Cara Memasang NumPy Dalam Kode VS

Jika Anda seorang pengembang Python, kemungkinan besar Anda pernah mendengar tentang NumPy, paket yang harus dimiliki untuk komputasi ilmiah dengan Python. Namun tahukah Anda cara menjalankannya di Visual Studio Code (VS Code), editor kode andalan bagi banyak pengembang?

Artikel ini akan membahas secara mendalam instalasi NumPy di ​​VS Code dan beberapa topik terkait lainnya yang mungkin menarik.

Instal NumPy di ​​VS Code

Tanpa penundaan, berikut semua langkah yang perlu Anda ambil untuk menginstal NumPy:

1. Jalankan Kode VS. Jika kebetulan Anda belum memilikinya, unduh salinannya dari situs resminya .
   
2. Klik pada tab Ekstensi. Anda dapat menemukannya di sisi kiri jendela, ditandai dengan ikon empat kotak.
   
3. Ketik "Python" ke dalam bilah pencarian ekstensi.
   
4. Pilih “Python dari Microsoft” dari hasil.
   
5. Klik tombol biru "Instal".
   
6. Kembali ke menu utama.
7. Pilih “Terminal.”
   
8. Pilih “Terminal Baru.”
   
9. Untuk memulai NumPy, masukkan perintah ini ke Terminal yang baru saja Anda buka: pip install numpy.
   

Ini memberitahu penginstal paket Python untuk mengunduh NumPy dan menginstalnya di komputer Anda. Proses sejak saat itu terjadi secara otomatis.

Ekstensi Python yang Anda unduh juga memberikan banyak dukungan untuk proyek Python Anda yang lain, seperti IntelliSense, linting, atau debugging.

Jika Anda mengalami hambatan yang menyebutkan “tidak ada modul bernama numpy” sebagai pesan kesalahan, periksa kembali apakah Anda memilih penerjemah Python yang tepat. Anda dapat menyesuaikannya dengan menavigasi ke “Python” di bagian bawah layar dan memilih juru bahasa yang memiliki pip dan NumPy.

Maksimalkan NumPy di ​​VS Code

Dengan NumPy aktif dan berjalan, Anda bisa memanfaatkan fitur Visual Studio Code untuk membuat pemrograman Anda lebih efektif dan menyenangkan.

Men-debug

Pemrograman itu rumit dan rumit dan Anda pasti akan men-debug kode yang tidak berfungsi sebagaimana mestinya. VS Code memiliki lingkungan debugging yang komprehensif khusus untuk aplikasi Python dan aplikasi yang menggunakan NumPy untuk komputasi ilmiah. Berikut beberapa tipnya:

• Jika Anda mengidentifikasi kemungkinan bug, untuk mengetahui akar masalahnya, Anda perlu mengeluarkan file Python yang sedang Anda kerjakan dan membukanya. Setelah itu, klik “Run” dari menu atas dan pilih “Start Debugging.” Ini akan memulai proses debug.
• Men-debug kode Anda bisa menjadi lebih mudah jika Anda menyetel breakpoint. Penanda ini memungkinkan debugger menjeda program Anda, sehingga Anda dapat memeriksa status program Anda pada titik eksekusi yang tepat. Coba atur breakpoint ini dengan mengklik margin di sebelah baris kode yang ingin Anda jeda atau arahkan kursor ke baris tersebut dan tekan F9.
• Saat program dalam keadaan jeda, kontrol debugging di bagian atas layar akan memungkinkan Anda menelusuri kode. Jika Anda menekan F10, Anda dapat melewati fungsi; dengan F11, Anda menyelaminya lebih dalam, dan menekan Shift dan F11 akan keluar dari suatu fungsi.
• Anda juga dapat melihat lebih dekat variabel-variabel tersebut dengan panel “Variabel”. Ini akan muncul di sidebar “Jalankan dan Debug” ketika program Anda dijeda, menampilkan semua nilai dalam lingkup lokal. Jika Anda memerlukan detail lebih lanjut, arahkan kursor ke variabel apa pun dalam kode untuk mendapatkan nilai yang tepat.

Menggunakan Notebook Jupyter

Analis data yang cerdas bisa mendapatkan keuntungan dari lingkungan interaktif Jupyter Notebooks, yang dapat diakses langsung dari VS Code. Dengan cara ini, Anda dapat membuat, mengeksekusi, dan men-debug kode dalam antarmuka yang mulus.

Jika Anda ingin membuat Notebook Jupyter baru di Visual Studio Code:

1. Buka Palet Perintah (Ctrl+Shift+P).
   
2. Temukan perintah “ Create: New Jupyter Notebook.”
   
3. Alternatifnya, buka ruang kerja Anda dan buat file baru dengan ekstensi “.ipynb”.
   

Setelah Anda membuat buku catatan, Anda dapat mengetikkan kode Python ke dalam selnya dan menjalankan perintah tersebut dengan mengklik tombol “Jalankan Sel” yang muncul saat kursor Anda diarahkan ke atasnya. Hasil sel Anda kemudian akan muncul di bawahnya sehingga Anda bisa menggunakannya dalam penghitungan atau operasi lain.

Anda dapat memilih juru bahasa Python untuk setiap Notebook yang Anda buat dengan memilih dari pemilih kernel di kanan atas. Opsi ini berguna, terutama jika Anda memiliki lebih dari satu lingkungan Python di komputer Anda dan ingin menggunakan semuanya, tergantung pada pekerjaannya.

Menggunakan IntelliSense

IntelliSense VS Code adalah teman terbaik dan pendamping Anda untuk pengkodean NumPy. Rangkaian fitur canggih ini memberikan penyelesaian kode yang cerdas saat Anda mengetik. Anda tidak perlu terlalu memikirkan nama fungsi, variabel, dll. IntelliSense dapat mengetahuinya dari konteks kode.

Misalnya, jika Anda perlu menulis suatu fungsi, mulailah mengetikkan namanya, dan IntelliSense akan memberi Anda semua fungsi yang tersedia dari NumPy dan modul lainnya. Pilih salah satu yang sesuai, dan alat akan menambahkannya ke kode. Anda juga akan mendapatkan daftar argumen yang benar untuk setiap fungsi, yang juga memberikan kecepatan tinggi dalam pengkodean.

NumPy dengan Ekstensi Kode VS

Ekstensibilitas VS Code adalah salah satu fiturnya yang paling canggih. Dengan ekstensi yang benar, Anda dapat meningkatkan Python dan NumPy. Berikut adalah beberapa ekstensi yang sangat berguna bersama dengan NumPy.

• Ekstensi Python oleh Microsoft menghadirkan pengkodean intuitif ke VS Code. Ini memungkinkan Anda menulis kode lebih cepat, dengan fitur bermanfaat seperti IntelliSense, linting dan pemformatan real-time, alat debugging, dan banyak lagi.
• Python Docstring Generator adalah penyelamat bagi pengembang yang harus mengerjakan kode NumPy yang kompleks. Ekstensi ini akan menghasilkan dokumen terperinci untuk mendokumentasikan kode dalam hitungan detik, sehingga menghemat banyak waktu penulisan dan pemformatan manual.
• Python Test Explorer dapat menjalankan pengujian Python Anda langsung dari sidebar dan mendapatkan masukan instan mengenai hasilnya. Tidak perlu bolak-balik antar aplikasi, menjadikannya penghemat waktu yang bermanfaat.
• MagicPython juga bagus untuk pengembang Python yang perlu menganalisis dan men-debug kode rumit. Berkat penyorotan sintaksis dan indentasi yang ditingkatkan, Anda akan dapat membaca ekspresi NumPy dengan cepat dengan MagicPython.
• Pelengkapan Otomatis Kite untuk Python adalah cara lain yang lebih bijaksana untuk membuat kode. Ini menggunakan pembelajaran mesin sehingga Kite dapat memberikan penyelesaian kontekstual untuk skrip Python. Daripada menghabiskan waktu mencari fungsi dan metode dari perpustakaan (atau Internet), Anda akan menemukan saran cerdas dengan Kite saat Anda mengetik. Ia bahkan mendukung operasi yang kompleks.

Tulis Kode Hebat Dengan NumPy

Seperti yang Anda tahu, menginstal NumPy ke dalam VS Code sama sekali tidak menakutkan, dan fitur-fiturnya sangat membantu untuk coding dan menganalisis ilmu data. Dan dalam Visual Studio Code, Anda dapat mengembangkan NumPy lebih jauh saat Anda menggabungkannya dengan alat dan ekstensi canggih lainnya.

Apakah Anda membuat NumPy berfungsi di VS Code Anda? Fungsi apa yang paling berguna bagi Anda? Beritahu kami di komentar.