan SciPy?
- Serangkaian alat ilmiah yang komprehensif, kedua setelah pustaka seperti GNU Scientific Library dan MATLAB
- Mudah digunakan, cepat, dan sepenuhnya kompatibel dengan array NumPy
- Diterima luas di akademi dan industri, memastikan dukungan dan kontribusi komunitas yang kuat
NumPy vs. SciPy
NumPy
- Pustaka inti untuk komputasi numerik berkinerja tinggi dalam Python, ditulis dalam C
- Menyediakan objek array dan operasi dasar (pengurutan, pengubahan bentuk, pengindeksan)
- Dasar untuk semua pustaka ilmiah dalam Python
SciPy
- Dibangun di atas NumPy, memperluasnya dengan algoritma khusus
- Menyediakan suite aljabar linear lengkap, optimasi, statistik, dan lebih banyak
- Penting untuk alur kerja ilmiah lanjutan
Instalasi & Pengaturan Lingkungan
Instal SciPy dengan pip atau pengelola paket sistem:
Python3 -m pip install --user numpy scipy
sudo apt-get install python-scipy python-numpy
sudo port install py35-scipy py35-numpy
Impor SciPy dan NumPy dalam skrip Anda:
from scipy import special import numpy as np
File I/O dengan scipy.io
Simpan dan muat file MATLAB .mat dengan mudah:
import numpy as np from scipy import io as sio array = np.ones((4, 4)) sio.savemat('example.mat', {'ar': array}) loaded = sio.loadmat('example.mat', struct_as_record=True) print(loaded['ar']) Output:
array([[1., 1., 1., 1.], [1., 1., 1., 1.], [1., 1., 1., 1.], [1., 1., 1., 1.]])
Fungsi Khusus – scipy.special
Contoh fungsi khusus yang umum digunakan:
- Akar kubik:
scipy.special.cbrt(x) → cbrt([27, 64]) # [3., 4.] - 10x:
scipy.special.exp10(x) → exp10([1,10]) # [1.e+01 1.e+10] - Kombinasi:
scipy.special.comb(N, k, exact=False, repetition=True) → comb(5, 2) # 15.0 - Permutasi:
scipy.special.perm(N, k, exact=True) → perm(5, 2) # 20 - LogSumExp:
scipy.special.logsumexp(x) - Bessel J:
scipy.special.jn(n, x)
Aljabar Linear – scipy.linalg
Hitung determinan, invers, nilai eigen, dan vektor eigen:
from scipy import linalg import numpy as np A = np.array([[4,5],[3,2]]) print(linalg.det(A)) # -7.0 print(linalg.inv(A)) # matriks invers vals, vecs = linalg.eig(A) print(vals) print(vecs)
Output:
-7.0 array([[-0.28571429, 0.71428571], [ 0.42857143, -0.57142857]]) [ 9.+0.j -1.+0.j] [[ 0.70710678 -0.5547002 ] [ 0.70710678 0.83205029]]
Transformasi Fourier Diskrit – scipy.fftpack
Transformasikan sinusoid dan visualisasikan spektrumnya:
%matplotlib inline from matplotlib import pyplot as plt import numpy as np from scipy import fftpack freq = 5 sample_rate = 50 t = np.linspace(0, 2, 2 * sample_rate, endpoint=False) wave = np.sin(freq * 2 * np.pi * t) plt.plot(t, wave) plt.xlabel('Waktu (s)'); plt.ylabel('Amplituda') plt.show() A = fftpack.fft(wave) frequency = fftpack.fftfreq(len(wave)) * sample_rate plt.stem(frequency, np.abs(A)) plt.xlabel('Frekuensi (Hz)') plt.ylabel('Magnitudo') plt.xlim(-sample_rate/2, sample_rate/2) plt.ylim(0, 110) plt.show() Optimasi – scipy.optimize
Cari minimum dari fungsi skalar menggunakan BFGS dan pencarian global dengan basin-hopping:
%matplotlib inline import numpy as np import matplotlib.pyplot as plt from scipy import optimize def func(a): return a*2 + 20*np.sin(a) plt.plot(np.linspace(-10, 10, 400), func(np.linspace(-10, 10, 400))) plt.show() min_bfgs = optimize.fmin_bfgs(func, 0) print('Hasil BFGS:', min_bfgs) min_basin = optimize.basinhopping(func, 0) print('Hasil basin-hopping:', min_basin.x) Output menunjukkan minimum lokal yang ditemukan oleh BFGS dan optimum global yang dikonfirmasi oleh basin-hopping.
Algoritma Nelder-Mead
Minimisasi sederhana tanpa kendala tanpa informasi gradien:
from scipy.optimize import minimize def f(x): return 0.4*(1 - x[0])**2 res = minimize(f, [2, -1], method='Nelder-Mead') print('Hasil:', res.x, 'Nilai fungsi:', res.fun) Pemrosesan Gambar – scipy.ndimage
Manipulasi gambar: tampilkan, balikkan, putar, dan terapkan filter.
from scipy import ndimage, misc from matplotlib import pyplot as plt panda = misc.face() plt.imshow(panda) plt.title('Asli') plt.show() flip_down = np.flipud(panda) plt.imshow(flip_down) plt.title('Balikkan ke Bawah') plt.show() rotated = ndimage.rotate(panda, 135) plt.imshow(rotated) plt.title('Diputar 135°') plt.show() Integrasi Numerik – scipy.integrate
Integral tunggal dan ganda dengan estimasi kesalahan otomatis:
from scipy import integrate # Integral tunggal dari x^2 dari 0 hingga 1 single = integrate.quad(lambda x: x**2, 0, 1) print('Integral tunggal:', single) # Integral ganda dari 64*x*y atas domain segitiga double = integrate.dblquad(lambda x, y: 64*x*y, 0, 2/4, lambda x: 0, lambda y: (1 - 2*y**2)**0.5) print('Integral ganda:', double) Keduanya mengembalikan tuple: (nilai, kesalahan yang diestimasi).
Ringkasan
SciPy memperluas NumPy untuk menyediakan tumpukan komputasi ilmiah lengkap, termasuk aljabar linear, optimasi, statistik, pemrosesan sinyal, dan manipulasi gambar. Sub-paket yang luas dan dukungan komunitas yang kuat membuatnya tak tergantikan bagi peneliti dan insinyur.
| Nama Paket | Deskripsi |
| scipy.io | Input/output file untuk MATLAB, CSV, NetCDF, dll. |
| scipy.special | Fungsi matematika khusus (Bessel, Gamma, dll.) |
| scipy.linalg | Rutinitas aljabar linear lanjutan |
| scipy.interpolate | Metode interpolasi |
| scipy.optimize | Alat optimasi dan pemasangan kurva |
| scipy.stats | Distribusi statistik & pembangkit bilangan acak |
| scipy.integrate | Integrasi numerik (quad, dblquad, dll.) |
| scipy.fftpack | Transformasi Fourier cepat |
| scipy.signal | Utilitas pemrosesan sinyal |
| scipy.ndimage | Pemrosesan gambar multidimensi |