diff --git a/.circleci/config.yml b/.circleci/config.yml deleted file mode 100644 index 0d926f23..00000000 --- a/.circleci/config.yml +++ /dev/null @@ -1,52 +0,0 @@ -version: 2.1 - -orbs: - # The python orb contains a set of prepackaged CircleCI configuration you can use repeatedly in your configuration files - # Orb commands and jobs help you with common scripting around a language/tool - # so you dont have to copy and paste it everywhere. - # See the orb documentation here: https://circleci.com/developer/orbs/orb/circleci/python - python: circleci/python@1.2 - -workflows: - circle_python_test: # This is the name of the workflow, feel free to change it to better match your workflow. - # Inside the workflow, you define the jobs you want to run. - # For more details on extending your workflow, see the configuration docs: https://circleci.com/docs/2.0/configuration-reference/#workflows - jobs: - - build-and-test - - -jobs: - build-and-test: # This is the name of the job, feel free to change it to better match what you're trying to do! - # These next lines defines a Docker executors: https://circleci.com/docs/2.0/executor-types/ - # You can specify an image from Dockerhub or use one of the convenience images from CircleCI's Developer Hub - # A list of available CircleCI Docker convenience images are available here: https://circleci.com/developer/images/image/cimg/python - # The executor is the environment in which the steps below will be executed - below will use a python 3.9 container - # Change the version below to your required version of python - docker: - - image: cimg/python:3.8 - # Checkout the code as the first step. This is a dedicated CircleCI step. - # The python orb's install-packages step will install the dependencies from a Pipfile via Pipenv by default. - # Here we're making sure we use just use the system-wide pip. By default it uses the project root's requirements.txt. - # Then run your tests! - # CircleCI will report the results back to your VCS provider. - steps: - - checkout - - python/install-packages: - pkg-manager: pip - # app-dir: ~/project/package-directory/ # If you're requirements.txt isn't in the root directory. - # pip-dependency-file: test-requirements.txt # if you have a different name for your requirements file, maybe one that combines your runtime and test requirements. - - run: - name: install requirements - command: pip install -r requirements.txt - - run: - name: install flake8 - command: pip install flake8 - - run: - name: install pytest - command: pip install pytest - - run: - name: lint flake8 testing - command: flake8 . --ignore=E203,W503,W504 --max-complexity=25 --max-line-length=88 - - run: - name: Run tests with pytesting - command: pytest . --doctest-modules --ignore=Basic/ \ No newline at end of file diff --git a/.coverage b/.coverage index 9a6c7cc3..c2958da9 100644 Binary files a/.coverage and b/.coverage differ diff --git a/.flake8 b/.flake8 index 465c9320..d7b93fae 100644 --- a/.flake8 +++ b/.flake8 @@ -1,5 +1,6 @@ [flake8] -ignore = E203,W503,W504 +ignore = E203,W503,W504,E741 max-complexity = 25 show-source = true -max-line-length = 88 \ No newline at end of file +max-line-length = 88 +exclude = Basic diff --git a/.gitattributes b/.gitattributes new file mode 100644 index 00000000..176a458f --- /dev/null +++ b/.gitattributes @@ -0,0 +1 @@ +* text=auto diff --git a/.github/CODEOWNERS b/.github/CODEOWNERS index 6fb67048..77ad5c1d 100644 --- a/.github/CODEOWNERS +++ b/.github/CODEOWNERS @@ -6,4 +6,10 @@ # the repo. Unless a later match takes precedence, # @global-owner1 and @global-owner2 will be requested for # review when someone opens a pull request. -* @athallahmaajid @KelvinMulyawan @dimascapella @hendri-27 @slowy07 \ No newline at end of file + +# Commenting instead of deleting these users in the legacy file +# to fix the current errors. +# @KelvinMulyawan - since this user could not be found on GitHub +# @hendri-27 - since this user didn't appear to have write access +# according to the bellshade/Python contributions graphs +* @athallahmaajid @slowy07 diff --git a/.github/FUNDING.yml b/.github/FUNDING.yml index 9d159ad0..4aa078ab 100644 --- a/.github/FUNDING.yml +++ b/.github/FUNDING.yml @@ -1,2 +1,2 @@ -github: [slowy07, athallahmaajid, KelvinMulyawan] +github: [slowy07, athallahmaajid] custom: ["https://saweria.co/bellshade"] diff --git a/.github/ISSUE_TEMPLATE/bug_report.md b/.github/ISSUE_TEMPLATE/bug_report.md index 45ef134e..69aa9b51 100644 --- a/.github/ISSUE_TEMPLATE/bug_report.md +++ b/.github/ISSUE_TEMPLATE/bug_report.md @@ -7,17 +7,18 @@ assignees: slowy07 --- -**Masalah** -Jelaskan masalah kamu disini +## Masalah + -**Screenshots atau contoh error**a -kamu bisa copy dan paste contoh errornya disini atau mngirim screenshot +## Screenshots atau contoh error + ``` pesan error ``` -**Desktop (please complete the following information):** - - OS: ``linux/windows/macOS``` +## Desktop (please complete the following information): + + - OS: ``linux/windows/macOS`` - Python: ``version`` diff --git a/.github/ISSUE_TEMPLATE/lain-lain.md b/.github/ISSUE_TEMPLATE/lain-lain.md index 8d8e1ce0..3015ae43 100644 --- a/.github/ISSUE_TEMPLATE/lain-lain.md +++ b/.github/ISSUE_TEMPLATE/lain-lain.md @@ -7,11 +7,12 @@ assignees: '' --- -## description +## Description -## saya menggunakan -OS : ``Linux / Windows / MacOS`` +## Saya Menggunakan + +OS : ``Linux / Windows / MacOS`` Python: ``version`` ## tambahan lainnya diff --git a/.github/pull_request_template.md b/.github/pull_request_template.md index 766258c6..fb7d97e3 100644 --- a/.github/pull_request_template.md +++ b/.github/pull_request_template.md @@ -1,26 +1,29 @@ -# Deskripsi (Description) +## Deskripsi (Description) - -# Checklist: -##### Umum: +## Checklist: +### Umum: + - [ ] Saya menambah algoritma terbaru. - [ ] Saya memperbaiki algoritma yang sudah ada. - [ ] Saya memperbaiki dokumentasi. - [ ] Saya menambah dokumentasi. -##### Contributor Requirements (Syarat Kontributor) dan Lain-Lain: +### Contributor Requirements (Syarat Kontributor) dan Lain-Lain: + - [ ] Saya sudah membaca (I have read) [CONTRIBUTING](https://github.com/bellshade/PythonAlgorithm/blob/main/CONTRIBUTING.md) dan sudah menyetujui semua syarat. - [ ] Saya telah menambahkan docstring yang memberikan penjelasan maksud dari kode yang saya buat. - [ ] Saya menggunakan bahasa Indonesia untuk memberikan penjelasan dari kode yang saya buat. -##### Unit Testing dan Linting: +### Unit Testing dan Linting: + - [ ] pytest - [ ] flake8 -# Environment -Saya menggunakan (I'm using): +## Environment +Saya menggunakan (I'm using): + - ``os`` = ``linux / windows / macOS`` - ``python`` = ``python3 -V (unix) / py -3 -V (Windows-Python launcher)`` diff --git a/.github/workflows/codeql.yml b/.github/workflows/codeql.yml new file mode 100644 index 00000000..ebcada9a --- /dev/null +++ b/.github/workflows/codeql.yml @@ -0,0 +1,41 @@ +name: "CodeQL" + +on: + push: + branches: [ "main" ] + pull_request: + branches: [ "main" ] + schedule: + - cron: "7 14 * * 3" + +jobs: + analyze: + name: Analyze + runs-on: ubuntu-latest + permissions: + actions: read + contents: read + security-events: write + + strategy: + fail-fast: false + matrix: + language: [ python ] + + steps: + - name: Checkout + uses: actions/checkout@v3 + + - name: Initialize CodeQL + uses: github/codeql-action/init@v2 + with: + languages: ${{ matrix.language }} + queries: +security-and-quality + + - name: Autobuild + uses: github/codeql-action/autobuild@v2 + + - name: Perform CodeQL Analysis + uses: github/codeql-action/analyze@v2 + with: + category: "/language:${{ matrix.language }}" diff --git a/.github/workflows/directory.yml b/.github/workflows/directory.yml index ce183a2f..f1991591 100644 --- a/.github/workflows/directory.yml +++ b/.github/workflows/directory.yml @@ -4,17 +4,17 @@ jobs: build: runs-on: ubuntu-latest steps: - - uses: actions/checkout@v1 - - uses: actions/setup-python@v2 + - uses: actions/checkout@v4 + - uses: actions/setup-python@v5 - name: Write DIRECTORY.md run: | chmod +x scripts/build_directory_md.py scripts/build_directory_md.py 2>&1 | tee DIRECTORY.md git config --global user.name github-actions - git config --global user.email '${GITHUB_ACTOR}@users.noreply.github.com' + git config --global user.email 'bellshdae07@gmail.com' git remote set-url origin https://x-access-token:${{ secrets.GITHUB_TOKEN }}@github.com/$GITHUB_REPOSITORY - name: Update DIRECTORY.md run: | git add DIRECTORY.md - git commit -am "update DIRECTORY.md" || true - git push --force origin HEAD:$GITHUB_REF || true \ No newline at end of file + git commit -am "docs: update DIRECTORY.md" || true + git push --force origin HEAD:$GITHUB_REF || true diff --git a/.github/workflows/pythonapp.yml b/.github/workflows/pythonapp.yml deleted file mode 100644 index e9e48afb..00000000 --- a/.github/workflows/pythonapp.yml +++ /dev/null @@ -1,69 +0,0 @@ -# doctesting untuk testing python -# jika pull request fail dengan python testing -# akan di review oleh contributor -# jika tidak ada perubahan maka pull request akan ditutup - -name: python testing -on: - push: - branches: [ main ] - pull_request: - branches: [ main ] - -jobs: - build: - runs-on: ubuntu-latest - steps: - - uses: actions/checkout@v2 - - name: Set up Python 3.9 - uses: actions/setup-python@v2 - with: - python-version: 3.9 - - name: salam - run: | - echo "Halo!" - echo "Mulai testing..." - echo "harap tunggu sebentar... :)" - - name: Install dependencies - run: | - echo "Mulai jalankan install requirement" - python -m pip install --upgrade pip - pip install -r requirements.txt -r dev-requirements.txt - - name: Format otomatis - run: | - echo "Mulai format otomatis" - isort . --profile=black - black . - - name: Cek modifikasi file - id: git-check - run: echo ::set-output name=modified::$(if git diff-index --quiet HEAD --; then echo "tidak"; else echo "ya"; fi) - - name: Push perubahan - if: steps.git-check.outputs.modified == 'ya' && github.event_name == 'push' - run: | - git config --global user.name 'github-actions[bot]' - git config --global user.email '41898282+github-actions[bot]@users.noreply.github.com' - git remote set-url origin https://x-access-token:${{ secrets.GITHUB_TOKEN }}@github.com/${{ github.repository }} - git pull - git commit -am "style: format otomatis dengan black dan isort" - git push - - name: Test Python - run: | - echo "Mulai Jalankan testing docstring" - pytest . --doctest-modules --ignore=Basic/ - - name: Test Lint Python - run: | - echo "Mulai Jalankan testing flake8" - flake8 . - - name: Test mypy - run: | - echo "Mulai Jalankan testing mypy" - mypy . - - name: Test coverage - run: | - echo "Mulai testing coverage" - coverage run --source . -m pytest --doctest-modules --ignore=Basic/ - - name: Hasil coverage - run: | - echo "Laporan coverage" - coverage report -m - \ No newline at end of file diff --git a/.github/workflows/uv_test.yml b/.github/workflows/uv_test.yml new file mode 100644 index 00000000..036b8843 --- /dev/null +++ b/.github/workflows/uv_test.yml @@ -0,0 +1,36 @@ +name: uv python test + +on: + pull_request: + branches: [main] + +jobs: + build: + # menjalankan testing dengan 3 os yaitu + # linux (ubuntu), windows, dan macOS + runs-on: ${{ matrix.os }} + + strategy: + matrix: + os: [macos-latest, windows-latest, ubuntu-latest] + + steps: + - name: Checkout Code + uses: actions/checkout@v4 + + - name: Install uv + uses: astral-sh/setup-uv@v5 + + - name: Setting python + uses: actions/setup-python@v5 + with: + python-version-file: ".python-version" + + - name: install depedencies + run: uv add -r dev-requirements.txt + + - name: run testing + run: | + uv add pre-commit + uv run pre-commit install + uv run pre-commit run --all-files diff --git a/.mergify.yml b/.mergify.yml index e7e41f21..b5417ece 100644 --- a/.mergify.yml +++ b/.mergify.yml @@ -1,30 +1,59 @@ pull_request_rules: + # membuat requirement dari automerge dengan sistem + # ketika workflow build passed maka akan dicentang + # ketika target pull request ke main maka akan dicentang + # ketika dikasih label 'ready-to-merge' akan dicentang + + # ketika requirement telah terpenuhi maka bot akan bekerja + # dan pull request secara otomatis akan merge - name: ci testing kalo sukses ke squash dengan label conditions: - - check-success=build - base=main - label=ready-to-merge actions: + # menambahkan komentar jika sudah di merge + comment: + message: terima kasih atas kontribusinya @{{author}} ! + # menambahkan label jika sudah di merge + label: + add: + - sudah dirieview! + # metode sistem dari automerge merge: method: squash + # membuat label dengan kondisi jika di dalam pull request + # terdapat file python - name: python label conditions: - - files~=\.py$ + - or: + - body~=(?m)^\[X\] Saya menambah algoritma terbaru. + - body~=(?m)^\[X\] Saya membperbaiki algoritma yang sudah ada. + - files~=\.py$ actions: + # menambahkan label 'python files' + # dan label 'request tim python untuk review' label: add: - python files - request tim python untuk review + # membuat label dengan kondisi jika di dalam pull request + # terdapat file markdown - name: markdown label conditions: - - files~=\.md$ + - or: + - body~=(?m)^\[X\] Saya menambah algoritma terbaru. + - body~=(?m)^\[X\] Saya membperbaiki algoritma yang sudah ada. + - files~=\.md$ actions: + # menambahkan label 'markdown files' label: add: - markdown files - + + # membuat sistem bot me mention python team untuk meriview + # dari pull request dengan kondisi jika terdapat file python - name: review docs team untuk file markdown conditions: - label=python files diff --git a/.pre-commit-config.yaml b/.pre-commit-config.yaml new file mode 100644 index 00000000..2b977db8 --- /dev/null +++ b/.pre-commit-config.yaml @@ -0,0 +1,30 @@ +repos: + - repo: https://github.com/pre-commit/pre-commit-hooks + rev: v4.6.0 + hooks: + - id: check-executables-have-shebangs + - id: check-yaml + - id: end-of-file-fixer + types: [python] + - id: requirements-txt-fixer + + - repo: https://github.com/MarcoGorelli/auto-walrus + rev: 0.3.4 + hooks: + - id: auto-walrus + + - repo: https://github.com/psf/black + rev: 24.4.2 + hooks: + - id: black + + - repo: https://github.com/PyCQA/flake8 + rev: 7.1.0 + hooks: + - id: flake8 + args: + - --exclude=Basic + - --ignore=E203,W503,F401,W504,F821,F841,E741,E721 + - --max-complexity=25 + - --max-line-length=100 + diff --git a/.python-version b/.python-version new file mode 100644 index 00000000..24ee5b1b --- /dev/null +++ b/.python-version @@ -0,0 +1 @@ +3.13 diff --git a/Basic/01_introduction/README.md b/Basic/01_introduction/README.md index 8378af8c..d8b932a6 100644 --- a/Basic/01_introduction/README.md +++ b/Basic/01_introduction/README.md @@ -1,41 +1,44 @@ # Python

- +

-Selamat datang di basic pemrograman Python. Disini kalian dapat memulai pertama kali mencoba pemrograman Python. Python sendiri +Selamat datang di pemrograman Python dasar. Di sini kalian dapat memulai serta mencoba pertama kali pemrograman Python. -## Daftar Isi +

Daftar Isi

- Introduction - - Daftar Isi - - Gambaran Singkat - - Contoh Hello World + - [Daftar Isi](#1) + - [Gambaran Singkat](#2) + - [Contoh Hello World](#3) -## Gambaran Singkat Tentang Bahasa Pemrograman Python +

Gambaran Singkat Tentang Bahasa Pemrograman Python

-Python dibuat dan dikembangkan oleh guido van rossum, programmer yang berasal dari belanda. Python dibuat dengan menggunakan bahasa pemrograman C sebagai basisnya. pemilihan nama python itu sendiri diambil dari sebuah acara televisi yang lumayan terkenal yang bernama __moth python flying circus__ yang merupakan acara sirkus favorit dari guido. +Python dibuat dan dikembangkan oleh [Guido van Rossum](https://en.wikipedia.org/wiki/Guido_van_Rossum), programmer yang berasal dari Belanda. Python dibuat dengan menggunakan bahasa pemrograman C sebagai basisnya. Pemilihan nama Python itu sendiri diambil dari sebuah acara televisi yang lumayan terkenal yang bernama **Monty Python’s Flying Circus** yang merupakan acara sirkus favorit dari Guido. -python adalah bahasa pemograman multi paaradigma, pemogramaan berorientasi objek dan pemograman terstruktur juga didukung penuh, dan banyak fiturnya mendukung pemgoraman fungsional. +Python adalah bahasa pemograman multiparadigma, yaitu mendukung pemograman berorientasi objek, pemograman terstruktur, dan pemrograman fungsional. -kelebihan diatara python antara lain -- mudah digunakan untuk menulis di perangkat lunak terbaru -- mudah untuk diajarkan -- mendukung __iot__ (__internet of things__) -- mudah dipahami -- serta mudah didapatkan, karena mudah diinstal, python juga termasuk __multiplatform__ +Kelebihan Python antara lain: -contoh yang implementasi dari bahasa pemograman python adalah -- komputasi ilmiah dan numerik contohnya seperti scipy -- aplikasi bisnis seperti tryton -- pembuatan game seperti battlefield 2 -- pengembangan web seperti django atau flask (library) -- pengembangan dari situs web dan layanan sperti dropbox, buzfeed dan uber +- Mudah untuk dipelajari, +- Mudah digunakan, +- Mendukung **iot** (**internet of things**), +- **Multiplatform**, artinya dapat dijalan di berbagai jenis sistem. + +Contoh implementasi dari bahasa pemograman Python adalah: + +- Komputasi ilmiah dan numerik contohnya seperti [SciPy](https://scipy.org/), +- Aplikasi bisnis seperti [Tryton](https://www.tryton.org/), +- Pembuatan game seperti [Battlefield 2](https://en.wikipedia.org/wiki/Battlefield_2), +- Pengembangan web seperti [Django](https://www.djangoproject.com) atau [Flask](https://flask.palletsprojects.com), +- Pengembangan dari situs web dan layanan sperti [Dropbox](https://www.dropbox.com), [BuzzFeed](https://www.buzzfeed.com) dan [Uber](https://www.uber.com). + +

Contoh `Hello World` pada python

```python print("hello bellshade") print("apa kabar ?") ``` -[Materi Selanjutnya](../02_tipe_data) \ No newline at end of file +[Materi Selanjutnya ▶ [tipe data]](../02_tipe_data) diff --git a/Basic/02_tipe_data/README.md b/Basic/02_tipe_data/README.md index 3e60ebd0..affa8fcf 100644 --- a/Basic/02_tipe_data/README.md +++ b/Basic/02_tipe_data/README.md @@ -1,120 +1,171 @@ -## tipe data - -dalam pemograman, tipe data adalah salah satu konsep yang sangat penting, dalam pemograman variabel dapat memberikan beberapa tipe data value yang sangat berguna dalam menentukan hasil dan operasi pada pemograman, tipe data melingkupi - -- berupa text - - - ``str`` - - merupakan salah satu tipe data yang berupa string, berfungsi untuk menghasilkan tipe data string seperti huruf abjad atau simbol lain - ```python - nama_saya = "franklin" - email_saya = "benjamin@franklin" - ``` - -- berupa angka - - - ``int`` - - merupakan salah satu tipe numerik yang sering dipakai dalam pemograman, yang berupa bilangan bulat - ```python - angka_saya = 25 - tahun_lahir = 1945 - ``` - - - ``float`` - - merupakan salah satu tipe numerik yang menghasilkan berupa bilangan pecahan, sangat berguna dalam menghasilkan nilai secara detail - ```python - nilai_saya = 95.281724 - nilai_teman = 30.25912 - ``` - - - ``complex`` - - merupakan salah satu tipe data numerik yang berfungsi menghasil sebuah angka complex, contoh angka complex bisa dilihat [disini](https://id.wikipedia.org/wiki/Bilangan_kompleks) - ```python - angka_kompleks_saya = complex(1.5) - angka_teman_saya = complex(2j) - ``` - -- berupa urutan (sekuensial) - - - ``list`` - - tipe data list adalah tipe data koleksi yang berisi beberapa value yang terdapat dalam satu variabel. list menggunakan kurung kotak - ```python - nama_siswa = ['woody', 'buzz', 'andy'] - nilai_siswa = [12, 13, 14] - ``` - - - ``tuple`` - - tipe data tuple adalah tipe data koleksi yang berisi beberap value yang terdapat dalam satu variabel. perbedaan diantara keduanya adalah - - - tipe data tuple jika diberi value, maka tipe data tersebut tidak dapat diubah kembali - - tipe data tuple menggunakan tutup kurung biasa ``()`` - - ```python - nama_siswa = ('buzz', 'andy', 'woody') - nilai = (12, 13, 14) - ``` - - - ``set`` - - Tipe data set adalah tipe data koleksi yang elemennya dapat dirubah, tidak terurut, dan bersifat unik. Sesuai dengan namanya, tipe data set memiliki operasi matematika himpunan seperti gabungan, irisan, selisih, dan lain-lain. Set menggunakan kurung kurawal ``{}`` - - ```python - nama_siswa = {'buzz', 'andy', 'woody'} - nilai = {12, 13, 14} - ``` - - - ``frozenset`` - - Tipe data frozenset adalah tipe data koleksi yang mirip dengan set, yang membedakannya dengan set adalah elemen pada frozenset tidak dapat dirubah setelah frozenset dibuat - - ```python - nama_siswa = frozenset(['woody', 'buzz', 'andy']) - nilai = frozenset([12, 13, 14]) - ``` - -- berupa map (kata kunci, dictionary) - - - ``dict`` - - tipe data dict atau dictionary adalah tipe data array dimana kunci atau __key__ dari array bisa berbentuk string, dan angka - ```python - hari = { - "sen": "senin", - "sel": "selasa", - "rab": "rabu" - } - ``` - -- berupa tipe data binary (bytes, bytearray, memmoryview) - - - ``bytes`` - merupakan sebuah object tipe data yang berisikan array tunggal - ```python - angka_saya = bytes(12) - angka_saya1 = bytes(300) - ``` - - - ``bytearray`` - merupakan seubah object tipe data yang berisikan array byte tunggal yang tidak dapat dirubah - ```python - angka_saya = bytearray(12) - ``` - - - ``memoryview`` - memmoryview adalah cara aman untuk mengekspos protokol buffer dengan python. ini memungkinkan untuk mengakses buffer internal suatu objek dengan membuat objek tampilan. - - memmoryview mengambalikan fungsi tampilan memori daripada objek yang diberikan - ```python - angka_saya = memoryview(bytes(12)) - angka_saya1 = memoryview(bytes(1212)) - ``` - -video penjelasan tentang tipe data = [Belajar python dasar - mengenal tipe data data](https://www.youtube.com/watch?v=b3X0CH98Y9g&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=6) - -[Materi Selanjutnya](../03_variable) \ No newline at end of file +[Introduction] ◀ Materi Sebelumnya + +
+ +# Tipe Data + +
+ +

Daftar Isi

+ +- Tipe Data + - [Daftar Isi](#1) + - [Pendahuluan](#2) + - [String | `str`](#3) + - [Integer | `int`](#4) + - [Float | `float`](#5) + - [Complex | `complex`](#6) + - [List | `list`](#7) + - [Tuple | `tuple`](#8) + - [Set | `set`](#9) + - [FrozenSet | `frozenset`](#10) + - [Dictionary | `dict`](#11) + - [Bytes | `bytes`](#12) + - [ByteArray | `bytearray`](#13) + - [MemoryView | `memoryview`](#14) +- [Video penjelasan tentang tipe data](#15) +- [Praktikum](#16) + +

Pendahuluan

+ +Tipe data adalah klasifikasi data. Tipe data menentukan jenis sebuah variabel. +**Variabel sendiri adalah sebuah wadah untuk menyimpan data.** Dalam penulisannya, python menganut paham `dynamic typing` yang mana dalam membuat variabel kita tidak harus menuliskan tipe datanya pula. Hal tersebut sejalan dengan tujuan python dikembangkan untuk memudahkan keterbacaan kode dan memprioritaskan pengembangan konsep dalam lebih sedikit baris kode + +Beberapa tipe data dalam Python: + +- Berupa text + + - `str` + + Merupakan salah satu tipe data yang berupa string, berfungsi untuk menghasilkan tipe data string seperti huruf abjad atau simbol lain. + + ```python + nama_saya = "franklin" + email_saya = "benjamin@franklin" + ``` + +- Berupa angka + + - `int` + + Merupakan salah satu tipe numerik yang sering dipakai dalam pemograman berupa bilangan bulat. + + ```python + angka_saya = 25 + tahun_lahir = 1945 + ``` + + - `float` + + Merupakan salah satu tipe numerik yang menghasilkan berupa bilangan pecahan, sangat berguna dalam menghasilkan nilai secara detail. + + ```python + nilai_saya = 95.281724 + nilai_teman = 30.25912 + ``` + + - `complex` + + Merupakan salah satu tipe data numerik yang berfungsi menghasil sebuah angka complex, contoh angka complex bisa dilihat [di sini](https://id.wikipedia.org/wiki/Bilangan_kompleks). + + ```python + angka_kompleks_saya = complex(1.5) + angka_teman_saya = complex(2j) + ``` + +- Berupa urutan (sekuensial) + + - `list` + + Tipe data list adalah tipe data koleksi yang berisi beberapa value yang terdapat dalam satu variabel. List menggunakan kurung kotak `[ ]`. + + ```python + nama_siswa = ['woody', 'buzz', 'andy'] + nilai_siswa = [12, 13, 14] + ``` + + - `tuple` + + Tipe data tuple adalah tipe data koleksi yang berisi beberap value yang terdapat dalam satu variabel. Perbedaan di antara keduanya adalah: + + - tipe data tuple jika diberi value, maka tipe data tersebut tidak dapat diubah kembali. + - tipe data tuple menggunakan tutup kurung biasa `()`. + + ```python + nama_siswa = ('buzz', 'andy', 'woody') + nilai = (12, 13, 14) + ``` + + - `set` + + Tipe data set adalah tipe data koleksi yang elemennya dapat dirubah, tidak terurut, dan bersifat unik. Sesuai dengan namanya, tipe data set memiliki operasi matematika himpunan seperti gabungan, irisan, selisih, dan lain-lain. Set menggunakan kurung kurawal `{}`. + + ```python + nama_siswa = {'buzz', 'andy', 'woody'} + nilai = {12, 13, 14} + ``` + + - `frozenset` + + Tipe data frozenset adalah tipe data koleksi yang mirip dengan set, yang membedakannya dengan set adalah elemen pada frozenset tidak dapat dirubah setelah frozenset dibuat. + + ```python + nama_siswa = frozenset(['woody', 'buzz', 'andy']) + nilai = frozenset([12, 13, 14]) + ``` + +- Berupa map (kata kunci, dictionary) + + - `dict` + + Tipe data dict atau dictionary adalah tipe data array dimana kunci atau **key** dari array bisa berbentuk string dan angka. + + ```python + hari = { + "sen": "senin", + "sel": "selasa", + "rab": "rabu" + } + ``` + +- Berupa tipe data binary (bytes, bytearray, memoryview) + + - `bytes` + + Merupakan sebuah object tipe data yang berisikan array tunggal. + + ```python + angka_saya = bytes(12) + angka_saya1 = bytes(300) + ``` + + - `bytearray` + + Merupakan seubah object tipe data yang berisikan array byte tunggal yang tidak dapat dirubah. + + ```python + angka_saya = bytearray(12) + ``` + + - `memoryview` + + Memoryview adalah cara aman untuk mengekspos protokol buffer dengan python. Ini memungkinkan untuk mengakses buffer internal suatu objek dengan membuat objek tampilan. Memoryview mengambalikan fungsi tampilan memori daripada objek yang diberikan. + + ```python + angka_saya = memoryview(bytes(12)) + angka_saya1 = memoryview(bytes(1212)) + ``` + +

Video penjelasan tentang tipe data

+ +
+ +[![sdfssadasd](https://img.youtube.com/vi/b3X0CH98Y9g/0.jpg)](https://youtu.be/b3X0CH98Y9g?list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY) + +
+ +

Praktikum

+ +Klik link ini untuk mencoba kode python dari pembahasan kali ini. [Source code](../02_tipe_data/tipe_data.py) + +Materi Selanjutnya ▶ [variable] diff --git a/Basic/02_tipe_data/tipe_data.py b/Basic/02_tipe_data/tipe_data.py index 8e7f9a4d..ec79d3ba 100644 --- a/Basic/02_tipe_data/tipe_data.py +++ b/Basic/02_tipe_data/tipe_data.py @@ -1,28 +1,93 @@ -# tipe data pada python adalah -# tipe text yaitu string +# Tipe data pada Python adalah: +# tipe text yaitu str (string) # tipe angka yaitu int, float, dan complex # tipe data majemuk yaitu list, tuple, set, dan range # tipe data map yaitu dict -# penggunaan type() sebagai pemeriksa sebuah tipe data -# pada variabel +# type() digunakan untuk memeriksa tipe data pada variabel -# suatu tipe data yang terdapat pada variabel -# menampilkan contoh tipe data integer +# contoh tipe data str +teks_string = "Halo dunia!" +print(teks_string) +print(type(teks_string)) +print() # untuk menambahkan baris baru + +# contoh tipe data integer bilangan_integer = 2 +print(bilangan_integer) print(type(bilangan_integer)) +print() # untuk menambahkan baris baru + +# contoh tipe data float +bilangan_desimal = 3.13 +print(bilangan_desimal) +print(type(bilangan_desimal)) +print() # untuk menambahkan baris baru -# menampilkan tipe data yang merupakan -# hasil dari kedua value -operasi = 3 + 3 -print(type(operasi)) +# contoh tipe data dari complex +bilangan_complex_1 = complex(1.5) +bilangan_complex_2 = complex(2j) +print(bilangan_complex_1) +print(bilangan_complex_2) +print(type(bilangan_complex_1)) +print(type(bilangan_complex_2)) +print() # untuk menambahkan baris baru # contoh tipe data dari list nama_siswa = ["andi", "buzz", "wheezy", "army"] print(nama_siswa) +print(nama_siswa[1]) +print(nama_siswa[2]) print(type(nama_siswa)) +print() # untuk menambahkan baris baru -# contoh tipe data dari dict -merk_mobil = {"merk": "ferrari", "asal": "italia"} +# contoh tipe data dari tuple +mahasiswa = ("suryadi", "sukoco", "sukijan", "sumarmi") +print(mahasiswa) +print(mahasiswa[1]) +print(mahasiswa[2]) +print(type(mahasiswa)) +print() # untuk menambahkan baris baru + +# contoh tipe data dari set +merk_mobil = {"ferrari", "bmw", "toyota"} print(merk_mobil) +# jika code dibawah dijalankan akan error karena +# tipe data set unsubcriptable (tidak berurutan) +# print(merk_mobil[1]) +# jika code dibawah dijalankan akan error karena +# tipe data set unsubcriptable (tidak berurutan) +# print(merk_mobil[2]) print(type(merk_mobil)) +print() # untuk menambahkan baris baru + +# contoh tipe data dari frozzenset +nama_desa = frozenset({"getasrejo", "karangmalang", "siti"}) +print(nama_desa) +print(type(nama_desa)) +print() # untuk menambahkan baris baru + +# contoh tipe data dari dict +detail_mobil = {"merk": "ferrari", "asal": "italia"} +print(detail_mobil) +print(detail_mobil["merk"]) +print(detail_mobil["asal"]) +print(type(detail_mobil)) +print() # untuk menambahkan baris baru + +# contoh tipe data dari bytes +angka_bytes = bytes(12) +print(angka_bytes) +print(type(angka_bytes)) +print() # untuk menambahkan baris baru + +# contoh tipe data dari bytearray +angka_bytearray = bytearray(12) +print(angka_bytearray) +print(type(angka_bytearray)) +print() # untuk menambahkan baris baru + +# contoh tipe data dari memoryview +angka_memoryview = memoryview(bytes(12)) +print(angka_memoryview) +print(type(angka_memoryview)) diff --git a/Basic/03_variable/README.md b/Basic/03_variable/README.md index 695d2d3f..54119dce 100644 --- a/Basic/03_variable/README.md +++ b/Basic/03_variable/README.md @@ -1,84 +1,208 @@ -# variabel +[tipe data] ◀ Materi Sebelumnya -variabel adalah referensi dari sebuah value yang ingin dipanggil.penggunaan variabel akan sangat mudah dikarenakan untuk menampilkan sebuah angka, dan huruf, contoh penggunaan variabel pada python +
+ +# Variabel + +
+ +

Daftar Isi

+ +--- + +- [Daftar Isi](#1) +- [Pendahuluan](#2) +- [Assign Variabel](#3) +- [Penamaan Variabel](#4) +- [Penggunaan Built-in Keyword](#5) +- [Video Penjelasan Tentang Variabel](#6) +- [Praktikum](#7) + +

Pendahuluan

+ +--- + +**Variabel adalah referensi dari sebuah value.** Variabel sering di analogikan seperti **sebuah wadah yang menampung sebuah benda.** Seperti kita ketika ingin menyimpan suatu benda, maka perlu mencari tempat / wadah benda tersebut ingin disimpan terlebih dahulu. Dalam menentukan wadah, kita hanya perlu mencantumkan nama wadah (nama variabel) terlebih dahulu. Setelah itu, python akan secara otomatis mengambilkan wadah sesuai dengan kebutuhan kita. Contoh penggunaan variabel pada Python : ```python angka_saya = 100 print(angka_saya) + +# outputnya +# 100 ``` -kode diatas kita membuat sebuah variabel yang mereferensikan sebuah nilai angka berupa ``100`` dan dengan penggunaan dari variabel kita bisa memanggil lebih dari sekali +Pada kode diatas, kita membuat sebuah variabel yang mereferensikan nilai angka `100`. Dengan penggunaan dari variabel kita bisa memanggil lebih dari sekali, misalnya: ```python angka_saya = 20 print(angka_saya) print(angka_saya) + +# outputnya +# 20 +# 20 ``` -## assign variabel +

Assign Variabel

+ +--- -kita bisa assing variable dengan variabel lainnya agar mudah unduk mendklarasikan sebuah nilai yang sama dengan variabel yang berbeda sebagai contoh +Kita bisa assign variable dengan variabel lainnya agar mudah untuk mendeklarasikan sebuah nilai yang sama dengan variabel yang berbeda, sebagai contoh: ```python angka_saya = 200 angka_lain = angka_saya print(angka_saya) print(angka_lain) + +# outputnya +# 200 +# 200 ``` -maka program akan menampilkan -``` -200 -200 -``` -atau bisa juga dengan cara + +Atau bisa juga dengan cara: + ```python angka_saya = angka_lain = angka_banyak = 200 print(angka_saya) print(angka_lain) print(angka_banyak) + +# outputnya +# 200 +# 200 +# 200 ``` -contoh pada string +Contoh pada string: + ```python -nama = "adams" +nama = nama_alias = "adams" print(nama) +print(nama_alias) + +# outputnya +# adams +# adams +``` + +

Penamaan Variabel

+ +--- + +Python memiliki beberapa peraturan dalam penulisan sebuah variabel. Jika kamu ingin melihat detail aturan tersebut bisa kunjungi laman [PEP8](https://peps.python.org/pep-0008/#type-variable-names) ini. Peraturan tersebut adalah: + +1. Menggunakan kata tanpa didahuli dengan angka: + + **contoh benar** ✅ + + ```python + nama = "bob" + ``` + + **contoh salah** ❌ + + ```python + 1nama = "bob" + ``` + +2. Menggunakan underscore (garis bawah) jika ingin menggunakan kata yang panjang: + + **contoh yang benar** ✅ + + ```python + angka_saya = 12 + ``` + + **contoh yang salah** ❌ + + ```python + 12angka_saya = 12 + ``` + +3. Variabel pada python bersifat sensitif, penggunaan huruf besar dan kecil sangat diperhatikan: + + contoh + + ```python + Nama_saya = "james" + nama_saya = "joko" + print(Nama_saya) + print(nama_saya) + + # outputnya + # james + # joko + ``` + + contoh diatas akan menghasilkan 2 nama karena variabel tersebut secara kalimat sama tapi secara penulisan berbeda, Python memperhatikan hal ini. + +Pada Python, penggunaan variabel disarankan menggunakan `snake_case`. + +

Penggunaan Built-in Keyword

+ +--- + +**Built-in keyword** pada Python adalah kata-kata yang mana sudah ditetapkan/dibuat sebelumnya oleh Python. Keyword-keyword tersebut dibuat untuk melakukan suatu perintah tertentu. Maka dari itu, dalam membuat variabel kita harus menghindari kata-kata tersebut agar program kita tidak terjadi error. Ada beberapa kata yang dilarang untuk digunakan sebagai nama variabel. Contoh penggunaan kata yang dilarang pada Python: + +```python +class sma_saya = "bahasa" +print(sma_saya) ``` -## peraturan penamaan dalam variabel pada python - -python memiliki beberapa peraturan dalam penulisan sebuah variabel agar mengikuti standar dari python dengan persayaratan dalam membuat variabel adalah - -1. menggunakan kata tanpa didahuli dengan angka - - **contoh benar** - ```python - nama = "bob" - ``` - **contoh salah** - ```python - 1nama = "bob" - ``` -2. menggunakan underscore (garis bawah) jika ingin menggunakan kata yang panjang - - **contoh yang benar** - ```python - angka_saya = 12 - ``` - **contoh yang salah** - ```python - 12angka_saya = 12 - ``` -3. variabel pada python bersifat sensitif, penggunaan huruf besar dan kecil sangat diperhatikan - - contoh - ```python - Nama_saya = "james" - nama_saya = "james" - ``` - contoh diatas akan menghasilkan 2 nama karena variabel tersebut secara kalimat sama tapi secara penulisan berbeda, python memperhatikan hal ini. - -pada python penggunaan variabel disarankan menggunakan ``snake_case`` untuk mengikuti style bawaan dari python - -video penjelasan tentang variabel = [Belajar python dasar - mengenal variabel](https://www.youtube.com/watch?v=gxmTFXfrMzk&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=5) - -[Materi Selanjutnya](../04_operator) +Hasil esekusi diatas akan menyebabkan error karena `class` merupakan salah satu nama fungsi dari Python. + +Kata/keywords yang dilarang: + +- False +- None +- True +- and +- as +- assert +- break +- class +- continue +- def +- del +- elif +- else +- except +- finally +- for +- from +- global +- if +- import +- in +- is +- lambda +- nonlocal +- not +- or +- pass +- raise +- try +- return +- while +- with +- yield + +

Video Penjelasan Tentang Variabel

+ +--- + +
+ +[![sdfssadasd](https://img.youtube.com/vi/gxmTFXfrMzk/0.jpg)](https://youtu.be/gxmTFXfrMzk?list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY) + +
+ +

Praktikum

+ +--- + +Klik link ini untuk mencoba kode python dari pembahasan kali ini. [Source code](../03_variable/variable.py) + +Materi Selanjutnya ▶ [operator] diff --git a/Basic/03_variable/string_variable.py b/Basic/03_variable/string_variable.py index 8ac9b1b2..a9494778 100644 --- a/Basic/03_variable/string_variable.py +++ b/Basic/03_variable/string_variable.py @@ -1,7 +1,9 @@ # String dalam Python diidentifikasi # sebagai serangkaian karakter yang berdekatan -# yangdiwakili dalam tanda kutip. +# yang diwakili dalam tanda kutip. +# Dalam membuat variabel string kita dapat +# menggunakan petik dua ("") / petik satu ('') pesan = "saya pergi ke pasar" # s a y a p e r g i @@ -10,20 +12,24 @@ # k e p a s a r # 10 11 12 13 14 15 16 17 +# Dalam tipe data string, value dari +# variabel tersebut akan dianggap sebagai +# list. Maka dari kita dapat memanggil +# setiap karakter dengan urutan index -print(pesan) # print secara keseluruhan -print(pesan[0]) # print karakter 's' - -# print karakter dari karakter ke 3 -# ke karakter ke 5 +# print secara keseluruhan +print(pesan) +# print karakter pertama pada pesan +print(pesan[0]) +# print karakter dari karakter ke 3 sampai 5 print(pesan[2:5]) - # print dimulai dari karakter ke 3 print(pesan[2:]) - # print kata 2 kali print(pesan * 2) + # gabung kata dengan kata baru # saya pergi kepasar dengan ibu saya print(pesan + " dengan ibu saya") +print(pesan, " dengan ibu saya") diff --git a/Basic/03_variable/Variable.py b/Basic/03_variable/variable.py similarity index 86% rename from Basic/03_variable/Variable.py rename to Basic/03_variable/variable.py index 89e0255c..4202b571 100644 --- a/Basic/03_variable/Variable.py +++ b/Basic/03_variable/variable.py @@ -1,11 +1,9 @@ -# variable pada python juga -# dan juga banyak data dan value pada python -# contoh dasar yaitu int, float, str - nama = "Riskiy" # contoh tipe data string umur = 12 # contoh tipe data integer (int) nilai = 95.5 # nilai +# tanda koma ',' pada print digunakan untuk +# menambahkan nilai variabel ke perintah print print("Dia bernama ", nama) print("Dia baru berumur ", umur, " tahun") print("dan dia mendapatkan nilai ", nilai) @@ -17,6 +15,7 @@ # contoh penggunaan variable yang baik # nama_lengkap = "jhon lenon" # nama_lengkap2 = "jhon lenin" +# nama_lengkap_2 = "jhon lenan" # contoh inisiasi beberapa variable # dalam satu line diff --git a/Basic/04_operator/README.md b/Basic/04_operator/README.md index ea4d975b..f7939ac6 100644 --- a/Basic/04_operator/README.md +++ b/Basic/04_operator/README.md @@ -1,182 +1,284 @@ +[variable] ◀ Materi Sebelumnya + +
+ # Operator -operator digunakan untuk melakukan operasi pada kedua variabel atau value +
+ +

Daftar Isi

+ +--- + +- [Daftar Isi](#1) +- [Pendahuluan](#2) +- [Operator Aritmatika](#3) +- [Operator Penugasan](#4) +- [Operator Perbandingan](#5) +- [Operator Logika](#6) +- [Operator Keanggotaan](#7) +- [Operator Identitas](#8) +- [Operator Bitwise](#9) +- [Video Penjelasan Tentang Variabel](#10) +- [Praktikum](#11) + +

Pendahuluan

+ +--- + +**Operator digunakan untuk melakukan operasi pada variabel atau value.** Dengan operator kita dapat memanipulasi nilai dari operan berdasarkan operator yang kita masukkan seperti `2+3` yang mana angka `2` dan `3` merupakan `operand` dan `+` merupakan `operator` untuk fungsi penjumlahan. -python memiliki beberapa jenis operator yaitu +Python memiliki beberapa jenis operator yaitu: -- [operator aritmatika](operator_aritmatika.py) -- [operator penugasan](operator_penugasan.py) -- [operator komparasi](operator_perbandingan.py) -- [operator logika](operator_logika.py) -- [operator identitas](operator_identitas.py) -- operasi member +- [Operator Aritmatika](#3) +- [Operator Penugasan](#4) +- [Operator Perbandingan](#5) +- [Operator Logika](#6) +- [Operator Keanggotaan](#7) +- [Operator Identitas](#8) +- [Operator Bitwise](#9) +

Operator Aritmatika

-## Operasi Aritmatika -operasi aritmatika adalah operasi yang digunakan untuk melakukan operasi matematika diantara kedua value atau kedua variabel +--- + +Operator aritmatika adalah operator yang digunakan untuk melakukan operasi matematika seperti penjumlahan, pengurangan, perkalian, pembagian di antara value atau variabel. + +Sebagai contoh operasi pertambahan: -sebagai contoh operasi pertambahan ```python angka = 2 angka_kedua = 3 print(angka + angka_kedua) + +# outputnya +# 5 ``` -operasi tersebut menambahkan kedua variabel yang memiliki value yaitu 2 dan 3 -berikut table dari operasi aritmatika +Operasi tersebut menambahkan kedua variabel yang memiliki value yaitu 2 dan 3. + +Berikut table dari operator aritmatika: | operator | nama operator | contoh penggunaan | -|----------|---------------|-------------------| +| -------- | ------------- | ----------------- | | + | penambahan | a + b | | - | pengurangan | a - b | -| * | perkalian | a * b | +| \* | perkalian | a \* b | | / | pembagian | a / b | -| ** | perpangkatan | a ** b | +| \* \* | perpangkatan | a \*\* b | | % | modulus | a % b | | // | floor | a // b | -## Operasi Penugasan -operasi penugasan adalah operasi yang digunakan untuk menetapkan suatu bilangan ke dalam variabel +```py +print(6+2) # 8 +print(6-2) # 4 +print(6*2) # 12 +print(6/2) # 3.0 +print(6**2) # 36 +print(5%2) # 1 +print(10//3) # 3 +``` + +

Operator Penugasan

+ +--- + +Operator penugasan adalah operator yang digunakan untuk menetapkan suatu bilangan ke dalam variabel. + +Sebagai contoh operasi penugasan: -sebagai contoh operasi penugasan ```python nilai = 5 nilai += 3 +# operator tersebut sama dengan +# nilai = nilai + 3 -print("nilai adalah", nilai) +print("nilai adalah", nilai) #8 ``` -operasi tersebut menambahkan sekaligus menetapkan ke dalam variabel nilai -berikut tabel dari operasi penugasan +Operasi tersebut menambahkan sekaligus menetapkan ke dalam variabel nilai. + +Berikut tabel dari operasi penugasan: + +| Operator | Example | Sama Dengan | Hasil (jika x=5) | +| -------- | ----------- | -------------- | :--------------: | +| = | x = 5 | x = 5 | 44 | +| += | x += 3 | x = x + 3 | 8 | +| -= | x -= 3 | x = x - 3 | 2 | +| \*= | x \*= 3 | x = x \* 3 | 15 | +| /= | x /= 3 | x = x / 3 | 1.67 | +| %= | x %= 3 | x = x % 3 | 2 | +| //= | x //= 3 | x = x // 3 | 1 | +| \*\*= | x \*\*= 3 | x = x \*\* 3 | 125 | +| &= | x &= 3 | x = x & 3 | 1 | +| |= | x |= 3 | x = x | 3 | 7 | +| ^= | x ^= 3 | x = x ^ 3 | 6 | +| <<= | x <<= 3 | x = x << 3 | 40 | +| >>= | x >>= 3 | x = x >> 3 | 0 | + +

Operator Perbandingan

-| Operator | Example | Sama Dengan | -|---------------|---------------|---------------| -| = | x = 5 | x = 5 | -| += | x += 3 | x = x + 3 | -| -= | x -= 3 | x = x - 3 | -| *= | x *= 3 | x = x * 3 | -| /= | x /= 3 | x = x / 3 | -| %= | x %= 3 | x = x % 3 | -| //= | x //= 3 | x = x // 3 | -| **= | x **= 3 | x = x ** 3 | -| &= | x &= 3 | x = x & 3 | -| |= | x |= 3 | x = x | 3 | -| ^= | x ^= 3 | x = x ^ 3 | -| <<= | x <<= 3 | x = x << 3 | -| >>= | x >>= 3 | x = x >> 3 | +--- +Operator perbandingan adalah operator yang digunakan untuk membandingkan suatu nilai dengan nilai yang lain. -## Operasi Perbandingan -operasi perbandingan adalah operasi yang digunakan untuk membandingkan suatu nilai dengan nilai yang lain +Sebagai contoh operasi perbandingan: -sebagai contoh operasi perbandingan ```python print(2 < 3) # True ``` -operasi tersebut membandingkan apakah nilai pertama lebih kecil daripada nilai kedua +Operasi tersebut membandingkan apakah nilai pertama lebih kecil daripada nilai kedua. + +Berikut tabel dari operasi perbandingan: + +| Operator | Artinya | +| -------- | --------------------------------- | +| == | Sama Dengan | +| != | Tidak Sama Dengan | +| > | Lebih besar dari | +| < | Lebih Kecil dari | +| >= | Lebih Besar dari atau sama dengan | +| <= | Lebih Kecil dari atau sama dengan | + +```py +print(2 < 3) # True +print(2 > 3) # False +print(2 <= 3) # True +print(2 >= 3) # False +print(2 == 3) # False +print(2 != 3) # True +``` + +

Operator Logika

-berikut tabel dari operasi perbandingan -| Operator | Artinya | -|---------------|---------------------------------------| -| == | Sama Dengan | -| != | Tidak Sama Dengan | -| > | Lebih besar dari | -| < | Lebih Kecil dari | -| >= | Lebih Besar dari atau sama dengan | -| <= | Lebih Kecil dari atau sama dengan | +--- -## Operasi Logika -operasi logika adalah operasi yang digunakan untuk mengecek pernyataan apakah True atau False +Operator logika adalah operator yang digunakan untuk mengecek apakah sebuah penyataan bernilai True atau False. + +Sebagai contoh operasi logika: -sebagai contoh operasi logika ```python print(3 < 5 and 5 > 3) # True ``` -operasi tersebut mengecek apakah kedua nilai yang di cek memiliki nilai True +Operasi tersebut mengecek apakah kedua nilai yang dicek memiliki nilai True. + +Berikut tabel dari operasi logika: + +| Operator | Penjelasan | +| -------- | ------------------------------------------------------------------ | +| and | Mengembalikan nilai True jika kedua nilai memiliki nilai True | +| or | Mengembalikan nilai True jika salah satu nilai memiliki nilai True | +| not | Membalikkan hasil, mengembalikan False jika hasilnya True | + +```py +print(True and True) # True +print(True and False) # False +print(False and False) # False +print(True or True) # True +print(True or False) # True +print(False or False) # False +print((True and not True)) # False +print(True or not False) # True +print(False and not False) # False +``` -berikut tabel dari operasi logika -| Operator | Penjelasan | -|---------------|-----------------------------------------------------------------------| -| and | Mengembalikan nilai True jika kedua nilai memiliki nilai True | -| or | Mengembalikan nilai True jika salah satu nilai memiliki nilai True | -| not | Membalikkan hasil, mengembalikan False jika hasilnya True | +

Operator Keanggotaan

+--- -## Operasi Keanggotaan -operasi keanggotaan adalah operasi yang digunakan untuk memvalidasi anggota di dalam sebuah objek +Operator keanggotaan adalah operator yang digunakan untuk memvalidasi anggota di dalam sebuah kumpulan data. + +Contoh operasi keanggotaan: -contoh operasi keanggotaan ```python list_bahasa_pemrograman = ["javascript", "java", "Python", "Dart"] print("Python" in list_bahasa_pemrograman) # True +print("Indonesia" in list_bahasa_pemrograman) # False ``` -operasi tersebut memvalidasi apakah `"Python"` ada di dalam list `list_bahasa_pemrograman` +Operasi tersebut memvalidasi apakah `"Python"` ada di dalam list `list_bahasa_pemrograman`. + +Berikut tabel dari operasi keanggotaan: + +| Operator | Penjelasan | +| -------- | ---------------------------------------------------------------------------- | +| in | Mengembalikan nilai True jika nilai yang disebutkan ada di dalam objek | +| not in | Mengembalikan nilai True jika nilai yang disebutkan tidak ada di dalam objek | + +

Operator Identitas

-berikut tabel dari operasi keanggotaan -| Operator | Penjelasan | -|---------------|-------------------------------------------------------------------------------| -| in | Mengembalikan nilai True jika nilai yang disebutkan ada di dalam objek | -| not in | Mengembalikan nilai True jika nilai yang disebutkan tidak ada di dalam objek | +--- -## Operasi Identitas -Operator Identitas adalah operator yang digunakanuntuk membandingkan suatu object. Jika object bernilai sama dan memilii memori yang sama, maka akan mengembalikan nilai True. +Operator identitas adalah operator yang digunakan untuk membandingkan suatu data. Jika data bernilai sama dan memiliki memori yang sama, maka akan mengembalikan nilai True. + +Contoh dari operasi identitas: -contoh dari oeprasi identitas `contoh 1` + ```python x = 3 y = 7 -if x is y: - print("Sama") -elif x is not y: - print("Tidak sama") +print(x is y) # False +print(x is not y) # True ``` + Hasil: -``` + +``` >> Tidak sama ``` -Karena nilai dari variabel `x` dan `y` tidak memilki nilai dan memori yang sama. + +Karena nilai dari variabel `x` dan `y` tidak memilki nilai dan memori yang sama. `contoh 2` + ```python if (type(y) != int): print("Ini bukan integer") else: print("Ini adalah integer") ``` + Hasil: -``` + +``` >> Ini adalah integer ``` + Karena tipe data yang digunakan pada variabel `y` adalah `integer`, bukan string ataupun tipe data lainnya. -berikut tabel dari operasi identitas. -| Operator | Penjelasan | -|---------------|-------------------------------------------------------------------------------| -| is | Mengembalikan nilai True jika nilai yang disebutkan memiliki objek dan memori yang sama | -| is not | Mengembalikan nilai True jika nilai yang disebutkan tidak memiliki objek dan memori yang sama |git +Berikut tabel dari operasi identitas: +| Operator | Penjelasan | +| -------- | --------------------------------------------------------------------------------------------- | +| is | Mengembalikan nilai True jika nilai yang disebutkan memiliki objek dan memori yang sama | +| is not | Mengembalikan nilai True jika nilai yang disebutkan tidak memiliki objek dan memori yang sama | -## operator bitwise +

Operator Bitwise

-Dalam Python, operator bitwise digunakan untuk melakukan perhitungan bitwise pada bilangan bulat. Bilangan bulat pertama diubah menjadi biner dan kemudian operasi dilakukan pada bit demi bit, maka nama operator bitwise. Kemudian hasilnya dikembalikan dalam format desimal. +--- -| operator | deskripsi | sintaks | -|:-- |---------------------| --: | -|& | Bitwise AND | x & y | -|\| | Bitwise OR | x | y | -|~ | Bitwise NOT | ~x | -|^ | Bitwise XOR | x ^ y | -|>> | Bitwise right shift | x>> | -|<< | Bitwise left shift | x<< | +Operator bitwise digunakan untuk melakukan operasi bilangan biner. Bilangan bulat pertama diubah menjadi biner dan kemudian operasi dilakukan pada bit demi bit, maka nama operator bitwise. Kemudian hasilnya dikembalikan dalam format desimal. +Contoh dari **bitwise not operator**: + +```python +angka_saya = 10 +print(~a) +``` + +Hasilnya: + +```bash +-11 +``` + +Penjelasannya sebagai berikut: -contoh dari **bitwise not operator** ``` angka_saya = 10 = 1010 ~a = ~1010 @@ -185,15 +287,57 @@ angka_saya = 10 = 1010 = -11 ``` -contoh dari **bitwise right** +Contoh dari **bitwise right**: + +```python +angkat_saya = 10 +print(angka_saya >> 1) +``` + +Hasilnya: + +```bash +5 +``` + ``` angka_saya = 10 = 0000 1010 a >> 1 = 0000 0101 = 5 ``` -Teman-teman bisa mempelajari lebih lanjut tentang operator di link berikut -1. [Operator Aritmatika](https://www.youtube.com/watch?v=gxmTFXfrMzk&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=5) -2. [Operator Perbandingan](https://www.youtube.com/watch?v=Kv_lDWq8kCc&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=11) -3. [Operator Logika](https://www.youtube.com/watch?v=Sl7zqPpC2VI&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=12) -4. [Operator Bitwise](https://www.youtube.com/watch?v=-VrqfCGwr88&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=14) -[Materi Selanjutnya](../05_string) \ No newline at end of file +Berikut tabel dari operasi identitas: + +| operator | deskripsi | sintaks | +| :------- | ------------------- | ------: | +| & | Bitwise AND | x & y | +| \| | Bitwise OR | x \| y | +| ~ | Bitwise NOT | ~x | +| ^ | Bitwise XOR | x ^ y | +| >> | Bitwise right shift | x>> | +| << | Bitwise left shift | x<< | + +

Video Penjelasan Tentang Variabel

+ +--- + +[![sdfssadasd](https://img.youtube.com/vi/RoDGGTWbKK4/0.jpg)](https://youtu.be/RoDGGTWbKK4?list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY) +[![sdfssadasd](https://img.youtube.com/vi/49KDyhzgCmA/0.jpg)](https://www.youtube.com/watch?v=49KDyhzgCmA&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=15) +[![sdfssadasd](https://img.youtube.com/vi/Kv_lDWq8kCc/0.jpg)](https://www.youtube.com/watch?v=Kv_lDWq8kCc&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=11) +[![sdfssadasd](https://img.youtube.com/vi/Sl7zqPpC2VI/0.jpg)](https://www.youtube.com/watch?v=Sl7zqPpC2VI&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=12) +[![sdfssadasd](https://img.youtube.com/vi/-VrqfCGwr88/0.jpg)](https://www.youtube.com/watch?v=-VrqfCGwr88&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=14) + +

Praktikum

+ +--- + +Klik link dibawah untuk mencoba kode python dari pembahasan kali ini. + +- [Operator Aritmatika](operator_aritmatika.py) +- [Operator Penugasan](operator_penugasan.py) +- [Operator Komparasi](operator_perbandingan.py) +- [Operator Logika](operator_logika.py) +- [Operator Identitas](operator_identitas.py) +- [Operator Bitwise](operator_bitwise.py) +- [Operator Keanggotaan](operator_keanggotaan.py) + +Materi Selanjutnya ▶ [String] diff --git a/Basic/04_operator/operator_aritmatika.py b/Basic/04_operator/operator_aritmatika.py index e8784b96..8b5cc953 100644 --- a/Basic/04_operator/operator_aritmatika.py +++ b/Basic/04_operator/operator_aritmatika.py @@ -35,7 +35,7 @@ print(100 % 5) # operator perpangkatan -print(4 ** 2) +print(4**2) # operator floor division # mengambil nilai utama dari suatu pembagian diff --git a/Basic/04_operator/operator_identitas.py b/Basic/04_operator/operator_identitas.py index 9b010ad6..a5a38ccb 100644 --- a/Basic/04_operator/operator_identitas.py +++ b/Basic/04_operator/operator_identitas.py @@ -1,9 +1,9 @@ -""" -Operator Identitas adalah operator yang digunakan -untuk membandingkan suatu object. Jika object bernilai sama -dan memiliki memori yang sama, maka akan mengembalikan nilai True. -contoh: -""" +# Operator Identitas adalah operator yang digunakan +# untuk membandingkan suatu object. Jika object bernilai sama +# dan memiliki memori yang sama, maka akan mengembalikan nilai True. +# contoh: + + # variabel x = 3 y = 7 diff --git a/Basic/04_operator/operator_keanggotaan.py b/Basic/04_operator/operator_keanggotaan.py index 0ac7060d..2eef5ffa 100644 --- a/Basic/04_operator/operator_keanggotaan.py +++ b/Basic/04_operator/operator_keanggotaan.py @@ -1,9 +1,7 @@ -""" -Operator Keanggotaan (Membership Operator) adalah operator -yang memvalidasi anggota dari sebuah objek iterable +# Operator Keanggotaan (Membership Operator) adalah operator +# yang memvalidasi anggota dari sebuah objek iterable +# contoh: -contoh: -""" X = [1, 2, "3", 4, "lima"] diff --git a/Basic/04_operator/operator_logika.py b/Basic/04_operator/operator_logika.py index b099c6c4..f489bf18 100644 --- a/Basic/04_operator/operator_logika.py +++ b/Basic/04_operator/operator_logika.py @@ -1,10 +1,8 @@ -""" -operator logika (Logical Operator) digunakan untuk -menggabungkan pernyataan kondisional +# operator logika (Logical Operator) digunakan untuk +# menggabungkan pernyataan kondisional +# bingung? +# mari kita buat contohnya -bingung? -mari kita buat contohnya -""" # variabel X = 5 diff --git a/Basic/04_operator/operator_penugasan_ekspresi.py b/Basic/04_operator/operator_penugasan_ekspresi.py index 273a4294..d98d6c0f 100644 --- a/Basic/04_operator/operator_penugasan_ekspresi.py +++ b/Basic/04_operator/operator_penugasan_ekspresi.py @@ -16,7 +16,6 @@ +------------+--------------+-----------------+ """ - # Contoh dibawah ini dapat dilihat perbedaannya jika melalui CLI Python # Tidak akan mengembalikan nilai, hanya melakukan pengisian # walrus = False diff --git a/Basic/04_operator/operator_perbandingan.py b/Basic/04_operator/operator_perbandingan.py index b70dbf45..63bd8887 100644 --- a/Basic/04_operator/operator_perbandingan.py +++ b/Basic/04_operator/operator_perbandingan.py @@ -1,6 +1,5 @@ # Operator Perbandingan (Comparison Operator) digunakan untuk # Membadingkan antara dua nilai - # contoh # Variable diff --git a/Basic/05_string/README.md b/Basic/05_string/README.md index a3d88638..614732c3 100644 --- a/Basic/05_string/README.md +++ b/Basic/05_string/README.md @@ -1,55 +1,158 @@ +[Operator] ◀ Materi Sebelumnya + +
+ # String -seperti yang dijelaskan pada materi sebelumnya, String adalah salah satu tipe data -pada python yang berfungsi untuk menghasilkan tipe data string seperti huruf abjad atau simbol lain +
+ +

Daftar Isi

+ +--- + +- [Daftar Isi](#1) +- [Pendahuluan](#2) +- [Deklarasi Variabel String](#3) +- [Deklarasi Variabel Multistring](#4) +- [Mencetak String](#5) +- [Method String Bawaan](#6) + - [`upper()`](#7) + - [`lower()`](#8) + - [Substring String](#9) + - [`len()`](#10) + - [`in` Keyword](#11) +- [Video Penjelasan Tentang String](#12) +- [Praktikum](#13) + +

Pendahuluan

-## Mendeklarasikan variabel string -```py +--- + +Seperti yang dijelaskan pada materi sebelumnya [(tipe data)](../02_tipe_data/), string adalah salah satu tipe data pada Python yang berfungsi untuk menyimpan huruf abjad atau simbol lain. Penggunaan string sangat diperlukan ketika kita ingin menyimpan data seperti alamat, nama dll. Seperti pada materi sebelumnya di [tipe data](../02_tipe_data/), pendeklarasian variabel dengan tipe data string dapat dilakukan dengan cara seperti berikut : + +

Deklarasi Variabel String

+ +--- + +```python kata_pertama = "warung" +# String juga dapat ditulis menggunakan petik satu +# Namun hal tersebut TIDAK DISARANKAN ``` +

Deklarasi Variabel Multistring

+ +--- -## Multiline String -String juga dapat dideklarasikan dengan cara berikut +String juga dapat dideklarasikan dengan cara berikut: -```py -kata_saya = """indonesia adalah negara yang indah +```python +kata_saya = """Indonesia adalah negara yang indah berada di bawah garis khatulistiwa -aku cinta indonesia +aku cinta Indonesia """ ``` -## Mencetak tipe data string -```py +

Mencetak String

+ +--- + +```python print(kata_saya) + +# outputnya +# Indonesia adalah negara yang indah +# berada di bawah garis khatulistiwa +# aku cinta Indonesia ``` -## Mengkapitalisasi setiap karakter pada string -```py +

Method String Bawaan

+ +--- + +**Dalam membuat program, manipulasi string sangat diperlukan karena tidak semua nilai string yang kita dapatkan sesuai dengan yang kita inginkan.** Maka dari itu dibutuhkan sebuah tindakan untuk mengubah atau memanipulasi string tersebut. Dalam Python, terdapat beberapa method bawaan (built-in method) yang bisa kita gunakan untuk memanipulasi string antara lain seperti berikut : + +

`upper()`

+ +--- + +Method ini digunakan untuk mengkapitalisasi setiap karakter pada string. + +```python print(kata_pertama.upper()) + +# outputnya +# WARUNG ``` -## Membuat setiap karakter pada string menjadi huruf kecil -```py -print(kata_pertama.lower()) +

`lower()`

+ +--- + +Method ini digunakan untuk membuat setiap karakter pada string menjadi huruf kecil + +```python +print(kata_pertama.upper().lower()) + +# outputnya +# WARUNG -> warung ``` +

Substring String

+ +--- + +Dalam Python, string bisa dianggap seperti kumpulan (list) dari beberapa karakter. Maka dari itu, kita dapat mengambil salah satu karakter dari string berdasarkan urutan index paling kiri. -## Mengambil salah satu karakter dari string -```py +```python print(kata_pertama[0]) + +# outputnya +# w ``` -## Menghitung jumlah karatker dari string -```py +

`len()`

+ +--- + +Method ini digunakan untuk menghitung jumlah karatker dari string + +```python print(len(kata_pertama)) + +# outputnya +# 6 ``` -## Mengecek kata khusus dalam sebuah string -```py -print("indonesia" in kata_saya) +

`in` Keyword

+ +--- + +`in` merupakan salah satu keyword dalam Python yang digunakan utnuk mengecek kata khusus dalam sebuah string + +```python +print("Indonesia" in kata_saya) +print("Indonesia" in "one") + +# outputnya +# False +# True +# Perlu diperhatikan penggunaan keyword `in` harus +# memperhatikan besar kecil huruf (case sensitive) ``` -video penjelasan tentang string = [Belajar python dasar - pengenalan string](https://www.youtube.com/watch?v=fhAEh1Z9YuY&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=16) +Jika kamu ingin mempelajari mengenai method-method string apa saja yang dapat kita gunakan. Anda dapat langsung melihat pada materi [manipulasi string](../11_manipulasi_string/) + +

Video Penjelasan Tentang String

+ +--- + +[![sdfssadasd](https://img.youtube.com/vi/fhAEh1Z9YuY/0.jpg)](https://www.youtube.com/watch?v=fhAEh1Z9YuY&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=16) + +

Praktikum

+ +--- + +Klik link dibawah untuk mencoba kode python dari pembahasan kali ini. [Source code](../05_string/string_python.py) -[Materi Selanjutnya](../06_input_output) \ No newline at end of file +Materi Selanjutnya ▶ [Input Output] diff --git a/Basic/05_string/string_python.py b/Basic/05_string/string_python.py index 58fe4f64..c58b49d2 100644 --- a/Basic/05_string/string_python.py +++ b/Basic/05_string/string_python.py @@ -3,14 +3,17 @@ # contoh # "Hello World" sama dengan 'hello world' # 'hello world' sama dengan "hello world" +# Namun disarankan menggunakan petik dua +# dalam deklarasi python + kata_pertama = "warung" # bisa juga menggunakan multi string # bisa menggunakan 3 tanda petik dua atau satu -kata_saya = """indonesia adalah negara yang indah +kata_saya = """Indonesia adalah negara yang indah berada di bawah garis khatulistiwa -aku cinta indonesia +aku cinta Indonesia """ # print(kata_pertama) @@ -32,4 +35,5 @@ # kita juga dapat mengecek kata khusus dalam sebuah string # contoh -print("indonesia" in kata_saya) +print("Indonesia" in kata_saya) +print("Indonesia" in "one") # lgtm [py/comparison-of-constants] diff --git a/Basic/06_input_output/README.md b/Basic/06_input_output/README.md index 5d4604fe..fe71910e 100644 --- a/Basic/06_input_output/README.md +++ b/Basic/06_input_output/README.md @@ -1,35 +1,43 @@ -# input python +# Input/Output Python -pada python terdapat fungsi dimana kita bisa membuat sebuah inputan dimana bisa berubah secara dinamis tanpa harus dirubah ke dalam kodingan. contohnya sebagai berikut +Pada Python terdapat fungsi dimana kita bisa membuat sebuah inputan. Contohnya sebagai berikut: ```python nama = input("masukkan nama kamu ") print(nama) ``` -pada kode diatas jika dijalkan akan menamppilkan -``` +pada kode diatas jika dijalankan akan menampilkan: + +```bash masukkan nama kamu ``` -jika kita memasukkan nama maka program akan menampilkan nama yang sebelumnya kita ketik -``` + +Jika kita memasukkan nama maka program akan menampilkan nama yang sebelumnya kita ketik: + +```bash masukkan nama kamu arfy arfy ``` -contoh lain + +Contoh lain: + ```python nama = input("masukkan nama ") print("selamat pagi ", nama) ``` -maka akan menampilkan berupa ``selamat pagi nama_yang_diinputkan`` contoh output -``` + +Maka akan menampilkan berupa ``selamat pagi nama_yang_diinputkan``. Contoh output: + +```bash masukkan nama arfy selamat pagi arfy ``` -kita juga bisa merubah value dari variabel yang sudah ada dengan menggunakan input +Kita juga bisa merubah value dari variabel yang sudah ada dengan menggunakan input. + ```python nama = "arfy" # menampikan isi value dari nama terlebih dahulu @@ -37,58 +45,16 @@ print(nama) nama = input("masukkan nama ") print("di variabel nama sekarang adalah ", nama) ``` -maka output yang keluar adalah -``` + +Maka output yang keluar adalah: + +```bash arfy masukkan nama jole di variabel nama sekarang adalah jole ``` - -## keywords yang tidak bisa digunakan pada python - -contoh penggunaan keywords yang dilarang pada python -```python -class sma_saya = "bahasa" -print(sma_saya) -``` -hasil esekusi diatas akan menyebabkan error karena ``class`` merupaakan salah satu nama fungsi dari python - -- False -- None -- True -- and -- as -- assert -- break -- class -- continue -- def -- del -- elif -- else -- except -- finally -- for -- from -- global -- if -- import -- in -- is -- lambda -- nonlocal -- not -- or -- pass -- raise -- try -- return -- while -- with -- yield - -video penjelasan tentang operator input output = [Belajar python dasar - mengambil input data dari user](https://www.youtube.com/watch?v=Ar1xxIsyuvI&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=8) +Video penjelasan tentang operator input output = [Belajar python dasar - mengambil input data dari user](https://www.youtube.com/watch?v=Ar1xxIsyuvI&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=8) [Materi Selanjutnya](../07_logika_percabangan) \ No newline at end of file diff --git a/Basic/06_input_output/input_output.py b/Basic/06_input_output/input_output.py index d60f8d39..c923d092 100644 --- a/Basic/06_input_output/input_output.py +++ b/Basic/06_input_output/input_output.py @@ -2,6 +2,8 @@ # memasukkan variabel secara dinamis # output digunakan untuk # contoh + + nama = "joes" print(nama) diff --git a/Basic/07_logika_percabangan/README.md b/Basic/07_logika_percabangan/README.md index 23aabfd9..75158b8d 100644 --- a/Basic/07_logika_percabangan/README.md +++ b/Basic/07_logika_percabangan/README.md @@ -1,15 +1,16 @@ -# logika percabangan +# Logika Percabangan -Logika percabangan adalah salah satu operator atau fungsi dimana mengambil dan memutuskan sesuatu dari sebuah pernyataan dan kemudian menghasilkan sebuah pernyataan jika suatu solusi dapat dipenuhi sebagai contoh, ``jika kamu kehujanan maka kamu menggunakan payung``, dalam contoh kodenya adalah +Logika percabangan akan mengambil dan memutuskan sesuatu dari sebuah pernyataan dan kemudian menghasilkan sebuah pernyataan jika suatu solusi dapat dipenuhi. Sebagai contoh, ``jika kamu kehujanan maka kamu menggunakan payung``, dalam contoh kodenya adalah: ```python cuaca = "hujan" if cuaca == "hujan": print("gunakan payung") ``` -contoh diatas merupakan contoh sederhana dari logika percabangan dimana jika cuaca hujan maka akan menggunakan payung, dan bagaimana jika value dari ``"hujan"`` kita ganti dengan cerah?. -jika kita mengganti variabelnya dari ``cuaca = "hujan"``, maka program tidak menghasilkan apapun karena tidak membuat sebuah fungsi atau operator apapun jika ``cerah``, maka untuk membuat fungsi atau operator logika agar dapat mengambil data value berupa ``jika cerah maka tidak menggunakan payung``. +Contoh di atas merupakan contoh sederhana dari logika percabangan dimana jika cuaca hujan maka akan menggunakan payung, dan bagaimana jika value dari ``"hujan"`` kita ganti dengan cerah?. + +Jika kita mengganti variabelnya dari ``cuaca = "hujan"``, maka program tidak menghasilkan apapun karena tidak membuat sebuah fungsi atau operator apapun jika ``cerah``, maka untuk membuat fungsi atau operator logika agar dapat mengambil data value berupa ``jika cerah maka tidak menggunakan payung``. ```python cuaca = "cerah" @@ -19,7 +20,8 @@ if cuaca == "hujan": elif cuaca == "cerah": print("tidak menggunakan payung") ``` -contoh diatas merupakan contoh sederhana dari logika percabangan dimana jika cuaca cerah maka tidak menggunakan payung, dan bagaimana jika value dari ``"cerah"``, ``"hujan"`` kita ganti dengan bebas?. + +Contoh di atas merupakan contoh sederhana dari logika percabangan dimana jika cuaca cerah maka tidak menggunakan payung, dan bagaimana jika value dari ``"cerah"``, ``"hujan"`` kita ganti dengan bebas? ```python # membuat variabel dari cuaca @@ -37,7 +39,8 @@ elif cuaca == "cerah": else: print("gunakan pakaian renang") ``` -contoh diatas merupakan contoh sederhana dari logika percabangan dimana jika selain dari cuaca hujan dan cerah maka menampilkan ``gunakan pakaian renang`` + +Contoh diatas merupakan contoh sederhana dari logika percabangan dimana jika selain dari cuaca hujan dan cerah maka menampilkan ``gunakan pakaian renang``. video penjelasan tentang logika percabangan (elif) = [Belajar python dasar - elif statement](https://www.youtube.com/watch?v=ICowoqcLp4E&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=23) diff --git a/Basic/07_logika_percabangan/logika_percabangan.py b/Basic/07_logika_percabangan/logika_percabangan.py index 26fdaa64..c23f1dd6 100644 --- a/Basic/07_logika_percabangan/logika_percabangan.py +++ b/Basic/07_logika_percabangan/logika_percabangan.py @@ -1,5 +1,7 @@ # membuat variabel dari cuaca # dan membuat value "cerah" + + cuaca = "cerah" # logika jika cuaca hujan if cuaca == "hujan": diff --git a/Basic/08_perulangan/README.md b/Basic/08_perulangan/README.md index 5b3143bd..2fee0fe3 100644 --- a/Basic/08_perulangan/README.md +++ b/Basic/08_perulangan/README.md @@ -1,16 +1,17 @@ -# looping +# Perulangan -Looping adalah urutan instruksi yang akan dijalankan, apabila suatu kondisi terpenuhi. +Perulangan adalah urutan instruksi yang akan dijalankan, apabila suatu kondisi terpenuhi. -looping pada python terbagi 2, yaitu -- while loop -- for loop +Perulangan pada Python terbagi 2, yaitu: +- while +- for -mari kita ulas terlebih dahulu while loop +mari kita ulas terlebih dahulu while loop. -## while loop +## While + +Contoh: -contoh ```python a = 1 @@ -19,9 +20,10 @@ while a <= 5: a += 1 ``` -yang mana kondisi dari koding di atas adalah, apabila variable `a` yang awalnya 1, tidak melebihi ataupun sama dengan 5 maka loop bisa berjalan, apabila kondisinya sudah tidak terpenuhi lagi, maka statement loop akan otomatis selesai +Apabila variable `a` yang awalnya 1, tidak melebihi ataupun sama dengan 5 maka loop bisa berjalan, apabila kondisinya sudah tidak terpenuhi lagi, maka statement loop akan otomatis selesai. + +Contoh lainnya: -contoh lainnya ```python b = 5 @@ -30,13 +32,13 @@ while b >= 1: b -= 1 ``` -dimana kondisinya adalah, apabila variable b yang awalnya 5, masih lebih besar atau sama dengan 1, apabila variable b sudah menyentuh angka 0, -maka loop statement otomatis tidak akan bekerja +Apabila variable b yang awalnya 5, masih lebih besar atau sama dengan 1, apabila variable b sudah menyentuh angka 0, maka loop statement otomatis tidak akan bekerja. -bisakah kita menghentikan proses looping ditengah statement yang masih memenuhi persyaratan ? tentu bisa dong !! -dengan memakai keyword ```break```, kita bisa melakukannya +Bisakah kita menghentikan proses looping di tengah statement yang masih memenuhi persyaratan? +Tentu bisa dong! + +Yaitu denga menggunakan keyword ```break```. Contohnya: -contohnya adalah ```python c = 1 @@ -47,9 +49,10 @@ while c <= 5: c += 1 ``` -maksudnya gimana tu ? nah maksud dari koding di atas adalah, apabila nilai variable c masih ada dibawah atau sama dengan 5 maka proses loop bisa dilakukan, tetapi, jika nilai c sudah di angka 3, kita melakukan proses ```break```, atau berhenti, jadi kita menghentikan loop nya meskipun hasil statement loop nya masih benar +Apabila nilai variable `c` masih ada di bawah atau sama dengan `5` maka proses loop bisa dilakukan, tetapi, jika nilai `c` sudah di angka `3`, kita melakukan proses ```break```, atau berhenti. Jadi kita menghentikan loop nya meskipun hasil statement loop nya masih benar. + +Terus, bisa diskip ga sih suatu bilangan? Bisa dong, kita memakai statement ```continue```, contohnya: -terus, bisa diskip ga sih suatu bilangan ? bisa dong, kita memakai statement ```continue```, contohnya gimana tu ? ```python d = 0 @@ -60,9 +63,9 @@ while d < 5: print(d) ``` -dari program di atas, kita melakukan statement yang sama dengan 3 statement di atas, tapi ni, bedanya adalah, apabila variable d sudah ada di angka 3, kita ```continue``` aja, atau kita skip +Dari program di atas, kita melakukan statement yang sama dengan `3` statement di atas, tapi ni, bedanya adalah, apabila variable `d` sudah ada di angka `3`, kita ```continue``` aja, atau kita skip. -last but not least, gimana sih cara ngasih tau kita kalau misalnya loop nya udah selesai gitu ? tentu ada caranya, kita akan pakai statement ```else``` +Last but not least, gimana sih cara ngasih tau kita kalau misalnya loop nya udah selesai gitu? tentu ada caranya, kita akan pakai statement ```else```. Contohnya: ```python e = 0 @@ -74,11 +77,12 @@ else: print("Selamat, looping anda telah selesai !!") ``` -nah, jadi kalau misalnya loop kita udah selesai, python akan ngasih tau kita ni dengan statement, "Selamat, looping anda telah selesai !!" +Nah, jadi kalau misalnya loop kita udah selesai, Python akan memberikan statement, `"Selamat, looping anda telah selesai !!` -ayo kita lanjut ke jenis loop kedua dari python, tentu dengan konsep yang masih sama, ```break```, ```continue```, dan ```else``` tapi dengan perbedaan cara tulisnya aja nii -## for loop +## For + +Contohnya: ```python angka = [1,2,3,4,5] @@ -87,9 +91,9 @@ for item in angka: print(item) ``` -maksudnya gimana tu ? jadi maksud dari koding di atas adalah, untuk setiap item di dalam list angka, silahkan tampilkan item tersebut. +Jadi maksud dari koding di atas adalah untuk setiap item di dalam list angka, silahkan tampilkan item tersebut. -terus, di while loop kita kan bisa pake ```break```, di for ? bisa juga dong dengan statement +Kita juga bisa menggunakan `break` di perulangan `for`: ```python for item in angka: @@ -97,9 +101,10 @@ for item in angka: if item == 3: break ``` -meskipun statement dari break for loop ini beda dengan while loop, makna nya sama aja yaa, kalau item nya udah di angka 3, break aja, atau selesaikan aja -apa di for loop ada ```continue``` ? pastinyaa +Meskipun statement dari `break` for loop ini beda dengan while loop, maknanya sama saja, kalau itemnya udah di angka 3, break aja, atau selesaikan aja. + +apa di for loop ada ```continue```? pastinyaa: ```python for item in angka: @@ -108,9 +113,9 @@ for item in angka: print(item) ``` -penjelasannya adalah, apabila item dari list angka tersebut udah ada di angka 3, angka 3 nya skip aja, dan lanjut ke angka 4... +Penjelasannya adalah, apabila item dari list angka tersebut udah ada di angka `3`, angka `3` nya diskip, dan berlanjut ke angka 4. -last but not least +Last but not least, ```else``` statement @@ -122,16 +127,18 @@ else: ``` -tapi nih, apa sih perbedaan antara while loop dan for loop ? -perbedaaan-nya adalah, while loop itu bergerak / melakukan sesuatu berdasarkan "kondisi" seperti misalnya tadi, "jika nilai a masih dibawah 5, maka tampilkan a", tapi kalau tidak ? tentu outputnya tidak ada lagi dan while loop selesai, hal ini bisa di dukung dengan arti dari ```while``` yang artinya ```ketika```
-sementara for loop adalah looping yang melakukan sesuatu berdasarkan "keanggotaan", seperti misalnya, "untuk setiap anggota dari list angka, tampilkan (print)", hal ini tentu di dukung dengan arti dari statement for loop yaitu ```for item in iterable``` yang artinya ```untuk setiap item yang ada di dalam iterable``` dan arti kata ```for``` itu sendiri yang artinya ```untuk``` +Apa sih perbedaan antara while loop dan for loop? + +- while loop itu bergerak/melakukan sesuatu berdasarkan "kondisi" seperti misalnya tadi, "jika nilai a masih dibawah 5, maka tampilkan a", tapi kalau tidak? tentu outputnya tidak ada lagi dan while loop selesai, hal ini bisa di dukung dengan arti dari ```while``` yang artinya ```ketika```. + +- for loop adalah looping yang melakukan sesuatu berdasarkan "keanggotaan", seperti misalnya, "untuk setiap anggota dari list angka, tampilkan (print)", hal ini tentu di dukung dengan arti dari statement for loop yaitu ```for item in iterable``` yang artinya ```untuk setiap item yang ada di dalam iterable``` dan arti kata ```for``` itu sendiri yang artinya ```untuk```. while loop
for loop -video penjelasan tentang looping (for) = [Belajar dasar python - for loop (perulangan)](https://www.youtube.com/watch?v=Z4qfMhx4XzQ&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=25) +Video penjelasan tentang looping (for) = [Belajar dasar python - for loop (perulangan)](https://www.youtube.com/watch?v=Z4qfMhx4XzQ&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=25) -video penjelasan tentang looping (while) = [Belajar dasar python - while loop (perulangan)](https://www.youtube.com/watch?v=ZupffvoCChQ&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=26) +Video penjelasan tentang looping (while) = [Belajar dasar python - while loop (perulangan)](https://www.youtube.com/watch?v=ZupffvoCChQ&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=26) [Materi Selanjutnya](../09_fungsi) \ No newline at end of file diff --git a/Basic/09_fungsi/README.md b/Basic/09_fungsi/README.md index ded1f06b..f574c1a9 100644 --- a/Basic/09_fungsi/README.md +++ b/Basic/09_fungsi/README.md @@ -1,123 +1,143 @@ -# fungsi +# Fungsi -fungsi adalah sebuah blok kode yang berjalan ketika ingin digunakan +Fungsi adalah sebuah blok kode yang berjalan ketika dipanggil. + +Contoh: -contoh ```python def hello(): - print('Hello !') + print('Hello!') ``` -apabila kita ingin meng-gunakan fungsi tersebut kita tinggal command +Apabila kita ingin menggunakan fungsi tersebut kita bisa memanggilnya dengan: + ```python hello() ``` -lantas, apakah kita bisa memasukkan input ke dalam fungsi ? tentu bisa -input yang kita kirimkan ke dalam fungsi disebut sebagai Argument, seperti apa contohnya ? +Lantas, apakah kita bisa memasukkan input ke dalam fungsi? +Tentu bisa input yang kita kirimkan ke dalam fungsi disebut sebagai argument, seperti apa contohnya? + +> Argument adalah nilai atau variabel yang dikirim kepada fungsi ketika fungsi tersebut dipanggil. ```python def hello(nama): - print('Hello '+str(nama)+' !') + print('Hello '+str(nama)+'!') ``` -apabila kita ingin memakai fungsi tersebut dan memasukkan argument kita cukup mengetikkan +Apabila kita ingin memakai fungsi tersebut dan memasukkan argument kita cukup mengetikkan: + ```python hello('Bellshade') ``` -apa kita cuma bisa memasukkan satu argument aja kah ? jawabannya, tentunya ga dong, kita bisa memasukkan lebih dari satu argument -contohnya +`Bellshade` adalah argument yang dikirim kepada fungsi `hello(py)`. + +Kita bisa mengirimkan lebih dari satu argument. Contohnya: + ```python -def triangle(alas,tinggi): +def triangle(alas, tinggi): hasil = (alas * tinggi)/2 print(hasil) ``` -dan kita pun akan memakai fungsi segitiga kita !! +Dan kita pun akan memakai fungsi segitiga kita dengan mengirimkan dua argument, yaitu `2` dan `3`: + ```python triangle(2,3) ``` -next, pembahasan kita tentang ```return```, apa itu return ? return adalah sebuah function keyword yang mengembalikan nilai dan juga sekaligus "mengakhiri" function itu sendiri -contohnya +## Return +Return adalah sebuah keyword yang mengembalikan nilai dan juga sekaligus "mengakhiri" function itu sendiri. + +Contohnya: + ```python def triangle(alas,tinggi): hasil = (alas * tinggi)/2 return hasil - + + print(triangle(2,3)) ``` -return pada koding diatas, mengakhiri function dari triangle, jadi kita tidak bisa lagi melakukan command apapun yang lewat dari line `return hasil` +Return pada koding di atas, mengakhiri function dari `triangle`, jadi kita tidak bisa lagi melakukan perintah apapun setelah baris `return hasil`. -next, kita akan bahas sesuatu yang disebut, `default argument`, apa tu ? default argument terjadi apabila kita mendefault / mengatur nilai default dari sebuah argument, misalnya -```python +## Default argument +Default argument terjadi apabila kita membuat argument menjadi bernilai tetap, misalnya: +```python def salam(waktu="Pagi"): greet = "Selamat " + str(waktu) return greet + print(salam("Siang")) # Selamat Siang print(salam("Malam")) # Selamat Malam print(salam("Sore")) # Selamat Sore print(salam()) # Selamat Pagi ``` -disini kita melakukan default value terhadap argument dari waktu menjadi "Pagi", jadi apabila kita memanggil ```salam()```, -maka itu tidak akan menimbulkan error, karena sudah ada default valuenya, dan default value juga bersifat `flexibel` dimana masih bisa diubah menjadi, 'Siang', 'Malam', dan lainnya. +Di sini kita melakukan default value terhadap argument dari waktu menjadi `Pagi`, jadi apabila kita memanggil `salam()`, +maka itu tidak akan menimbulkan error, karena sudah ada default valuenya, dan default value juga bersifat `flexibel` dimana masih bisa diubah menjadi, 'Siang', 'Malam', dan lainnya tergantung pada nilai yang diberikan pada argument fungsi. + -next kita akan bicara tentang suatu konsep yang menarik, yaitu, `Unlimited` atau `Infinite`, dimana artinya adalah, tak terbatas, apa yang tak terbatas ? -yang tak terbatas di python function adalah argument yang dapat kita inputkan, "caranya begimane tuh ya ? pake infinity stone ga ?", berikut caranya +## Unlimited atau Infinite +`Unlimited` atau `Infinite` artinya adalah tak terbatas, apa yang tak terbatas? +Yang tak terbatas di fungsi Python adalah jumlah argument yang dapat kita inputkan. + +Contohnya: ```python def unlimited(*args): for item in args: print(item) - + + unlimited(1,2,3,4) unlimited([1,2],[3,4]) ``` -contoh dari unlimited nya adalah, pada command pertama, kita memasukkan 4 parameter, command kedua, kita memasukkan 2 parameter +Contoh dari unlimited nya adalah, pada command pertama, kita memasukkan 4 parameter, command kedua, kita memasukkan 2 parameter. -last, but not least, unlimited keyword argument, dimana kita memberi tahu bahwa argument kita ini memiliki key, atau kunci, hal ini sama dengan dictionary -dimana pada unlimited keyword argument, python memakai prinsip dictionary, sementara pada unlimited argument, python mengadopsi konsep tuple +Last, but not least, unlimited keyword argument, dimana kita memberi tahu bahwa argument kita ini memiliki key, atau kunci. Hal ini sama dengan dictionary di mana pada unlimited keyword argument, Python memakai prinsip dictionary, sementara pada unlimited argument, Python mengadopsi konsep tuple. -contohnya ? +Contohnya: ```python def unlimitedkeyword(**infinite): for key, value in infinite.items(): print("index {} memiliki nilai {}".format(key,value)) - + + unlimitedkeyword(a=2,b=1,c=3) unlimitedkeyword(fname="Harry",lname="Potter") ``` -dimana pada command pertama, kita memasukkan 3 parameter dengan masing-masing key a,b,c dan value 1,2,3 -dan pada command kedua, kita memasukkan 2 parameter dengan masing-masing key yaitu fname dan lname dengan value Harry, Potter +Di mana pada command pertama, kita memasukkan 3 parameter dengan masing-masing key a,b,c dan value 1,2,3. +Dan pada command kedua, kita memasukkan 2 parameter dengan masing-masing key yaitu fname dan lname dengan value Harry, Potter. + -# Fungsi Rekursi -## Definisi Fungsi Rekursi -Fungsi yang dapat memanggil dirinya sendiri dinamakan fungsi rekursi. Beberapa permasalahan dalam algoritma dan struktur data menggunakan -rekursi sebagai solusi penyelesaian, misalnya, dalam struktur data *linked list* atau *tree*. Perhatikan fungsi ```recursion``` di bawah +## Fungsi Rekursi + +### Definisi Fungsi Rekursi +Fungsi rekursi adalah fungsi yang dapat memanggil dirinya sendiri. Beberapa permasalahan dalam algoritma dan struktur data menggunakan rekursi sebagai solusi penyelesaian, misalnya, dalam struktur data *linked list* atau *tree*. Perhatikan fungsi `recursion` di bawah: ```python def recursion(param): return recursion(param) ``` -Kita harus memperhatikan dua hal ketika berurusan dengan rekursi :. -1. *Base Case* : *Base Case* berfungsi untuk mengentikan proses rekursi. Kita harus jeli ketika mendefinisikan *base case*, sebab tiap +Kita harus memperhatikan dua hal ketika berurusan dengan rekursi: +1. __*Base Case*__ : *Base Case* berfungsi untuk mengentikan proses rekursi. Kita harus jeli ketika mendefinisikan *base case*, sebab tiap permasalahan memiliki *base case* yang berbeda. Salah mendefinisikan *base case* dapat berakhir dengan *infinite recursion*. *Base Case* biasanya -didefinisikan ketika ```n = 0``` atau ```n = 1``` -2. Proses Rekursi : Proses rekursi merupakan solusi penyederhanaan dari masalah yang besar menjadi subpermasalahan yang lebih kecil. Sama seperti +didefinisikan ketika ```n = 0``` atau ```n = 1```. +2. __Proses Rekursi__ : Proses rekursi merupakan solusi penyederhanaan dari masalah yang besar menjadi subpermasalahan yang lebih kecil. Sama seperti *base case*, proses rekursi setiap permasalahan berbeda-beda. -Contoh fungsi rekursi adalah faktorial. Faktorial merupakan perkalian mundur suatu bilangan positif yang kurang lebih atau sama dengan *n*. Faktorial dilambangkan dengan ```n!```. Faktorial 0 atau ```0!``` bernilai 1. Nilai faktorial suatu bilangan positif dapat dihitung menggunakan proses rekursi yang ditunjukkan pada fungsi ```faktorial(n)``` di bawah : +Contoh fungsi rekursi adalah faktorial. Faktorial merupakan perkalian mundur suatu bilangan positif yang kurang lebih atau sama dengan *n*. Faktorial dilambangkan dengan `n!`. Faktorial 0 atau `0!` bernilai 1. Nilai faktorial suatu bilangan positif dapat dihitung menggunakan proses rekursi yang ditunjukkan pada fungsi `faktorial(n)` di bawah: ```python def faktorial(n): @@ -129,7 +149,7 @@ def faktorial(n): >>> faktorial(6) 720 """ - + #base case if n == 0 or n == 1: return 1 @@ -141,33 +161,36 @@ def faktorial(n): Visualisasi dari proses rekursi di atas adalah sebagai berikut ![gini](https://user-images.githubusercontent.com/64145699/136579744-7c573f70-a0d8-4e43-b265-d4a66ebfc6a0.png) -## Rekursi Versus Loop -Sebenarnya, beberapa permasalahan dalam pemrograman bisa diselesaikan menggunakan *loop* biasa daripada menggunakan rekursi, seperti pada kasus faktorial di atas. Kode untuk menghitung nilai faktorial menggunakan *loop* ditunjukkan pada kode di bawah ini : + +### Rekursi Versus Loop +Sebenarnya, beberapa permasalahan dalam pemrograman bisa diselesaikan menggunakan *loop* biasa daripada menggunakan rekursi, seperti pada kasus faktorial di atas. Kode untuk menghitung nilai faktorial menggunakan *loop* ditunjukkan pada kode di bawah ini: ```python - n = int(input()) - hasil = 1 +n = int(input()) +hasil = 1 - if n == 0 or n == 1: - print(1) - else : - for i in range(n, 0, -1): - hasil = hasil * n - n = n - 1 +if n == 0 or n == 1: + print(1) +else : + for i in range(n, 0, -1): + hasil = hasil * n + n = n - 1 - print(hasil) +print(hasil) ``` -Jika kita meng-```input``` variabel *n* dengan nilai 5, kita akan mendapatkan ```hasil``` 120. Dari hasil tersebut, kita sama-sama tahu, bahwa perhitungan faktorial menggunakan fungsi rekursi dan *loop* biasa menghasilkan solusi yang sama. +Jika kita meng-`input` variabel *n* dengan nilai 5, kita akan mendapatkan `hasil` 120. Dari hasil tersebut, kita sama-sama tahu, bahwa perhitungan faktorial menggunakan fungsi rekursi dan *loop* biasa menghasilkan solusi yang sama. **Jadi, daripada memikirkan base case dan proses rekursi, lebih baik kita menggunakan loop biasa ketika menghadapi permasalahan yang melibatkan proses iterasi?** -Jawabannya : **tidak**. Sebab, beberapa permasalahan dalam algoritma dan struktur data menggunakan pendekatan rekursi sebagai penyelesaian masalah. Hal ini disebabkan penyelesaian permasalahan menggunakan *loop* atau iterasi biasa tidak intuitif untuk permasalahan tersebut. Contoh solusi yang kurang intuitif dari permasalahan pada algoritma dan struktur data adalah ketika kita ingin meng-*insert* *node* pada *linked list* atau menambahkan *node* pada *tree*. Setidaknya sampai tulisan ini dibuat, penulis belum mendapatkan penyelesaian untuk menambahkan *node* pada kedua struktur data di atas menggunakan pendekatan iteratsi biasa. +Jawabannya : **tidak**. Sebab, beberapa permasalahan dalam algoritma dan struktur data menggunakan pendekatan rekursi sebagai penyelesaian masalah. Hal ini disebabkan penyelesaian permasalahan menggunakan *loop* atau iterasi biasa tidak intuitif untuk permasalahan tersebut. Contoh solusi yang kurang intuitif dari permasalahan pada algoritma dan struktur data adalah ketika kita ingin meng-*insert* *node* pada *linked list* atau menambahkan *node* pada *tree*. Setidaknya sampai tulisan ini dibuat, penulis belum mendapatkan penyelesaian untuk menambahkan *node* pada kedua struktur data di atas menggunakan pendekatan iterasi biasa. -Contoh lain dari penyelesaian masalah menggunakan rekursi dapat dilihat di file ```recursion_example.py``` yang ada di repositori. +Contoh lain dari penyelesaian masalah menggunakan rekursi dapat dilihat pada file ```recursion_example.py``` yang ada di repositori. -# Closure -## Definisi Closure -Kita bisa mendefinisikan fungsi di dalam fungsi. Di Python, teknik ini disebut sebagai *closure* atau *nested function*. *Closure* dapat mengakses variabel yang tidak berada di dalam *scope* fungsi tersebut. Variabel ini biasa disebut *nonlocal variable*. *Closure* juga dapat mengembalikan fungsi layaknya fungsi rekursi. Fungsi ```outerFunc()``` di bawah ini mendemonstrasikan bagaimana *closure* bekerja. + +## Closure + +### Definisi Closure +Kita bisa mendefinisikan fungsi di dalam fungsi. Di Python, teknik ini disebut sebagai *closure* atau *nested function*. *Closure* dapat mengakses variabel yang tidak berada di dalam *scope* fungsi tersebut. Variabel ini biasa disebut *nonlocal variable*. *Closure* juga dapat mengembalikan fungsi layaknya fungsi rekursi. Fungsi ```outerFunc()``` di bawah ini mendemonstrasikan bagaimana *closure* bekerja: ```python def outerFunc(pesan): @@ -183,10 +206,10 @@ def outerFunc(pesan): pesan = "Halo" hasil = outerFunc(pesan) # memunculkan "Halo juga dari innerFunc" di console -hasil +print(hasil) ``` -Seperti yang sudah disebutkan pada bagian definisi, *closure* juga dapat mengembalikan fungsi. *Closure* yang memiliki kegunaan seperti ini biasa disebut sebgai *factory function*. Fungsi ```pangkat()``` di bawah mendemonstrasikan bagaimana cara kerja *factory function* +Seperti yang sudah disebutkan pada bagian definisi, *closure* juga dapat mengembalikan fungsi. *Closure* yang memiliki kegunaan seperti ini biasa disebut sebgai *factory function*. Fungsi `pangkat()` di bawah mendemonstrasikan bagaimana cara kerja *factory function*: ```python def pangkat(n): @@ -210,6 +233,8 @@ print(pangkat3(3)) ``` -Bellshade Python Function +Bellshade Python Function +Bellshade Python Recursion + -[Materi Selanjutnya](../10_list_tuple) \ No newline at end of file +[Materi Selanjutnya](../10_list_tuple) diff --git a/Basic/09_fungsi/fungsi.py b/Basic/09_fungsi/fungsi.py index bf5d39e5..36f087e7 100644 --- a/Basic/09_fungsi/fungsi.py +++ b/Basic/09_fungsi/fungsi.py @@ -65,7 +65,7 @@ def unlimited(*args): def unlimitedkeyword(**infinite): for key, value in infinite.items(): - print("index {} memiliki nilai {}".format(key, value)) + print(f"index {key} memiliki nilai {value}") unlimitedkeyword(a=2, b=1, c=3) diff --git a/Basic/10_list_tuple/README.md b/Basic/10_list_tuple/README.md index 8c6728df..3944223e 100644 --- a/Basic/10_list_tuple/README.md +++ b/Basic/10_list_tuple/README.md @@ -1,35 +1,39 @@ -## list -list digunakan untuk menyimpan data yang banyak dengan hanya satu variable, list menggunakan square bracket atau kurung petak, contoh. +# List +List digunakan untuk menyimpan data yang banyak dengan hanya satu variable, list menggunakan square bracket atau kurung petak (`[]`). Contoh: + ```python nama_hewan = ["sapi", "gajah", "ayam", "bebek"] print(nama_hewan) ``` -list memiliki index, index dimulai dari 0, dan index kedua dimulai dari angka 1 -kelebihan antara dari list adalah +List memiliki index, index dimulai dari 0, dan index kedua dimulai dari angka 1. + +Kelebihan dari list adalah: -- bisa dirubah - list bisa dirubah dengan dengan cara +- Bisa dirubah + list bisa dirubah dengan dengan cara: ```python nama_hewan = ["sapi", "gajah", "ayam", "bebek"] nama_hewan[1] = "kucing" print(nama_hewan) ``` -- menerima duplikasi - list juga duplikasi item, sebagai contoh +- Menerima duplikasi + list juga duplikasi item, sebagai contoh: ```python nama_hewan = ["ikan", "singa", "ikan", "sapi"] print(nama_hewan) ``` -## tuple -list digunakan untuk menyimpan data yang banyak dengan menggunakan satu variabel. tuple menggunakan round bracket atau kurung bulat, tuple adalah salah satu tipe data yang **tidak dapat dirubah**,contoh. +# Tuple +Tuple mirip dengan list, kecuali datanya tidak bisa diubah lagi. Tuple menggunakan round bracket atau kurung bulat (`()`). Contoh: + ```python nama_hewan = ("ikan", "gajah", "sapi", "paus") print(nama_hewan) ``` -buat tuple dengan hanya satu item di dalamnya, jangan lupa menggunakan koma +Untuk tuple dengan hanya satu item di dalamnya menggunakan koma (`,`) karena jika tidak menggunakan koma akan dianggap sebagai string. Contoh: + ```python nama_hewan = ("sapi",) print(nama_hewan) @@ -38,7 +42,7 @@ print(nama_hewan) # Comprehension Kita juga dapat membuat/membangun list atau dictionary menggunakan *comprehension*. *Comprehension* memanfaatkan *loop* untuk membangun list atau dictionary. Dengan *comprehension*, kita dapat membuat list dengan kode yang lebih ringkas. -Dalam menggunakan *comprehension*, ada 3 hal yang harus kita perhatikan, yakni : +Dalam menggunakan *comprehension*, ada 3 hal yang harus kita perhatikan, yakni: 1. Output 2. Loop @@ -49,15 +53,15 @@ Ketiga hal di atas ditulis dengan notasi *comprehension* sebagai berikut : Penjelasan diolah dari [freecodecamp](https://www.freecodecamp.org/news/list-comprehension-in-python/) ## List Comprehension -Kita dapat membangun list menggunakan *comprehension*. Kita memiliki *template* untuk list comprehension, seperti kode yang ditunjukkan di bawah : +Kita dapat membangun list menggunakan *comprehension*. Kita memiliki *template* untuk list comprehension, seperti kode yang ditunjukkan di bawah: -```python +```python list_comprehension = [x for x in interable] ``` Iterable di atas bisa saja elemen dari list lain, atau fungsi bawaan seperti ```range()```. -Sebagai contoh, kita ingin membuat list yang berisikan bilangan genap dari 1 sampai 10. Dengan menggunakan list comprehension, kita dapat menuliskan kode tersebut sebagai berikut : +Sebagai contoh, kita ingin membuat list yang berisikan bilangan genap dari 1 sampai 10. Dengan menggunakan list comprehension, kita dapat menuliskan kode tersebut sebagai berikut : ```python genap = [x for x in range(11) if x % 2 == 0] @@ -100,11 +104,11 @@ print(matriks) Pada kode di atas, terdapat dua buah list comprehension. List comprehension pertama ditunjukkan oleh ```[i for i in range (3)]```, sedangkan list comprehension kedua ditunjukkan oleh ```[ ... for i in range (5)]```. List comprehension pertama akan menghasilkan baris dengan elemen tiap baris adalah ```[0, 1, 2]```, dan list comprehension kedua akan menghasilkan 5 buah kolom. ## Dictionary Comprehension -Sama seperti list comprehension, kita juga dapat membangun sebuah dictionary menggunakan dictionary comprehension. Hanya saja, kita harus ingat, bahwa dictionary merupakan *key - value pair*, artinya kita mengakses elemen dictionary menggunakan *key* pada dictionary tersebut. +Sama seperti list comprehension, kita juga dapat membangun sebuah dictionary menggunakan dictionary comprehension. Hanya saja, kita harus ingat, bahwa dictionary merupakan *key - value pair*, artinya kita mengakses elemen dictionary menggunakan *key* pada dictionary tersebut. Kita memiliki *template* untuk dictionary comprehension, seperti kode yang ditunjukkan di bawah : -```python +```python dict_comprehension = {k:v for (k,v) in dict.items()} ``` @@ -112,7 +116,7 @@ dict_comprehension = {k:v for (k,v) in dict.items()} Contoh di bawah ini adalah membangun dictionary pemangkatan 2 pada tiap *value* dictionary menggunakan dictionary comprehension. -```python +```python awal = {'1': 1, '2': 2, '3': 3, '4': 4, '5': 5} akhir = {k: v**2 for (k, v) in awal.items()} # menghasilkan {'1': 1, '2': 4, '3': 9, '4': 16, '5': 25} @@ -122,7 +126,7 @@ print(akhir) Sama seperti list comprehension, kita juga bisa menggunakan condition dalam dictionary comprehension. Contoh di bawah ini akan menghasilkan ```ganjil``` jika *key* bernilai ganjil dan sebaliknya. -```python +```python awal = {'1': 1, '2': 2, '3': 3, '4': 4, '5': 5} akhir = {k: ('ganjil' if v % 2 != 0 else 'genap') for (k, v) in awal.items()} # menghasilkan {'1': 'ganjil', '2': 'genap', '3': 'ganjil', '4': 'genap', '5': 'ganjil'} @@ -132,7 +136,7 @@ print(akhir) Kemudian, sama dengan list comprehension, kita juga bisa menggunakan dictionary comprehension di dalam dictionary comprehension, atau biasa kita sebut nested dictionary comprehension. Kode di bawah ini akan memangkatkan ```key_luar``` sebanyak ```key_dalam``` kali. -```python +```python kuadrat = { key_luar: {key_dalam: key_luar ** key_dalam for key_dalam in range(1, 5)} @@ -145,7 +149,7 @@ print(kuadrat) Kode di atas ekuivalen dengan kode di bawah. -```python +```python kuadrat = dict() for key_luar in range(2, 5): kuadrat[key_luar] = {key_dalam: key_luar ** key_dalam for key_dalam in range(1,5)} diff --git a/Basic/11_manipulasi_string/README.md b/Basic/11_manipulasi_string/README.md index 7d80e273..8818eeb5 100644 --- a/Basic/11_manipulasi_string/README.md +++ b/Basic/11_manipulasi_string/README.md @@ -1,37 +1,37 @@ -# manipulasi string +# Manipulasi string -pada python kita bisa merubah, dan memanipulasi string yang sudah ada agar sesuai dengan kebutuhan yang diinginkan +Pada Python kita bisa merubah dan memanipulasi string yang sudah ada agar sesuai dengan kebutuhan yang diinginkan. -- mengakses salah satu karakter dari string +- Mengakses salah satu karakter dari string ```python nama_saya = "zoelfikrie" print(nama_saya[0]) ``` -- menghitung semua karakter string +- Menghitung semua karakter string ```python nama_saya = "athallamajed" print(len(nama_saya)) ``` -- menghitung jumlah suatu huruf dari karakter +- Menghitung jumlah suatu huruf dari karakter ```python nama_saya = "carl loghmatten" print(nama_saya.count("l")) ``` -- menghitung jumlah spasi pada string +- Menghitung jumlah spasi pada string ```python kalimat = "program belajar indonesia" print(kalimat.count(' ')) ``` -- memotong karakter +- Memotong karakter ``` kata = "indonesia programming" @@ -41,7 +41,7 @@ pada python kita bisa merubah, dan memanipulasi string yang sudah ada agar sesua ```python print(kata[0]) ``` - + - mengambil 3 karakter dari string ```python priint(kata[0:3]) @@ -49,19 +49,19 @@ pada python kita bisa merubah, dan memanipulasi string yang sudah ada agar sesua ```python print(kata{:3}) ``` - + - mengambil 3 karakter terakhir dari string ```python print(kata[-3:]) ``` - -- mengulang sebanyak dari string + +- Mengulang sebanyak dari string ```python # mengulang sebanyak 100 kali print("indonesia" * 100) ``` -- mengubah kata dari string +- Mengubah kata dari string ```python kata = "belajar memasak" @@ -77,7 +77,7 @@ pada python kita bisa merubah, dan memanipulasi string yang sudah ada agar sesua | ``capitalize()`` | mengubah awalan huruf utama menjadi kapital | ``kata.capitalize()`` | | ``swapcase()``| mengubah setiap awalan kata kalimat menjadi huruf kecil | ``kata.swapcase()``| -- membalikkan string +- Membalikkan string ```python kata = "bellshade python" @@ -87,13 +87,13 @@ pada python kita bisa merubah, dan memanipulasi string yang sudah ada agar sesua print(' '.join(reversed(kata))) ``` -- penggabungan string +- Penggabungan string ```python kata = "memasak" print("saya belajar " + kata) ``` - + - join menambahkan karakter di setiap karakter ```python @@ -101,14 +101,14 @@ pada python kita bisa merubah, dan memanipulasi string yang sudah ada agar sesua print("x".join(kata)) ``` -- pengecekan +- Pengecekan - ``kata.isalnum()`` cek kata tersebut mengandung alphanumerik atau tidak - + - ``kata.isalpha()`` cek kata tersebut mengandung alphabet - + - ``kata.isdigit()`` cek apakah kata mengandung digit atau angka @@ -117,19 +117,19 @@ pada python kita bisa merubah, dan memanipulasi string yang sudah ada agar sesua - ``kata.isupper()`` cek apakah kata mengandung huruf kapital - + - ``kata.islower()`` cek apakah kata mengandung kata huruf kecil - + - ``kata.isspace()`` cek apakah kata mengandung spasi atau tidak - ``kata.endswith('karakter')`` cek apakah kata mengandung karakter tersebut atau tidak pada akhir - + - ``kata.startswith('karakter')`` cek apakah kata mengandung karakter terseub atau tidak pada awal - + berikut tabel method pada string | Method | Penjelasan | diff --git a/Basic/12_exception/README.md b/Basic/12_exception/README.md index d355eab1..20b71b4a 100644 --- a/Basic/12_exception/README.md +++ b/Basic/12_exception/README.md @@ -1,7 +1,7 @@ # Exceptions (Eksepsi) -Saat melakukan pemrograman di bahasa _python_, pasti sebagian besar _developer_ pernah mengalami kesalahan ketika mengeksekusi sebuah program yang dikenal dengan sebutan _error_. Hal ini terjadi karena ada kesalahan dalam menuliskan sintaks yang membuat program tersebut berhenti dan memunculkan pesan kesalahan (_error_) tersebut. Beberapa contoh kesalahan yang biasa kita lakukan ketika memprogram bahasa _python_ diantaranya: +Saat melakukan pemrograman di bahasa _Python_, pasti sebagian besar _developer_ pernah mengalami kesalahan ketika mengeksekusi sebuah program yang dikenal dengan sebutan _error_. Hal ini terjadi karena ada kesalahan dalam menuliskan sintaks yang membuat program tersebut berhenti dan memunculkan pesan kesalahan (_error_) tersebut. Beberapa contoh kesalahan yang biasa kita lakukan ketika memprogram bahasa _Python_ diantaranya: -- Pernyataan `if` atau `for` yang tidak diikuti dengan tanda titik dua +- Pernyataan `if` atau `for` yang tidak diikuti dengan tanda titik dua. ```python >>> if True File "", line 1 @@ -10,7 +10,7 @@ Saat melakukan pemrograman di bahasa _python_, pasti sebagian besar _developer_ SyntaxError: invalid syntax ``` -- Penggunaan tanda kurung yang salah +- Penggunaan tanda kurung yang salah. ```python >>> print('contoh penulisan yang salah')) File "", line 1 @@ -20,7 +20,7 @@ Saat melakukan pemrograman di bahasa _python_, pasti sebagian besar _developer_ ``` _Error_ juga dapat terjadi saat program berjalan (_runtime_) yang disebut dengan eksepsi (_exception_). Beberapa contoh eksepsi yang biasa ditemukan adalah sebagai berikut: -- `ZeroDivisionError` : suatu bilangan numerik tidak dapat dibagi dengan nol +- `ZeroDivisionError` : suatu bilangan numerik tidak dapat dibagi dengan nol. ```python >>> 2 / 0 Traceback (most recent call last): @@ -28,7 +28,7 @@ _Error_ juga dapat terjadi saat program berjalan (_runtime_) yang disebut dengan ZeroDivisionError: division by zero ``` -- `TypeError` : operasi aritmatika pada tipe data yang tidak sesuai, misalkan tidak dapat melakukan operasi penjumlahan antara _integer_ dengan _string_ +- `TypeError` : operasi aritmatika pada tipe data yang tidak sesuai, misalkan tidak dapat melakukan operasi penjumlahan antara _integer_ dengan _string_. ```python >>> 5 + "5" Traceback (most recent call last): @@ -36,7 +36,7 @@ _Error_ juga dapat terjadi saat program berjalan (_runtime_) yang disebut dengan TypeError: unsupported operand type(s) for +: 'int' and 'str' ``` ## Exeption Handling (Penanganan Eksepsi) -Seperti yang sudah diketahui di awal bahwa terjadinya _error_ atau _exception_ menyebabkan program terhenti. Untuk mengantisipasi hal ini, _python_ menyediakan penanganan kesalahan tersebut menggunakan pernyataan `try` dan `except`. Letakkan baris program yang memiliki kemungkinan _error_ di dalam blok `try`. Bila terjadi error di dalam blok `try`, tangani di dalam blok `except`. Struktur penulisan kodenya adalah sebagai berikut. +Seperti yang sudah diketahui di awal bahwa terjadinya _error_ atau _exception_ menyebabkan program terhenti. Untuk mengantisipasi hal ini, _Python_ menyediakan penanganan kesalahan tersebut menggunakan pernyataan `try` dan `except`. Letakkan baris program yang memiliki kemungkinan _error_ di dalam blok `try`. Bila terjadi error di dalam blok `try`, tangani di dalam blok `except`. Struktur penulisan kodenya adalah sebagai berikut. ```python try: # eksekusi baris ini jika tidak ada kesalahan (error) @@ -53,7 +53,7 @@ except: # tangani error di sini print('Bilangan tidak dapat dibagi dengan nol') ``` -Pada contoh di atas, sebelum masuk ke dalam blok `except`, alangkah baiknya diikuti dengan jenis eksepsi yang ingin ditangani. Karena bisa saja terdapat lebih dari satu jenis eksepsi yang berbeda untuk ditangani. Pada contoh di atas, untuk menangani untuk eksepsi `ZeroDivisionError`, maka penulisan kodenya sebagai berikut. +Pada contoh di atas, sebelum masuk ke dalam blok `except`, alangkah baiknya diikuti dengan jenis eksepsi yang ingin ditangani. Karena bisa saja terdapat lebih dari satu jenis eksepsi yang berbeda untuk ditangani. Pada contoh di atas, untuk menangani untuk eksepsi `ZeroDivisionError`, maka penulisan kodenya sebagai berikut: ```python try: # karena pembaginya adalah nol, maka tangani error di except @@ -64,7 +64,7 @@ except ZeroDivisionError: print('Bilangan tidak dapat dibagi dengan nol') ``` -Jika kita ingin menangani lebih dari satu eksepsi, maka jenis eksepsi yang ingin disebutkan menggunakan tuple. Contoh, jika ingin menangani `ZeroDivisionError` dan `TypeError`, maka struktur penulisannya menjadi sebagai berikut. +Jika kita ingin menangani lebih dari satu eksepsi, maka jenis eksepsi yang ingin disebutkan menggunakan tuple. Contoh, jika ingin menangani `ZeroDivisionError` dan `TypeError`, maka struktur penulisannya menjadi sebagai berikut: ```python try: # lakukan sesuatu @@ -72,7 +72,7 @@ except (ZeroDivisionError, TypeError): # tangani error di sini ``` -Eksepsi dapat ditangani menggunakan lebih dari satu blok `except`. Dari contoh kasus di atas, dapat dikembangkan sebagai berikut. +Eksepsi dapat ditangani menggunakan lebih dari satu blok `except`. Dari contoh kasus di atas, dapat dikembangkan sebagai berikut: ```python try: hasil = 5 / "2" @@ -85,7 +85,7 @@ except TypeError: print("Kedua bilangan berbeda tipe") ``` -Selain itu, kita dapat menampilkan pesan kesalahan atau eksepsi bawaan _python_ dengan menambahkan _alias_ menggunakan kata kunci `as` setelah jenis eksepsinya. Kemudian cetak pesan kesalahan dengan _alias_ tersebut menggunakan `print()`. Contoh penulisannya sebagai berikut. +Selain itu, kita dapat menampilkan pesan kesalahan atau eksepsi bawaan _Python_ dengan menambahkan _alias_ menggunakan kata kunci `as` setelah jenis eksepsinya. Kemudian cetak pesan kesalahan dengan _alias_ tersebut menggunakan `print()`. Contoh penulisannya sebagai berikut. ```python # Bentuk 1 try: diff --git a/Basic/13_module/README.md b/Basic/13_module/README.md index a409690e..4af4d88b 100644 --- a/Basic/13_module/README.md +++ b/Basic/13_module/README.md @@ -1,5 +1,5 @@ # Module (Modul) -_Module_ adalah sebuah _file_ yang berekstensi `.py` yang berisi kumpulan fungsi, _class_ maupun variabel. Keguanaan dari _module_ adalah untuk memecah kode bagian besar menjadi bagian-bagian kecil ke dalam _file_ yang terpisah berekstensi `.py` agar mudah dikelola. _Module_ bersifat _reusable_ yang artinya dapat digunakan secara berulang dimanapun sesuai dengan kebutuhan. +_Module_ adalah sebuah _file_ yang berekstensi `.py` yang berisi kumpulan fungsi, _class_ maupun variabel. Kegunaan dari _module_ adalah untuk memecah kode bagian besar menjadi bagian-bagian kecil ke dalam _file_ yang terpisah berekstensi `.py` agar mudah dikelola. _Module_ bersifat _reusable_ yang artinya dapat digunakan secara berulang dimanapun sesuai dengan kebutuhan. ## Mendefinisikan modul Misalkan, terdapat kumpulan fungsi untuk melakukan perhitungan operasi aritmatika sederhana di dalam sebuah _file_ baru, misalkan `kalkulator.py` @@ -46,13 +46,13 @@ Output: 5.0 ``` -Selain menggunakan kata kunci `import`, pemanggilan modul dapat dilakukan dengan menggunakan pola `from ... import ...`, dimana kata kunci `from` diikuti dengan nama modul (_file python_) yang ingin dipanggil dan dilanjutkan dengan kata kunci `import` yang diikuti dengan nama _class_, fungsi dan variabel yang ingin digunakan secara spesifik pada modul tersebut. Sebagai contoh, buat _file_ baru yang namanya `perhitungan2.py`. Di dalam _file_ tersebut, dilakukan pemanggilan _file_ `kalkulator.py` beserta fungsi di dalamnya yang akan digunakan. Penulisan di awal baris kode adalah sebagai berikut. +Selain menggunakan kata kunci `import`, pemanggilan modul dapat dilakukan dengan menggunakan pola `from ... import ...`, dimana kata kunci `from` diikuti dengan nama modul (_file python_) yang ingin dipanggil dan dilanjutkan dengan kata kunci `import` yang diikuti dengan nama _class_, fungsi dan variabel yang ingin digunakan secara spesifik pada modul tersebut. Sebagai contoh, buat _file_ baru yang namanya `perhitungan2.py`. Di dalam _file_ tersebut, dilakukan pemanggilan _file_ `kalkulator.py` beserta fungsi di dalamnya yang akan digunakan. Penulisan di awal baris kode adalah sebagai berikut: ```python from kalkulator import tambah, kurang, kali, bagi ``` -Penggunaan fungsi yang telah di-_import_ tanpa menggunakan notasi titik, sehingga menjadi sebagai berikut +Penggunaan fungsi yang telah di-_import_ tanpa menggunakan notasi titik, sehingga menjadi sebagai berikut: ```python print(tambah(2, 3)) print(kurang(2, 3)) diff --git a/Basic/14_python_datetime/README.md b/Basic/14_python_datetime/README.md index ad8823b2..a17f3f73 100644 --- a/Basic/14_python_datetime/README.md +++ b/Basic/14_python_datetime/README.md @@ -1,6 +1,6 @@ # Tanggal dan Waktu (_datetime_) -_Datetime_ adalah suatu standar pustaka (standard library) bawaan _python_ untuk manipulasi tanggal dan waktu. Untuk menggunakannya, cukup `import` dari module `datetime`. +_Datetime_ adalah suatu standar pustaka (standard library) bawaan _P ython_ untuk manipulasi tanggal dan waktu. Untuk menggunakannya, cukup `import` dari module `datetime`. ```python import datetime @@ -28,19 +28,19 @@ print(sekarang.day) ## Format penulisan tanggal -Modul `datetime` memungkinkan kita unuk menulis format tanggal sesuai yang diinginkan. Beberapa contoh penulisan tanggal adalah sebagai berikut +Modul `datetime` memungkinkan kita unuk menulis format tanggal sesuai yang diinginkan. Beberapa contoh penulisan tanggal adalah sebagai berikut: - 24-10-2021 - 24/10/2021 - 24 October 2021 - dan lain sebagainya -Untuk melakukannya, gunakan fungsi `strftime()`, yang menerima argument string format penulisan tanggal yang biasanya diawali dengan tanda `%` yang dapat disebut juga dengan _directive_. Misalkan, jika ingin mengubah format tanggal hari ini menjadi `DD-MM-YYYY`, maka contoh penggunaan fungsi adalah sebagai berikut +Untuk melakukannya, gunakan fungsi `strftime()`, yang menerima argument string format penulisan tanggal yang biasanya diawali dengan tanda `%` yang dapat disebut juga dengan _directive_. Misalkan, jika ingin mengubah format tanggal hari ini menjadi `DD-MM-YYYY`, maka contoh penggunaan fungsi adalah sebagai berikut: ```python print(sekarang.strftime('%d-%m-%Y')) ``` -Contoh kode program di atas, terdapat 3 directive yang dapat dijelaskan sebagai berikut +Contoh kode program di atas, terdapat 3 directive yang dapat dijelaskan sebagai berikut: - `%d` : menampilkan tanggal dalam bentuk angka (01-31) - `%m` : menampilkan bulan dalam bentuk angka (01-12) - `%Y` : menampilkan tahun dalam versi lengkap (4 digit) @@ -49,10 +49,10 @@ Sehingga, jika kode di atas dieksekusi, maka hasilnya adalah sebagai berikut (ha ``` 24-10-2021 ``` -Format penulisan tanggal dan waktu lainnya dapat dilihat pada referensi berikut [https://docs.python.org/3/library/datetime.html#strftime-and-strptime-behavior](https://docs.python.org/3/library/datetime.html#strftime-and-strptime-behavior) +Format penulisan tanggal dan waktu lainnya dapat dilihat pada referensi berikut: [https://docs.python.org/3/library/datetime.html#strftime-and-strptime-behavior](https://docs.python.org/3/library/datetime.html#strftime-and-strptime-behavior) ## Membuat tanggal dan waktu sendiri -Pada bagian sebelumnya, telah dijelaskan bagaimana mengetahui tanggal saat ini dan bentuk penulisannya. Untuk bagian ini, akan dibahas bagaimana mendefinisikan tanggal dan waktu yang akan kita buat. Masih menggunakan `datetime.datetime()`, misalkan kita mendefinisikan tanggal untuk hari kemerdekaan 17 Agustus 1945 +Pada bagian sebelumnya, telah dijelaskan bagaimana mengetahui tanggal saat ini dan bentuk penulisannya. Untuk bagian ini, akan dibahas bagaimana mendefinisikan tanggal dan waktu yang akan kita buat. Masih menggunakan `datetime.datetime()`, misalkan kita mendefinisikan tanggal untuk hari kemerdekaan 17 Agustus 1945. ```python import datetime @@ -63,7 +63,7 @@ hari_kemerdekaan = datetime.datetime(1945, 8, 17) Sehingga, jika dicetak variabel `hari_kemerdekaan`, maka hasilnya adalah `1945-08-17`. Hasil tersebut dapat diubah format penanggalannya sesuai dengan cara yang dijelaskan pada bagian sebelumnya. ## Operasi `datetime` -Tanggal dan waktu dapat dioperasikan seperti operator aritmatika pada umumnya. Salah satu contoh penerapannya adalah operasi pengurangan untuk menghitung umur kita saat ini dengan mengurangkan dari tanggal hari ini terhadap tanggal lahir. Contoh, jika tanggal lahirnya 29 Desember 1997, maka program perhitungan umur adalah sebagai berikut +Tanggal dan waktu dapat dioperasikan seperti operator aritmatika pada umumnya. Salah satu contoh penerapannya adalah operasi pengurangan untuk menghitung umur kita saat ini dengan mengurangkan dari tanggal hari ini terhadap tanggal lahir. Contoh, jika tanggal lahirnya 29 Desember 1997, maka program perhitungan umur adalah sebagai berikut: ```python import datetime @@ -74,11 +74,11 @@ umur_sekarang = tanggal_sekarang - tanggal_lahir print(umur_sekarang) ``` -Maka outputnya adalah `"8704 days, 12:49:29.801983"` (hasil dapat berbeda tergantung tanggal dieksekusi pada saat itu), yang berarti hasil pengurangannya adalah 8704 hari 12 jam 49 menit 29,801983 detik. Jika ingin menampilkan umur dalam tahun dan hari, maka langkah-langkahnya adalah sebagai berikut -- Ambil jumlah harinya menggunakan properti `days` -- Bagi jumlah hari tersebut dengan 365 menggunakan operator _floor division_ agar diperoleh hasil dalam tahun tipe integer +Maka outputnya adalah `"8704 days, 12:49:29.801983"` (hasil dapat berbeda tergantung tanggal dieksekusi pada saat itu), yang berarti hasil pengurangannya adalah 8704 hari 12 jam 49 menit 29,801983 detik. Jika ingin menampilkan umur dalam tahun dan hari, maka langkah-langkahnya adalah sebagai berikut: +- Ambil jumlah harinya menggunakan properti `days`. +- Bagi jumlah hari tersebut dengan 365 menggunakan operator _floor division_ agar diperoleh hasil dalam tahun tipe integer. - Bagi jumlah hari tersebut dengan 365 menggunakan operator _modulus_ agar diperoleh sisa harinya. -Sehingga, jika kode di atas dilanjutkan, maka akan menjadi sebagai berikut +Sehingga, jika kode di atas dilanjutkan, maka akan menjadi sebagai berikut: ```python jumlah_hari = umur_sekarang.days @@ -87,7 +87,7 @@ sisa_hari = jumlah_hari % 365 print("Umur saya adalah %d tahun %d hari" % (umur_tahun, sisa_hari)) ``` -Jika dieksekusi kode di atas, maka hasilnya adalah `"Umur saya adalah 23 tahun 309 hari"` +Jika dieksekusi kode di atas, maka hasilnya adalah `"Umur saya adalah 23 tahun 309 hari"`. ## Referensi Hal-hal lebih lanjut tentang modul tanggal dan waktu (_datetime_) ini dapat mengunjungi [dokumentasi](https://docs.python.org/3.9/library/datetime.html) berikut diff --git a/Basic/15_python_math/README.md b/Basic/15_python_math/README.md index eb6ddfa3..687d38cd 100644 --- a/Basic/15_python_math/README.md +++ b/Basic/15_python_math/README.md @@ -1,19 +1,19 @@ # Fungsi Matematika (_math_) -Ada kalanya ketika kita akan melakukan perhitungan numerik yang teknis atau saintifik. Perhitungan tersebut seperti trigonometri, eksponen, logaritma, pembulatan bilangan, dan lain sebagainya. Bahasa pemrograman Python menyediakan sebuah standar pustaka (_standard library_) yang memungkinkan kita untuk melakukan operasi perhitungan tersebut. Modul tersebut adalah `math`, di mana terdapat fungsi-fungsi matematis yang dapat digunakan. Gunakan keyword `import` untuk menggunakan modul tersebut. +Ada kalanya ketika kita akan melakukan perhitungan numerik yang teknis atau saintifik. Perhitungan tersebut seperti trigonometri, eksponen, logaritma, pembulatan bilangan, dan lain sebagainya. Bahasa pemrograman Python menyediakan sebuah standar pustaka (_standard library_) yang memungkinkan kita untuk melakukan operasi perhitungan tersebut. Modul tersebut adalah `math`, dimana terdapat fungsi-fungsi matematis yang dapat digunakan. Gunakan keyword `import` untuk menggunakan modul tersebut. ```python import math ``` -Kali ini, kita akan menggunakan beberapa fungsi yang sering digunakan untuk melakukan operasi fungsi matematis yang dasar +Kali ini, kita akan menggunakan beberapa fungsi yang sering digunakan untuk melakukan operasi fungsi matematis yang dasar. ## Nilai Konstanta -Konstanta merupakan nilai tetap yang ditemukan ilmuan setelah melalui serangkaian proses penelitian. Terdapat nilai konstanta yang disediakan oleh modul python, yaitu: -- `math.pi` : Nilai konstanta dari $\pi$ = 3.141592... dengan nilai yang lebih presisi. Nilai ini biasanya digunakan untuk konversi satuan radian ke derajat, menghitung keliling dan luas lingkaran, volume bola, volume tabung, dan lain sebagainya -- `math.e` : Nilai konstanta dari _e_ = 2.71828... dengan nilai yang lebih presisi. Dapat disebut juga sebagai konstanta Euler. Nilai ini biasanya digunakan untuk perhitungan bunga bank, menghitung jumlah penduduk suatu negara, mengukur peluruhan unsur radioaktif, dan lain sebagainya -- `math.tau` : Nilai konstanta yang setara dengan 2 kali dari nilai $\pi$, yaitu $\tau$ = 6.283185..., untuk mengetahui lebih lanjut tentang bilangan ini, tonton video dari Vi Hart berikut [Pi is (still) Wrong](https://www.youtube.com/watch?v=jG7vhMMXagQ) -- `math.inf` : Merupakan nilai positif tak terhingga (_infinity_). Untuk nilai negatif tak terhingga, gunakan `-math.inf` -- `math.nan` : Merupakan nilai yang bukan merupakan angka (_not a number/NaN_). Ini ekuivalen dengan `float('nan')` +Konstanta merupakan nilai tetap yang ditemukan ilmuan setelah melalui serangkaian proses penelitian. Terdapat nilai konstanta yang disediakan oleh modul Python, yaitu: +- `math.pi` : Nilai konstanta dari $\pi$ = 3.141592... dengan nilai yang lebih presisi. Nilai ini biasanya digunakan untuk konversi satuan radian ke derajat, menghitung keliling dan luas lingkaran, volume bola, volume tabung, dan lain sebagainya. +- `math.e` : Nilai konstanta dari _e_ = 2.71828... dengan nilai yang lebih presisi. Dapat disebut juga sebagai konstanta Euler. Nilai ini biasanya digunakan untuk perhitungan bunga bank, menghitung jumlah penduduk suatu negara, mengukur peluruhan unsur radioaktif, dan lain sebagainya. +- `math.tau` : Nilai konstanta yang setara dengan 2 kali dari nilai $\pi$, yaitu $\tau$ = 6.283185..., untuk mengetahui lebih lanjut tentang bilangan ini, tonton video dari Vi Hart berikut [Pi is (still) Wrong](https://www.youtube.com/watch?v=jG7vhMMXagQ). +- `math.inf` : Merupakan nilai positif tak terhingga (_infinity_). Untuk nilai negatif tak terhingga, gunakan `-math.inf`. +- `math.nan` : Merupakan nilai yang bukan merupakan angka (_not a number/NaN_). Ini ekuivalen dengan `float('nan')`. ```python import math @@ -38,8 +38,8 @@ nan ## Pembulatan Nilai bilangan desimal (_float_) dapat dibulatkan baik ke atas maupun ke bawah. Modul `math` menyediakan fungsi untuk melakukan itu, yaitu: -- `math.floor(x)` : Sesuai dengan namanya (_floor_=lantai), fungsi ini untuk membulatkan bilangan ke bawah, dimana `x` adalah tipe data _float_. Contoh nilai 14.8 akan dibulatkan ke bawah menjadi 14 -- `math.ceil(x)` : Sesuai dengan namanya (_ceil_=langit atau genteng), fungsi ini untuk membulatkan bilangan ke atas, dimana `x` adalah tipe data _float_. Contoh nilai 14.3 akan dibulatkan ke atas menjadi 15 +- `math.floor(x)` : Sesuai dengan namanya (_floor_ = lantai), fungsi ini untuk membulatkan bilangan ke bawah, dimana `x` adalah tipe data _float_. Contoh nilai 14.8 akan dibulatkan ke bawah menjadi 14. +- `math.ceil(x)` : Sesuai dengan namanya (_ceil_ = langit atau genteng), fungsi ini untuk membulatkan bilangan ke atas, dimana `x` adalah tipe data _float_. Contoh nilai 14.3 akan dibulatkan ke atas menjadi 15. ```python import math @@ -55,11 +55,11 @@ Output: ``` ## Konversi Satuan Sudut -Sudut dapat dikonversikan dari satuan derajat ke radian, maupun sebaliknya. Fungsi yang digunakan adalah `degrees()` dan `radians()` -- `math.degrees(x)` : Mengkonversikan sudut dari `x` radian ke derajat -- `math.radians(x)` : Mengkonversikan sudut dari `x` derajat ke radian +Sudut dapat dikonversikan dari satuan derajat ke radian, maupun sebaliknya. Fungsi yang digunakan adalah `degrees()` dan `radians()`. +- `math.degrees(x)` : Mengkonversikan sudut dari `x` radian ke derajat. +- `math.radians(x)` : Mengkonversikan sudut dari `x` derajat ke radian. -Nilai konstanta dari `pi` (pada penjelasan sebelumnya tentang "Nilai Konstanta") diperlukan untuk melakukan konversi satuan sudut dari radian ke derajat. Seperti diketahui, besar sudut dari 2 $\pi$ radian = 360 derajat, maka jika ingin melakukan konversi dari nilai 2 $\pi$ radian dan outputnya 360 derajat, gunakan konstanta dari `pi` tersebut. Berikut contoh penggunaan dari fungsi `degrees()` dan `radians()` +Nilai konstanta dari `pi` (pada penjelasan sebelumnya tentang "Nilai Konstanta") diperlukan untuk melakukan konversi satuan sudut dari radian ke derajat. Seperti diketahui, besar sudut dari 2 $\pi$ radian = 360 derajat, maka jika ingin melakukan konversi dari nilai 2 $\pi$ radian dan outputnya 360 derajat, gunakan konstanta dari `pi` tersebut. Berikut contoh penggunaan dari fungsi `degrees()` dan `radians()`. ```python import math @@ -94,7 +94,7 @@ Output: ``` ## Eksponen dan Logaritma -Eksponen merupakan perpangkatan x terhadap y yang dinotasikan sebagai $x^y$. Sedangkan logaritma merupakan kebalikan dari perpangkatan, dengan bilangan pokok b dan basis a yang dinotasikan sebagai $^a\log_b$. Contoh, jika $5^3$ maka hasilnya 125. Jika diubah dalam bentuk logaritma, maka $^5\log_{125}$ hasilnya adalah 3. +Eksponen merupakan perpangkatan x terhadap y yang dinotasikan sebagai $x^y$. Sedangkan logaritma merupakan kebalikan dari perpangkatan, dengan bilangan pokok b dan basis a yang dinotasikan sebagai $^a\log_b$. Contoh, jika $5^3$ maka hasilnya 125. Jika diubah dalam bentuk logaritma, maka $^5\log_{125}$ hasilnya adalah 3. Contoh diatas, dapat dilakukan menggunakan modul bantuan `math`. Beberapa fungsi dasar eksponen dan logaritma yang disediakan adalah sebagai berikut. - `math.sqrt(x)` : Memperoleh hasil akar kuadrat dari bilangan `x` ($\sqrt x$) diff --git a/Basic/16_class/README.md b/Basic/16_class/README.md index 3f6270b6..24eab77a 100644 --- a/Basic/16_class/README.md +++ b/Basic/16_class/README.md @@ -8,7 +8,7 @@ Kelas memiliki atribut untuk mempertahankan nilainya, dan memilki metode untuk m Atribut adalah variable dan fungsi yang ada didalam kelas, seluruh atribut bersifat publik dan dapat diakses menggunakan tanda titik (.) dibelakang objek. Note: atribut yang diawali dengan `_` umumnya dianggap *private*; tidak dimaksudkan untuk digunakan di luar kelas. -# Metode +# Metode Metode adalah fungsi yang dibuat didalam kelas, karena metode adalah fungsi maka untuk membuatnya menggunakan keyword def. @@ -16,15 +16,15 @@ Ada 3 jenis metode class, yaitu: - instance method -metode ini harus memiliki parameter self, yang berguna untuk mengakses atribut objek, untuk menggunakannya harus melalui objek. +Metode ini harus memiliki parameter self, yang berguna untuk mengakses atribut objek, untuk menggunakannya harus melalui objek. - classmethod -metode ini menggunakan deokrator @classmethod dan harus memiliki parameter cls, yang berguna untuk mengakses atributnya, untuk menggunakannya dapat langsung dari kelasnya tanpa menggunakan objek. +Metode ini menggunakan deokrator @classmethod dan harus memiliki parameter cls, yang berguna untuk mengakses atributnya, untuk menggunakannya dapat langsung dari kelasnya tanpa menggunakan objek. - staticmethod -metode ini menggunakan dekorator @staticmethod, metode ini sama seperti classmethod namun tidak perlu menggunakan parameter wajib +Metode ini menggunakan dekorator @staticmethod, metode ini sama seperti classmethod namun tidak perlu menggunakan parameter wajib. ## Konstruktor dan Destruktor @@ -45,7 +45,7 @@ contoh: __add__, __repr__, __len__ ``` -contoh penggunaan dari dunder method +contoh penggunaan dari dunder method: ```python class Hewan: def __init__(self, nama_hewan, suara): diff --git a/Basic/16_class/class.py b/Basic/16_class/class.py index ab02bd53..74b005e1 100644 --- a/Basic/16_class/class.py +++ b/Basic/16_class/class.py @@ -3,7 +3,6 @@ # Kelas abstrak hewan, tidak dapat di-inisialisasi dan hanya berupa instance class Hewan(ABC): - # Properti abstrak @abstractproperty def suara(self): @@ -17,7 +16,6 @@ def bersuara(self): # Menggunakan pewarisan dari kelas Hewan class Kucing(Hewan): - # Mengimplementasikan properti suara @property def suara(self): diff --git a/Basic/16_class/dunder_method.py b/Basic/16_class/dunder_method.py index e83859ed..ffe65d5f 100644 --- a/Basic/16_class/dunder_method.py +++ b/Basic/16_class/dunder_method.py @@ -4,7 +4,7 @@ def __init__(self, nama_hewan, suara): self.suara = suara def __repr__(self): - return "kucing {} bersuara {}".format(self.nama_hewan, self.suara) + return f"kucing {self.nama_hewan} bersuara {self.suara}" if __name__ == "__main__": diff --git a/Basic/17_inheritance/README.md b/Basic/17_inheritance/README.md index 42b85813..5ce0fbee 100644 --- a/Basic/17_inheritance/README.md +++ b/Basic/17_inheritance/README.md @@ -1,11 +1,11 @@ -# inheritance +# Inheritance Warisan memungkinkan kita untuk mendefinisikan kelas yang mewarisi semua metode dan properti dari kelas lain. Kelas induk adalah kelas yang diwarisi, juga disebut kelas dasar. Kelas anak adalah kelas yang mewarisi dari kelas lain, juga disebut kelas turunan. -contoh +contoh: ```python class Merk(object): @@ -25,10 +25,10 @@ data.tampilkan() informasi: - ``class Merk(object)`` - merupakan parent utama dari inheritance dengan mendeklarasikan variabel nama dengan value ``"calvin klein"`` - + Merupakan parent utama dari inheritance dengan mendeklarasikan variabel nama dengan value ``"calvin klein"`` + - ``class Panggil(Merk)`` - merupakan child parent yang memanggil parent class utama + Merupakan child parent yang memanggil parent class utama - ``Merk.__init__(self)`` merupakan konstruktor pemanggil parent class atau kelas induk @@ -37,11 +37,11 @@ informasi: memanggil dari variabel dari parent class atau kelas induk yang berupa ``self.nama`` yang berisi value string (``calvin klein``) - ``data = Panggil()`` - deklarasi variabel baru dengan memanggil kelas ``Panggil()`` - + Deklarasi variabel baru dengan memanggil kelas ``Panggil()`` + - ``data.tampilkan()`` - memanggil fungsi dari tampilkan dari kelas ``Panggil()``.kemudian menampilkan berupa variabel dari parent class atau kelas induk dari ``Merk`` yang berisi value berupa ``calvin klein`` + Memanggil fungsi dari tampilkan dari kelas ``Panggil()``, kemudian menampilkan berupa variabel dari parent class atau kelas induk dari ``Merk`` yang berisi value berupa ``calvin klein`` Teman-teman bisa belajar lebih lanjut tentang inheritance [di sini](https://www.youtube.com/watch?v=G6fmTwxx8rw&list=PLZS-MHyEIRo7ab0-EveSvf4CLdyOECMm0&index=12), super method [di sini](https://www.youtube.com/watch?v=pjHk9CrB1JE&list=PLZS-MHyEIRo7ab0-EveSvf4CLdyOECMm0&index=13), dan override [di sini](https://www.youtube.com/watch?v=sYKhxqcDu3w&list=PLZS-MHyEIRo7ab0-EveSvf4CLdyOECMm0&index=14) diff --git a/Basic/17_inheritance/inheritance_python.py b/Basic/17_inheritance/inheritance_python.py index 551ec3fe..ccd4cb1d 100644 --- a/Basic/17_inheritance/inheritance_python.py +++ b/Basic/17_inheritance/inheritance_python.py @@ -1,5 +1,5 @@ # kelas induk -class Siswa(object): +class Siswa: # __init__ sebagai constructor def __init__(self, nama, kelas, jenis_kelamin): self.nama = nama diff --git a/Basic/18_akses_modifikasi/02_private/README.md b/Basic/18_akses_modifikasi/02_private/README.md index 5db8694b..4ab459c3 100644 --- a/Basic/18_akses_modifikasi/02_private/README.md +++ b/Basic/18_akses_modifikasi/02_private/README.md @@ -19,7 +19,7 @@ class PekerjaTambang: # memangakses private objek print("Nama: ",self.__nama) print("Jabatan: ",self.__jabatan) - + # fungsi yang bersifat publik def menampilkan_data(self): @@ -32,7 +32,7 @@ pekerja1 = PekerjaTambang("James", "Research") pekerja1.menampikan_data() ``` -variabel dari ``__nama``, ``__jabatan`` adalah salah satu variabel yang hanya bisa diakses di dalam kelas (termasuk fungsi dari ``__menampilkan``, ini hanya bisa diakses di dalam kelas ``PekerjaTambang``), sementara fungsi ``menampilkan_data`` bisa diakses di luar atau di dalam kelas dikarenakan bersifat publik sehingga bisa diakses dari luar dengan membuat objek dan menampilkan hasil dari fungsi private yaitu ``__menampilkan``. jika kita menambahkan kode lagi dibawah dengan memanggil fungsi dari ``__menampilkan`` makan akan terjadi error karena kelas tersebut bersifat private. contoh error yang dihasilkan adalah +Variabel dari ``__nama``, ``__jabatan`` adalah salah satu variabel yang hanya bisa diakses di dalam kelas (termasuk fungsi dari ``__menampilkan``, ini hanya bisa diakses di dalam kelas ``PekerjaTambang``), sementara fungsi ``menampilkan_data`` bisa diakses di luar atau di dalam kelas dikarenakan bersifat publik sehingga bisa diakses dari luar dengan membuat objek dan menampilkan hasil dari fungsi private yaitu ``__menampilkan``. Jika kita menambahkan kode lagi di bawah dengan memanggil fungsi dari ``__menampilkan`` makan akan terjadi error karena kelas tersebut bersifat private. Contoh error yang dihasilkan adalah: ``` Traceback (most recent call last): File "file_saya.py", line x, in diff --git a/Basic/18_akses_modifikasi/03_protected/README.md b/Basic/18_akses_modifikasi/03_protected/README.md index c55ddf68..aba1e933 100644 --- a/Basic/18_akses_modifikasi/03_protected/README.md +++ b/Basic/18_akses_modifikasi/03_protected/README.md @@ -1,13 +1,13 @@ -# protected access +# Protected access -Anggota kelas yang dideklarasikan protected hanya dapat diakses oleh kelas turunannya. Anggota data dari suatu kelas dinyatakan terlindungi dengan menambahkan satu simbol underscore ``_`` sebelum anggota data dari kelas tersebut. +Anggota kelas yang dideklarasikan protected hanya dapat diakses oleh kelas turunannya. Anggota data dari suatu kelas dinyatakan terlindungi dengan menambahkan satu simbol underscore ``_`` sebelum anggota data dari kelas tersebut. ```python class PekerjaTambang: # protected variabel _nama = None _jabatan = None - + # membuat konstruktor def __init__(self, nama, jabatan): self._nama = nama @@ -24,7 +24,7 @@ class Pekerja(PekerjaTambang): # membuat konstruktor def __init__(self, nama, jabatan): PekerjaTambang.__init__(self, nama, jabatan) - + # membuat fungsi publik def menampilkan(self): print("nama: ", self._nama) @@ -39,6 +39,6 @@ pekerja1 = Pekerja("james", "driller") pekerja1.menampilkan() ``` -di atas, ``_nama``, ``_jabaran`` adalah anggota data yang protected dan metode ```_menampilkan()``` adalah metode yang dilindungi dari kelas ``Pekerja``. Metode ``menampilkan()`` adalah fungsi anggota publik dari kelas ``Pekerja()`` yang diturunkan dari kelas ``PekerjaTambang``, metode ``menampilkan()`` di kelas ``Pekerja`` mengakses data anggota kelas ``PekerjaTambang`` yang protected. +Di atas, ``_nama``, ``_jabaran`` adalah anggota data yang protected dan metode ```_menampilkan()``` adalah metode yang dilindungi dari kelas ``Pekerja``. Metode ``menampilkan()`` adalah fungsi anggota publik dari kelas ``Pekerja()`` yang diturunkan dari kelas ``PekerjaTambang``, metode ``menampilkan()`` di kelas ``Pekerja`` mengakses data anggota kelas ``PekerjaTambang`` yang protected. [Materi Selanjutnya](../../19_iterator) \ No newline at end of file diff --git a/Basic/18_akses_modifikasi/03_protected/protected.py b/Basic/18_akses_modifikasi/03_protected/protected.py index d073d108..7d6e5809 100644 --- a/Basic/18_akses_modifikasi/03_protected/protected.py +++ b/Basic/18_akses_modifikasi/03_protected/protected.py @@ -15,7 +15,6 @@ def _menampilkan(self): # kelas turunan dari pekerja tambang class Pekerja(PekerjaTambang): - # membuat konstruktor def __init__(self, nama, jabatan): PekerjaTambang.__init__(self, nama, jabatan) diff --git a/Basic/19_iterator/README.md b/Basic/19_iterator/README.md index f2373f13..56cbbdb4 100644 --- a/Basic/19_iterator/README.md +++ b/Basic/19_iterator/README.md @@ -1,8 +1,10 @@ -Iterator adalah objek yang berisi sesuatu yang bisa dihitung atau *iterable* +# Iterator -objek *iterable* adalah String, List, Tuple, Set, Dictionary +Iterator adalah objek yang berisi sesuatu yang bisa dihitung atau *iterable*. -contoh dari penggunaan iterator +Objek *iterable* adalah String, List, Tuple, Set, Dictionary. + +contoh dari penggunaan iterator: ```py nama_maintainer = ("majed", "permen", "kelvin", "hen") show = iter(nama_maintainer) diff --git a/Basic/19_iterator/iterator.py b/Basic/19_iterator/iterator.py index af49b0ea..1c9ab469 100644 --- a/Basic/19_iterator/iterator.py +++ b/Basic/19_iterator/iterator.py @@ -22,7 +22,6 @@ # iterator juga bisa kita kustomisasi pada class class MyNumbers: - # dunder method iter def __iter__(self): self.fruits = ["apple", "banana", "cherry"] diff --git a/Basic/20_lambda/README.md b/Basic/20_lambda/README.md index 4f6c11f1..10421dbb 100644 --- a/Basic/20_lambda/README.md +++ b/Basic/20_lambda/README.md @@ -1,18 +1,18 @@ -# lambda function +# Lambda function -lambda function atau dikenal juga dengan anonymous function +Lambda function atau dikenal juga dengan anonymous function adalah sebuah function yang bisa menerima multiple arguments -tetapi hanya bisa melakukan satu ekspresi atau satu eksekusi +tetapi hanya bisa melakukan satu ekspresi atau satu eksekusi. -pada contoh berikut, kita melakukan perhitungan luas persegi -dengan satu argument yaitu sisi (s) dan satu ekspresi sisi*sisi +Pada contoh berikut, kita melakukan perhitungan luas persegi +dengan satu argument yaitu sisi (s) dan satu ekspresi sisi*sisi. ```python luas_persegi = lambda s: s ** 2 print(luas_persegi(4)) ``` -contoh dari lambda function yang bisa menerima multiple argument +Contoh dari lambda function yang bisa menerima multiple argument yaitu lambda function luas segitiga ```python @@ -20,8 +20,8 @@ luas_segitiga = lambda a, t: (a * t) / 2 print(luas_segitiga(2, 3)) ``` -lambda sendiri bisa menerima argumen secara tak terbatas -seperti pada contoh +Lambda sendiri bisa menerima argumen secara tak terbatas +seperti pada contoh: ```python infinite = lambda *input: sum(input) @@ -29,14 +29,14 @@ print(infinite(1, 2, 3)) print(infinite(1, 2, 3, 4)) ``` -bisa juga menerima argumen dengan keyword +Bisa juga menerima argumen dengan keyword ```python key_inf = lambda **kwargs: sum(kwargs.values()) print(key_inf(satu=1, dua=2, tiga=3)) # 6 print(key_inf(seven=7, eight=8, nine=9, ten=10)) # 34 ``` -contoh penerapannya bisa kita lihat pada fungsi ```filter()``` +Contoh penerapannya bisa kita lihat pada fungsi ```filter()``` yaitu ```python li = [i for i in range(10)] diff --git a/Basic/20_lambda/lambda.py b/Basic/20_lambda/lambda.py index e80b3091..fb461d19 100644 --- a/Basic/20_lambda/lambda.py +++ b/Basic/20_lambda/lambda.py @@ -7,7 +7,7 @@ # seperti contoh pada lambda luas_persegi dibawah # hanya input s, dan satu expresi yaitu, s * s -luas_persegi = lambda s: s ** 2 +luas_persegi = lambda s: s**2 print(luas_persegi(4)) # 16 # bukti dari lambda bisa menerima multiple argument adalah diff --git a/Basic/21_regex/README.md b/Basic/21_regex/README.md index 7bc6c738..7c2dd33a 100644 --- a/Basic/21_regex/README.md +++ b/Basic/21_regex/README.md @@ -29,12 +29,12 @@ Regular Expression adalah sekumpulan karakter yang membentuk suatu pola pencaria # E. Reguler Expression Function ## 1. Findall -Findall adalah sebuah fungsi dimana fungsi tersebut mengembalikan kecocokan antara sequences atau pola yang kita inginkan dengan text yang akan dicari +Findall adalah sebuah fungsi dimana fungsi tersebut mengembalikan kecocokan antara sequences atau pola yang kita inginkan dengan text yang akan dicari. ## 2. Sub -Sub adalah sebuah fungsi dimana fungsi tersebut mengganti sequences yang kita cari dengan sequences / kata baru +Sub adalah sebuah fungsi dimana fungsi tersebut mengganti sequences yang kita cari dengan sequences / kata baru. ## 3. Search -Search adalah sebuah fungsi dimana fungsi tersebut mencari object yang kita inginkan pada kata yang akan kita eksekusi +Search adalah sebuah fungsi dimana fungsi tersebut mencari object yang kita inginkan pada kata yang akan kita eksekusi. ## 4. Split -Split adalah sebuah fungsi dimana fungsi itu memecah / membagi kalimat yang akan dieksekusi berdasarkan sebuah pola +Split adalah sebuah fungsi dimana fungsi itu memecah / membagi kalimat yang akan dieksekusi berdasarkan sebuah pola. [Materi Selanjutnya](../22_scope) \ No newline at end of file diff --git a/Basic/22_scope/README.md b/Basic/22_scope/README.md index 0300ef87..45ee9adc 100644 --- a/Basic/22_scope/README.md +++ b/Basic/22_scope/README.md @@ -1,11 +1,11 @@ # Pengertian -sebuah variabel hanya dapat diakses didalam wilayah dia dibuat, inilah yang disebut dengan *Scope* +Scope adalah sebuah variabel hanya dapat diakses didalam wilayah dia dibuat, inilah yang disebut dengan *Scope*. # Jenis-Jenis Scope ## Local Scope Sebuah variabel yang dibuat di dalam sebuah fungsi termasuk *Local Scope* dari fungsi tersebut -dan hanya dapat digunakan didalam fungsi tersebut +dan hanya dapat digunakan didalam fungsi tersebut. Contoh: ```py @@ -34,7 +34,7 @@ myfunc() ## Global Scope Sebuah variabel yang dibuat di bagian utama kode python adalah *Global Variable* yang termasuk *Global Scope* -variabel global dapat digunakan dimanapun +variabel global dapat digunakan di manapun Contoh: ``` @@ -49,8 +49,8 @@ print(x) ### Menamai Variabel -jika kamu menamai suatu variabel `x` di global scope dan kamu juga menamai variabel lainnya dengan `x`, -maka python akan memisahkan variabel tersebut menjadi dua variabel yang berbeda +Jika kamu menamai suatu variabel `x` di global scope dan kamu juga menamai variabel lainnya dengan `x`, +maka python akan memisahkan variabel tersebut menjadi dua variabel yang berbeda. Contoh: ```py @@ -67,7 +67,7 @@ print(x) ``` ## Global Keyword -jika kamu ingin membuat atau mengganti variabel tapi hanya bisa di *local scope*, kamu bisa menggunakan keyword global +Jika kamu ingin membuat atau mengganti variabel tapi hanya bisa di *local scope*, kamu bisa menggunakan keyword global. Contoh: ```py diff --git a/Basic/23_kalkulator_dengan_fungsi/kalkulator_fungsi.py b/Basic/23_kalkulator_dengan_fungsi/kalkulator_fungsi.py index 4e6cf768..885de563 100644 --- a/Basic/23_kalkulator_dengan_fungsi/kalkulator_fungsi.py +++ b/Basic/23_kalkulator_dengan_fungsi/kalkulator_fungsi.py @@ -31,7 +31,7 @@ def pangkat(angka1: float, angka2: float) -> float: >>> pangkat(3.0, 2.0) 9.0 """ - return angka1 ** angka2 + return angka1**angka2 def bagi(angka1: float, angka2: float) -> float: diff --git a/Basic/25_list_and_dict_comprehension/dict_comprehension.py b/Basic/25_list_and_dict_comprehension/dict_comprehension.py new file mode 100644 index 00000000..5e2b9796 --- /dev/null +++ b/Basic/25_list_and_dict_comprehension/dict_comprehension.py @@ -0,0 +1,37 @@ +# Dictionary comprehension adalah +# Sebuah metode atau cara untuk membuat dictionary menggunakan for loop + +# Syntax Dictionary Comprehension +# {key : value for vars in iterable} + +# Kelebihan menggunakan Dictionary Comprehension adalah +# mampu menulis koding dengan elegan + +# Membuat Dictionary +# contoh bisa dilakukan dengan membuat terlebih dahulu +# dengan membuat variabel dengan fungsi ``dict()`` +# angka = dict() + +# Basic Dict Comprehension +angka = {nilai: nilai * 2 for nilai in range(1, 6)} +print("Angka : ", angka) +# Output = Angka : {1: 2, 2: 4, 3: 6, 4: 8, 5: 10} + +# Contoh lainnya pada Dict Comprehension +pangkat = {key * 2: value**2 for (key, value) in angka.items()} +print("Pangkat Dua: ", pangkat) +# Output = Pangkat Dua: {2: 4, 4: 16, 6: 36, 8: 64, 10: 100} + +# Implementasi Dict Comprehension Dengan If Else +ten_nums = {value: value * 2 for value in range(1, 11)} +genap_only = {key: value for (key, value) in ten_nums.items() if key % 2 == 0} +print("Genap Only : ", genap_only) +# Output = Genap Only : {2: 4, 4: 8, 6: 12, 8: 16, 10: 20} + +# Implementasi Dict Comprehension Dengan If Else +age_name = {"Ronaldo": 37, "Messi": 34, "Greenwood": 20, "Sancho": 21} +status_umur = { + nama: ("Tua" if umur > 30 else "Muda") for (nama, umur) in age_name.items() +} +print(status_umur) +# Output = {'Ronaldo': 'Tua', 'Messi': 'Tua', 'Greenwood': 'Muda', 'Sancho': 'Muda'} diff --git a/Basic/25_list_and_dict_comprehension/list_comprehension.py b/Basic/25_list_and_dict_comprehension/list_comprehension.py new file mode 100644 index 00000000..321ad634 --- /dev/null +++ b/Basic/25_list_and_dict_comprehension/list_comprehension.py @@ -0,0 +1,55 @@ +# List Comprehension +# adalah metode untuk menambahkan anggota dari suatu list melalui for loop + +# Syntax dari List Comprehension adalah +# [expression for item in iterable] + +# Original List + +original = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] + +print(f"Original : {original}") +# Output = Original : [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] + +# Implementasi List Comprehension dengan Iterable + +original_dua = [value for value in range(5, 11)] + +print(f"Original Range : {original_dua}") +# Output = Original Range : [5, 6, 7, 8, 9, 10] + +# Implementasi List Comprehension dengan Pemangkatan (Exponential) + +exp_list = [item**2 for item in original] + +print(f"Exponent List : {exp_list}") +# Output = Exponent List : [1, 4, 9, 16, 25, 36, 49, 64, 81, 100] + +# Implementasi List Comprehension dengan If Else + +genap = [item for item in original if item % 2 == 0] + +print(f"Genap : {genap}") +# Output = Genap : [2, 4, 6, 8, 10] + +# Implementasi List Comprehension dengan Expression + +elemen = ["Api", "Air", "Tanah", "Udara"] + +huruf_awal = [item[0] for item in elemen] + +print(f"Huruf Awal : {huruf_awal}") +# Output = Huruf Awal : ['A', 'A', 'T', 'U'] + +# Implementasi List Comprehension dengan Nested List +# Implementasi matriks 3 dimensi + +matriks_3_3 = [["X" for _ in range(3)] for _ in range(3)] +# Output = [['X', 'X', 'X'], ['X', 'X', 'X'], ['X', 'X', 'X']] + +# Menggabungkan List Lebih dari satu dimensi + +indonesia = [["Kudus", "Solo"], ["Bekasi", "Bogor"], ["Madiun", "Malang"]] + +list_kota = [kota for grup_kota in indonesia for kota in grup_kota] +# Output = ['Kudus', 'Solo', 'Bekasi', 'Bogor', 'Madiun', 'Malang'] diff --git a/Basic/26_dekorator/README.md b/Basic/26_dekorator/README.md new file mode 100644 index 00000000..2d8c7df8 --- /dev/null +++ b/Basic/26_dekorator/README.md @@ -0,0 +1,81 @@ +# Python Dekorator + +Dalam python, Dekorator atau ``Decorator`` adalah pola desain dalam python yang memungkinkan pengguna menambahkan fungsi baru ke dalam objek yang sudah ada tanpa ada perubahan dalam strukturnya. +Dekorator biasanya dipanggil sebelum definisi dari fungsi yang ingin dibuat. + +Python memperbolehkan penggunaan fungsi yang bercabang atau nested function untuk mengakses statement diluar dari fungsi yang dibuat, sebagai contoh + +```python +def menampilkan_kata(pesan): + def kirim_pesan(): + print(pesan) + + kirim_pesan() + +menampilkan_kata("bellshade") +``` + +dengan contoh diatas, kita bisa membuat dekorator yang sederhana yang merubah huruf besar menjadi huruf kecil + +```python +# mendifinisikan fungsi bernama 'dekorator_huruf_kecil' +def dekorator_huruf_kecil(kata_besar): + # membuat fungsi nested yang kita sebut 'wrapper' + def wrapper(): + # memanggil yang diteruskan dekorator_huruf_kecil + # dan kemudian dimasukkan ke dalam variabel + # 'kata_message' + kata_message = kata_besar() + # menggunakan fungsi 'lower()' untuk membuat + # variabel dari kata_message menjadi kecil + # dan kemudian ditugaskan dalam variabel + # buat_kata_kecil + buat_kata_kecil = kata_message.lower() + # mengembalikan nilai dari 'wrapper' + return buat_kata_kecil + # mengembalikan fungsi dari wrapper + return wrapper +``` + +kemudian disini kita bisa bisa menggunakan fungsi baru lagi dengan cara +```python +def kata(): + return "BELLSHADE" + +jadikan_kata_kecil = dekorator_huruf_kecil(kata) +jadikan_kata_kecil() +``` + +Python juga menyediakan cara yang lebih gampang dalam membuat kodingan diatas +dari yang kita buat dengan cara menambahkan simbol ``@`` + +```python +@dekorator_huruf_kecil +def kata(): + return "BELLSHADE" +kata() +``` + +## Aplikasikan dekorator yang banyak dalam satu fungsi + +Kita bisa menggunakan decorator yang banyak dalam satu fungsi sebagai contoh: + +sebelumnya kita sudah membuat dekorator yang bernama ``dekorator_huruf_kecil`` kali ini kita membuat kata menjadi dipecah menggunakan fungsi ``split()`` + +```python +def pecah_kata(kata_yang_mau_dipecah): + def wrapper(): + kata = kata_yang_mau_dipecah() + split_kata = kata.split() + return split_kata + return wrapper +``` + +dengan ini kita sudah ada 2 fungsi dekorator, kemudian kita bisa membuat contoh untuk memanggil keduanya dengan ``@`` + +```python +@dekorator_huruf_kecil +@pecah_kata +def kata(): + return "BELLSHADE" +``` diff --git a/Basic/26_dekorator/dekorator.py b/Basic/26_dekorator/dekorator.py new file mode 100644 index 00000000..c003acdb --- /dev/null +++ b/Basic/26_dekorator/dekorator.py @@ -0,0 +1,34 @@ +def dekorator_huruf_kecil(kata): + # membuat fungsi nested yang kita sebut 'wrapper' + def wrapper(): + # memanggil yang diteruskan dekorator_huruf_kecil + # dan kemudian dimasukkan ke dalam variabel + # 'kata_message' + kata_message = kata() + # menggunakan fungsi 'lower()' untuk membuat + # variabel dari kata_message menjadi kecil + # dan kemudian ditugaskan dalam variabel + # buat_kata_kecil + buat_kata_kecil = kata_message.lower() + # mengembalikan nilai dari 'wrapper' + return buat_kata_kecil + + # mengembalikan fungsi dari wrapper + return wrapper + + +def kata_besar(): + return "BELLSHADE" + + +dekorator = dekorator_huruf_kecil(kata_besar) + +print(dekorator() + "\n") + + +@dekorator_huruf_kecil +def kata_besar_(): + return "BELLSHADE" + + +print(kata_besar_()) diff --git a/Basic/README.md b/Basic/README.md index 53c2b333..d521312f 100644 --- a/Basic/README.md +++ b/Basic/README.md @@ -31,6 +31,8 @@ Untuk kamu yang ingin belajar bahasa pemrograman python, berikut urutan basic un 22. [Scope](22_scope) 23. [Kalkulator dengan Fungsi](23_kalkulator_dengan_fungsi) 24. [Casting Tipe Data](24_casting_tipe_data) +25. [list_and_dict](25_list_dict_comprehension) +26. [dekorator](26_dekorator) ## Install python pada perangkat @@ -39,7 +41,7 @@ Untuk kamu yang ingin belajar bahasa pemrograman python, berikut urutan basic un Untuk penginstalan python dan dipasangkan pada visual studio code bisa melihat link [disini](https://www.youtube.com/watch?v=OSmaWPSgvTQ&list=PLZS-MHyEIRo59lUBwU-XHH7Ymmb04ffOY&index=2) - Linux / macOS - + untuk penginstalan, python sudah menyediakan pada linux dan macOS dengan membuka terminal dan memberikan perintah ``` python3 --version diff --git a/CODE_OF_CONDUCT.md b/CODE_OF_CONDUCT.md new file mode 100644 index 00000000..5604744b --- /dev/null +++ b/CODE_OF_CONDUCT.md @@ -0,0 +1,128 @@ +# Contributor Covenant Code of Conduct + +## Our Pledge + +We as members, contributors, and leaders pledge to make participation in our +community a harassment-free experience for everyone, regardless of age, body +size, visible or invisible disability, ethnicity, sex characteristics, gender +identity and expression, level of experience, education, socio-economic status, +nationality, personal appearance, race, religion, or sexual identity +and orientation. + +We pledge to act and interact in ways that contribute to an open, welcoming, +diverse, inclusive, and healthy community. + +## Our Standards + +Examples of behavior that contributes to a positive environment for our +community include: + +* Demonstrating empathy and kindness toward other people +* Being respectful of differing opinions, viewpoints, and experiences +* Giving and gracefully accepting constructive feedback +* Accepting responsibility and apologizing to those affected by our mistakes, + and learning from the experience +* Focusing on what is best not just for us as individuals, but for the + overall community + +Examples of unacceptable behavior include: + +* The use of sexualized language or imagery, and sexual attention or + advances of any kind +* Trolling, insulting or derogatory comments, and personal or political attacks +* Public or private harassment +* Publishing others' private information, such as a physical or email + address, without their explicit permission +* Other conduct which could reasonably be considered inappropriate in a + professional setting + +## Enforcement Responsibilities + +Community leaders are responsible for clarifying and enforcing our standards of +acceptable behavior and will take appropriate and fair corrective action in +response to any behavior that they deem inappropriate, threatening, offensive, +or harmful. + +Community leaders have the right and responsibility to remove, edit, or reject +comments, commits, code, wiki edits, issues, and other contributions that are +not aligned to this Code of Conduct, and will communicate reasons for moderation +decisions when appropriate. + +## Scope + +This Code of Conduct applies within all community spaces, and also applies when +an individual is officially representing the community in public spaces. +Examples of representing our community include using an official e-mail address, +posting via an official social media account, or acting as an appointed +representative at an online or offline event. + +## Enforcement + +Instances of abusive, harassing, or otherwise unacceptable behavior may be +reported to the community leaders responsible for enforcement at +[Discord Channel WPU](http://discord.gg/S4rrXQU). +All complaints will be reviewed and investigated promptly and fairly. + +All community leaders are obligated to respect the privacy and security of the +reporter of any incident. + +## Enforcement Guidelines + +Community leaders will follow these Community Impact Guidelines in determining +the consequences for any action they deem in violation of this Code of Conduct: + +### 1. Correction + +**Community Impact**: Use of inappropriate language or other behavior deemed +unprofessional or unwelcome in the community. + +**Consequence**: A private, written warning from community leaders, providing +clarity around the nature of the violation and an explanation of why the +behavior was inappropriate. A public apology may be requested. + +### 2. Warning + +**Community Impact**: A violation through a single incident or series +of actions. + +**Consequence**: A warning with consequences for continued behavior. No +interaction with the people involved, including unsolicited interaction with +those enforcing the Code of Conduct, for a specified period of time. This +includes avoiding interactions in community spaces as well as external channels +like social media. Violating these terms may lead to a temporary or +permanent ban. + +### 3. Temporary Ban + +**Community Impact**: A serious violation of community standards, including +sustained inappropriate behavior. + +**Consequence**: A temporary ban from any sort of interaction or public +communication with the community for a specified period of time. No public or +private interaction with the people involved, including unsolicited interaction +with those enforcing the Code of Conduct, is allowed during this period. +Violating these terms may lead to a permanent ban. + +### 4. Permanent Ban + +**Community Impact**: Demonstrating a pattern of violation of community +standards, including sustained inappropriate behavior, harassment of an +individual, or aggression toward or disparagement of classes of individuals. + +**Consequence**: A permanent ban from any sort of public interaction within +the community. + +## Attribution + +This Code of Conduct is adapted from the [Contributor Covenant][homepage], +version 2.0, available at +https://www.contributor-covenant.org/version/2/0/code_of_conduct.html. + +Community Impact Guidelines were inspired by [Mozilla's code of conduct +enforcement ladder](https://github.com/mozilla/diversity). + +[homepage]: https://www.contributor-covenant.org + +For answers to common questions about this code of conduct, see the FAQ at +https://www.contributor-covenant.org/faq. Translations are available at +https://www.contributor-covenant.org/translations. \ No newline at end of file diff --git a/CONTRIBUTING.md b/CONTRIBUTING.md index 2a418c9f..90e9944e 100644 --- a/CONTRIBUTING.md +++ b/CONTRIBUTING.md @@ -18,7 +18,7 @@ Algoritma adalah satu atau lebih fungsi dan/atau kelas yang: - memiliki satu atau lebih *input*; - melakukan beberapa internal kalkulasi atau manipulasi data; - mengembalikan satu atau lebih nilai hasil; -- memiliki kekurangan minimal (contoh: `print()`,`plot()`,`read()`,`write()`). +- memiliki kekurangan minimal (contoh: `print()`,`plot()`,`read()`,`write()`) terkecuali jika memperbaiki materi tutorial. Algoritma harus dikemas sedemikian rupa agar dapat dengan mudah dimasukkan ke dalam program yang lebih besar. @@ -57,7 +57,7 @@ def adding(num1, num2): return num1 + num2 ``` -***Docstring* yang buruk:** +***Docstring* yang kurang baik:** ```py def adding(num1, num2): @@ -109,19 +109,25 @@ flake8 perubahan_kamu.py flake8 . ``` -Untuk *doctests*: +**Saran** -```bash -pytest . --doctest-modules -``` +[Pemahaman list dan generator](https://docs.python.org/3/tutorial/datastructures.html#list-comprehensions) lebih disukai daripada penggunaan `lambda`, `map`, `filter`. Tetapi yang penting adalah menunjukkan kekuatan Python dalam kode yang mudah dibaca dan dipelihara. + +kamu bisa dengan menggunakan pre-commit sebagai cek / menjalankan semua test dengan cara ```bash -pytest perubahan_kamu.py --doctest-modules --ignore=Basic/ -``` +# jika tidak ada pre-commit, install terlebih dahulu +pip install pre-commit -**Saran** +# jika menggunakan uv, kamu bisa menginstall dengan menggunakan uv +uv pip install pre-commit -[Pemahaman list dan generator](https://docs.python.org/3/tutorial/datastructures.html#list-comprehensions) lebih disukai daripada penggunaan `lambda`, `map`, `filter`. Tetapi yang penting adalah menunjukkan kekuatan Python dalam kode yang mudah dibaca dan dipelihara. +# jalakan perintahnya +pre-commit run --all-files + +# jika menggunakan uv +uv run pre-commit run --all-files +``` ## Tambahan Perubahan @@ -133,11 +139,14 @@ count_bullet_speed └── file_tambahan.py ``` +**Catatan :** **Tidak boleh merubah-rubah apapun yang terdapat pada file [DIRECTORY.md](DIRECTORY.md) karena akan menggenerate daftar file kode secara otoamatis dan dimasukkan kedalam ``DIRECTORY.md`` + # *Pull Request* ***Pull request* yang baik** -Informasi: gunakan [*issue*](https://github.com/bellshade/Python/issues) apabila ingin menambahkan kode atau implementasi algoritma, dll (*basic*) agar tidak ada konflik dengan *pull request* lainnya. +Informasi: gunakan [*issue*](https://github.com/bellshade/Python/issues) apabila ingin menambahkan kode atau implementasi algoritma, dll (*basic*) agar tidak ada konflik dengan *pull request* lainnya. Kamu juga bisa menggunakan issue jika kamu ada +kendala atau masalah ketika melakukan pull request. Kamu juga bisa bertanya pada forum discord **WPU** dan **Kelas Terbuka** perihal bellshade. - Lakukan penjelasan deskripsi perubahan yang anda lakukan pada repositori kami dengan membuat penjelasan di [*issue*](https://github.com/bellshade/Python/issues). - Setelah menjelaskan perubahan anda di [*issue*](https://github.com/bellshade/Python/issues) kemudian lakukan *fork* pada repositori kami. @@ -157,11 +166,11 @@ Informasi: gunakan [*issue*](https://github.com/bellshade/Python/issues) apabila - `feat:` untuk menambah algoritma atau tambahan lainnya; - `fix:` untuk mengubah algoritma yang sudah ada atau memperbaiki; - `docs:` untuk mengubah atau membuat dokumentasi; -- `add:` untuk menambah algoritma atau tambahan lainnya (opsional); +- `add:` untuk menambah algoritma atau tambahan lainnya (opsional); Catatan: pesan commit harus menjelaskan perubahan secara singkat. -Contoh: +Contoh yang benar: - ☒ feat: test_x.py - ☑ feat: tambah unittest untuk algoritma x @@ -180,3 +189,4 @@ Pull request akan di-*merge* jika: - Jika ada tes yang tidak lewat atau gagal, kami akan cek kembali perubahan anda. Untuk *pull request*, disarankan untuk menjelaskan secara detail yang kamu ubah atau tambahkan, dan bersikap sopan serta selalu berterima kasih. Itu salah satu bentuk tata krama yang baik terhadap sesama *contributor* dan *programmer* lainnya. + diff --git a/DIRECTORY.md b/DIRECTORY.md index fc8653a5..e49bece0 100644 --- a/DIRECTORY.md +++ b/DIRECTORY.md @@ -3,8 +3,8 @@ * 02 Tipe Data * [Tipe Data](https://github.com/bellshade/Python/blob/main/Basic/02_tipe_data/tipe_data.py) * 03 Variable - * [Variable](https://github.com/bellshade/Python/blob/main/Basic/03_variable/Variable.py) * [String Variable](https://github.com/bellshade/Python/blob/main/Basic/03_variable/string_variable.py) + * [Variable](https://github.com/bellshade/Python/blob/main/Basic/03_variable/variable.py) * 04 Operator * [Operator Aritmatika](https://github.com/bellshade/Python/blob/main/Basic/04_operator/operator_aritmatika.py) * [Operator Bitwise](https://github.com/bellshade/Python/blob/main/Basic/04_operator/operator_bitwise.py) @@ -68,6 +68,11 @@ * [Kalkulator Fungsi](https://github.com/bellshade/Python/blob/main/Basic/23_kalkulator_dengan_fungsi/kalkulator_fungsi.py) * 24 Casting Tipe Data * [Casting Tipe Data](https://github.com/bellshade/Python/blob/main/Basic/24_casting_tipe_data/casting_tipe_data.py) + * 25 List And Dict Comprehension + * [Dict Comprehension](https://github.com/bellshade/Python/blob/main/Basic/25_list_and_dict_comprehension/dict_comprehension.py) + * [List Comprehension](https://github.com/bellshade/Python/blob/main/Basic/25_list_and_dict_comprehension/list_comprehension.py) + * 26 Dekorator + * [Dekorator](https://github.com/bellshade/Python/blob/main/Basic/26_dekorator/dekorator.py) * [Introduction](https://github.com/bellshade/Python/blob/main/Basic/Introduction.py) ## Algorithm @@ -76,12 +81,16 @@ * [Gaussian Elimination](https://github.com/bellshade/Python/blob/main/algorithm/arithmetic_analysis/gaussian_elimination.py) * [In Static Equilibrium](https://github.com/bellshade/Python/blob/main/algorithm/arithmetic_analysis/in_static_equilibrium.py) * [Intersection](https://github.com/bellshade/Python/blob/main/algorithm/arithmetic_analysis/intersection.py) + * [Jacobi Iteration Method](https://github.com/bellshade/Python/blob/main/algorithm/arithmetic_analysis/jacobi_iteration_method.py) * [Lu Decomposition](https://github.com/bellshade/Python/blob/main/algorithm/arithmetic_analysis/lu_decomposition.py) * [Newton Forward Interpolation](https://github.com/bellshade/Python/blob/main/algorithm/arithmetic_analysis/newton_forward_interpolation.py) * [Newton Method](https://github.com/bellshade/Python/blob/main/algorithm/arithmetic_analysis/newton_method.py) * [Newton Raphson](https://github.com/bellshade/Python/blob/main/algorithm/arithmetic_analysis/newton_raphson.py) + * [Rootsearch](https://github.com/bellshade/Python/blob/main/algorithm/arithmetic_analysis/rootsearch.py) * [Secant Method](https://github.com/bellshade/Python/blob/main/algorithm/arithmetic_analysis/secant_method.py) * Backtracking + * [All Combinations](https://github.com/bellshade/Python/blob/main/algorithm/backtracking/all_combinations.py) + * [Cari Kata](https://github.com/bellshade/Python/blob/main/algorithm/backtracking/cari_kata.py) * [Coloring](https://github.com/bellshade/Python/blob/main/algorithm/backtracking/coloring.py) * [Combination](https://github.com/bellshade/Python/blob/main/algorithm/backtracking/combination.py) * [Hamilton Cycle](https://github.com/bellshade/Python/blob/main/algorithm/backtracking/hamilton_cycle.py) @@ -124,6 +133,7 @@ * [Rotate Matrix](https://github.com/bellshade/Python/blob/main/algorithm/matrix/rotate_matrix.py) * [Searching In Sorted Matrix](https://github.com/bellshade/Python/blob/main/algorithm/matrix/searching_in_sorted_matrix.py) * [Sherman Morison](https://github.com/bellshade/Python/blob/main/algorithm/matrix/sherman_morison.py) + * [Spiral Matrix](https://github.com/bellshade/Python/blob/main/algorithm/matrix/spiral_matrix.py) * Networking Flow * [Ford Fulkerson](https://github.com/bellshade/Python/blob/main/algorithm/networking_flow/ford_fulkerson.py) * [Minimum Cut](https://github.com/bellshade/Python/blob/main/algorithm/networking_flow/minimum_cut.py) @@ -132,14 +142,45 @@ * [Binary Search](https://github.com/bellshade/Python/blob/main/algorithm/searching/binary_search.py) * [Linear Search](https://github.com/bellshade/Python/blob/main/algorithm/searching/linear_search.py) * Sorting + * [Bead Sort](https://github.com/bellshade/Python/blob/main/algorithm/sorting/bead_sort.py) + * [Bitonic Sorting](https://github.com/bellshade/Python/blob/main/algorithm/sorting/bitonic_sorting.py) + * [Bogo Sorting](https://github.com/bellshade/Python/blob/main/algorithm/sorting/bogo_sorting.py) + * [Bubble Sort](https://github.com/bellshade/Python/blob/main/algorithm/sorting/bubble_sort.py) + * [Bubble Sort Ascii](https://github.com/bellshade/Python/blob/main/algorithm/sorting/bubble_sort_ascii.py) + * [Bucket Sort](https://github.com/bellshade/Python/blob/main/algorithm/sorting/bucket_sort.py) + * [Circle Sort](https://github.com/bellshade/Python/blob/main/algorithm/sorting/circle_sort.py) + * [Gnome Sorting](https://github.com/bellshade/Python/blob/main/algorithm/sorting/gnome_sorting.py) + * [Merge Sort](https://github.com/bellshade/Python/blob/main/algorithm/sorting/merge_sort.py) * [Pop Sort](https://github.com/bellshade/Python/blob/main/algorithm/sorting/pop_sort.py) + * [Quick Sorting](https://github.com/bellshade/Python/blob/main/algorithm/sorting/quick_sorting.py) ## Implementation + * Artificial Intelligence + * [Decision Tree](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/decision_tree.py) + * [Fungsi Skoring](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/fungsi_skoring.py) + * [Gaussian Naive Bayes](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/gaussian_naive_bayes.py) + * [Gradient Descent](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/gradient_descent.py) + * [K Means Clutser](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/k_means_clutser.py) + * [K Nearest Neighbour](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/k_nearest_neighbour.py) + * [Lasso Regession](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/lasso_regession.py) + * [Linear Regression](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/linear_regression.py) + * [Logistic Regression](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/logistic_regression.py) + * [Lstm](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/lstm.py) + * [Normalization Data Tranform](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/normalization_data_tranform.py) + * [Polynominal](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/polynominal.py) + * [Random Forest](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/random_forest.py) + * [Rigde Regession](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/rigde_regession.py) + * [Similarity Searching](https://github.com/bellshade/Python/blob/main/implementation/artificial_intelligence/similarity_searching.py) + * Audio Filter + * [Audio Response](https://github.com/bellshade/Python/blob/main/implementation/audio_filter/audio_response.py) + * [Iir Filter](https://github.com/bellshade/Python/blob/main/implementation/audio_filter/iir_filter.py) * Blockchain * [Chinese Remainder](https://github.com/bellshade/Python/blob/main/implementation/blockchain/chinese_remainder.py) * [Diophantine Equation](https://github.com/bellshade/Python/blob/main/implementation/blockchain/diophantine_equation.py) * [Modular Division](https://github.com/bellshade/Python/blob/main/implementation/blockchain/modular_division.py) * Celular Automata + * [Game Of Life](https://github.com/bellshade/Python/blob/main/implementation/celular_automata/game_of_life.py) + * [Nagel Schrekenberg](https://github.com/bellshade/Python/blob/main/implementation/celular_automata/nagel_schrekenberg.py) * [One Dimensional](https://github.com/bellshade/Python/blob/main/implementation/celular_automata/one_dimensional.py) * Chiper * [Affine](https://github.com/bellshade/Python/blob/main/implementation/chiper/affine.py) @@ -157,6 +198,8 @@ * [Burrows Wheeler](https://github.com/bellshade/Python/blob/main/implementation/compression/burrows_wheeler.py) * [Huffman](https://github.com/bellshade/Python/blob/main/implementation/compression/huffman.py) * [Lempel Ziv](https://github.com/bellshade/Python/blob/main/implementation/compression/lempel_ziv.py) + * Computer Vision + * [Klasifikasi Cnn](https://github.com/bellshade/Python/blob/main/implementation/computer_vision/klasifikasi_cnn.py) * Electro * Conversion * [Binary To Decimal](https://github.com/bellshade/Python/blob/main/implementation/electro/conversion/binary_to_decimal.py) @@ -167,43 +210,93 @@ * File Transfer * [Receive File](https://github.com/bellshade/Python/blob/main/implementation/file_transfer/receive_file.py) * [Send File](https://github.com/bellshade/Python/blob/main/implementation/file_transfer/send_file.py) + * Finansial + * [Angsuran](https://github.com/bellshade/Python/blob/main/implementation/finansial/angsuran.py) * Fractal * [Koch](https://github.com/bellshade/Python/blob/main/implementation/fractal/koch.py) * [Mandelbrot](https://github.com/bellshade/Python/blob/main/implementation/fractal/mandelbrot.py) * [Sierpinski Triangle](https://github.com/bellshade/Python/blob/main/implementation/fractal/sierpinski_triangle.py) + * Fuzzy Logic + * [Fuzzy Logic](https://github.com/bellshade/Python/blob/main/implementation/fuzzy_logic/fuzzy_logic.py) * Geodesy Egineering * [Ellipsodial Distance](https://github.com/bellshade/Python/blob/main/implementation/geodesy_egineering/ellipsodial_distance.py) * [Haversine](https://github.com/bellshade/Python/blob/main/implementation/geodesy_egineering/haversine.py) + * Graphic + * [Bezier Curve](https://github.com/bellshade/Python/blob/main/implementation/graphic/bezier_curve.py) + * Image Processing + * [Gambar Sepia](https://github.com/bellshade/Python/blob/main/implementation/image_processing/gambar_sepia.py) * Linear Algebra + * [Faktorisasi Lu](https://github.com/bellshade/Python/blob/main/implementation/linear_algebra/Faktorisasi_LU.py) + * [Ldlt Decomposition](https://github.com/bellshade/Python/blob/main/implementation/linear_algebra/LDLT_decomposition.py) + * [Lu Decomposition](https://github.com/bellshade/Python/blob/main/implementation/linear_algebra/LU_decomposition.py) * [Conjugate Gradient](https://github.com/bellshade/Python/blob/main/implementation/linear_algebra/conjugate_gradient.py) + * [Operasi Matriks](https://github.com/bellshade/Python/blob/main/implementation/linear_algebra/operasi_matriks.py) * [Polynom For Point](https://github.com/bellshade/Python/blob/main/implementation/linear_algebra/polynom_for_point.py) * [Rayleigh Quotient](https://github.com/bellshade/Python/blob/main/implementation/linear_algebra/rayleigh_quotient.py) * [Transformation 2D](https://github.com/bellshade/Python/blob/main/implementation/linear_algebra/transformation_2d.py) * Physics * [N Body Simulation](https://github.com/bellshade/Python/blob/main/implementation/physics/n_body_simulation.py) + * [Pendulum](https://github.com/bellshade/Python/blob/main/implementation/physics/pendulum.py) * [Percepatan](https://github.com/bellshade/Python/blob/main/implementation/physics/percepatan.py) + * Statistic + * [Labelencoding](https://github.com/bellshade/Python/blob/main/implementation/statistic/LabelEncoding.py) + * [Correlation](https://github.com/bellshade/Python/blob/main/implementation/statistic/correlation.py) + * [Covariance](https://github.com/bellshade/Python/blob/main/implementation/statistic/covariance.py) + * [Entropy](https://github.com/bellshade/Python/blob/main/implementation/statistic/entropy.py) + * [Factoranalitic](https://github.com/bellshade/Python/blob/main/implementation/statistic/factorAnalitic.py) + * [Information Gain](https://github.com/bellshade/Python/blob/main/implementation/statistic/information_gain.py) + * [Median](https://github.com/bellshade/Python/blob/main/implementation/statistic/median.py) + * [Modus](https://github.com/bellshade/Python/blob/main/implementation/statistic/modus.py) + * [Multivariate Normal](https://github.com/bellshade/Python/blob/main/implementation/statistic/multivariate_normal.py) + * [Normaldistribution Multivariate](https://github.com/bellshade/Python/blob/main/implementation/statistic/normalDistribution_multivariate.py) + * [Rata Rata](https://github.com/bellshade/Python/blob/main/implementation/statistic/rata_rata.py) + * [Softmax](https://github.com/bellshade/Python/blob/main/implementation/statistic/softmax.py) + * [Standard Deviasi](https://github.com/bellshade/Python/blob/main/implementation/statistic/standard_deviasi.py) + * [Variance](https://github.com/bellshade/Python/blob/main/implementation/statistic/variance.py) ## Math * [ Runge Kutta](https://github.com/bellshade/Python/blob/main/math/%20runge_kutta.py) * [Aliquot Sum](https://github.com/bellshade/Python/blob/main/math/aliquot_sum.py) * [Angka Proth](https://github.com/bellshade/Python/blob/main/math/angka_proth.py) * [Bisection Math](https://github.com/bellshade/Python/blob/main/math/bisection_math.py) + * [Convolution](https://github.com/bellshade/Python/blob/main/math/convolution.py) + * [Cos](https://github.com/bellshade/Python/blob/main/math/cos.py) + * [Counter](https://github.com/bellshade/Python/blob/main/math/counter.py) + * [Deret Taylor](https://github.com/bellshade/Python/blob/main/math/deret_taylor.py) * [Digit Sum](https://github.com/bellshade/Python/blob/main/math/digit_sum.py) + * [Exponential Function](https://github.com/bellshade/Python/blob/main/math/exponential_function.py) * [Faktor Prima](https://github.com/bellshade/Python/blob/main/math/faktor_prima.py) + * [Faktorial Looping](https://github.com/bellshade/Python/blob/main/math/faktorial_looping.py) + * [Faktorial Rekursif](https://github.com/bellshade/Python/blob/main/math/faktorial_rekursif.py) + * [Fft](https://github.com/bellshade/Python/blob/main/math/fft.py) + * [Fibonacci](https://github.com/bellshade/Python/blob/main/math/fibonacci.py) + * [Fungsi Gamma](https://github.com/bellshade/Python/blob/main/math/fungsi_gamma.py) * [Geometric Sum](https://github.com/bellshade/Python/blob/main/math/geometric_sum.py) * [Intergration](https://github.com/bellshade/Python/blob/main/math/intergration.py) * [Is Prime](https://github.com/bellshade/Python/blob/main/math/is_prime.py) + * [Iteration Power](https://github.com/bellshade/Python/blob/main/math/iteration_power.py) * [Jumlah Deret Geomteri](https://github.com/bellshade/Python/blob/main/math/jumlah_deret_geomteri.py) + * [Kombinasi Permutasi](https://github.com/bellshade/Python/blob/main/math/kombinasi_permutasi.py) * [Midpoint](https://github.com/bellshade/Python/blob/main/math/midpoint.py) + * [Pascal Triangle](https://github.com/bellshade/Python/blob/main/math/pascal_triangle.py) * [Persamaan Kuadarat Bilangan Kompleks](https://github.com/bellshade/Python/blob/main/math/persamaan_kuadarat_bilangan_kompleks.py) + * [Prime Number Library](https://github.com/bellshade/Python/blob/main/math/prime_number_library.py) + * [Proth Number](https://github.com/bellshade/Python/blob/main/math/proth_number.py) * [Qr Decomposition](https://github.com/bellshade/Python/blob/main/math/qr_decomposition.py) + * [R2 Score](https://github.com/bellshade/Python/blob/main/math/r2_score.py) * [Radian](https://github.com/bellshade/Python/blob/main/math/radian.py) + * [Random Generator](https://github.com/bellshade/Python/blob/main/math/random_generator.py) * [Rectangle](https://github.com/bellshade/Python/blob/main/math/rectangle.py) * [Recursion Power](https://github.com/bellshade/Python/blob/main/math/recursion_power.py) * [Relu](https://github.com/bellshade/Python/blob/main/math/relu.py) + * [Rieman Integral](https://github.com/bellshade/Python/blob/main/math/rieman_integral.py) * [Segmented Sieve](https://github.com/bellshade/Python/blob/main/math/segmented_sieve.py) + * [Sieve Of Eratosthenes](https://github.com/bellshade/Python/blob/main/math/sieve_of_eratosthenes.py) * [Sigmoid](https://github.com/bellshade/Python/blob/main/math/sigmoid.py) * [Simpson](https://github.com/bellshade/Python/blob/main/math/simpson.py) + * [Sin](https://github.com/bellshade/Python/blob/main/math/sin.py) + * [Sock Merchant](https://github.com/bellshade/Python/blob/main/math/sock_merchant.py) + * [Softmax](https://github.com/bellshade/Python/blob/main/math/softmax.py) * [Sum Geometric Progression](https://github.com/bellshade/Python/blob/main/math/sum_geometric_progression.py) * [Sylvester Sequence](https://github.com/bellshade/Python/blob/main/math/sylvester_sequence.py) * [Teorema Pytaghoras](https://github.com/bellshade/Python/blob/main/math/teorema_pytaghoras.py) @@ -212,29 +305,99 @@ * [Two Pointer](https://github.com/bellshade/Python/blob/main/math/two_pointer.py) * [Two Sum](https://github.com/bellshade/Python/blob/main/math/two_sum.py) * [Ugly Number](https://github.com/bellshade/Python/blob/main/math/ugly_number.py) + * [Variance](https://github.com/bellshade/Python/blob/main/math/variance.py) * [Volume](https://github.com/bellshade/Python/blob/main/math/volume.py) * [Zellers Congruence](https://github.com/bellshade/Python/blob/main/math/zellers_congruence.py) -## Object Oriented Programming +## Matrix + * [Matriks Special](https://github.com/bellshade/Python/blob/main/matrix/matriks_special.py) + * [Median Matriks](https://github.com/bellshade/Python/blob/main/matrix/median_matriks.py) + * [Pencarian Biner Matrix](https://github.com/bellshade/Python/blob/main/matrix/pencarian_biner_matrix.py) + +## Object Oriented + * Advance + * Pycode + * Argument + * [Args](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/argument/args.py) + * Decorators + * [Contoh Decorators1](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/decorators/contoh_decorators1.py) + * [Contoh Decorators2](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/decorators/contoh_decorators2.py) + * [Contoh Decorators3](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/decorators/contoh_decorators3.py) + * [Decorators](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/decorators/decorators.py) + * [Decorators Chaining](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/decorators/decorators_chaining.py) + * [Decorators Return](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/decorators/decorators_return.py) + * Generators + * [Generators For](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/generators/generators_for.py) + * [Generators While](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/generators/generators_while.py) + * Magic Methods + * [Mmethod](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/magic_methods/Mmethod.py) + * Metaclass + * [Composite](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/metaclass/composite.py) + * [Factory](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/metaclass/factory.py) + * [Proxy](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/metaclass/proxy.py) + * [Singleton](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/metaclass/singleton.py) + * Type Hint + * [Hinter](https://github.com/bellshade/Python/blob/main/object_oriented/advance/pycode/type_hint/hinter.py) * Basic Oop - * 1 Atribut Kelas - * [Atribut Kelas](https://github.com/bellshade/Python/blob/main/object_oriented_programming/basic_oop/1_atribut_kelas/atribut_kelas.py) + * 01 Atribut Kelas + * [Atribut Kelas](https://github.com/bellshade/Python/blob/main/object_oriented/basic_oop/01_atribut_kelas/atribut_kelas.py) + * Intermediate + * Abstraksi + * [Abstraksi](https://github.com/bellshade/Python/blob/main/object_oriented/intermediate/abstraksi/abstraksi.py) + * Encapsulation + * [Encapsulation](https://github.com/bellshade/Python/blob/main/object_oriented/intermediate/encapsulation/encapsulation.py) + * [Encapsulation2](https://github.com/bellshade/Python/blob/main/object_oriented/intermediate/encapsulation/encapsulation2.py) + * Inheritance + * [Inheritance](https://github.com/bellshade/Python/blob/main/object_oriented/intermediate/inheritance/inheritance.py) + * Polimorfis + * [Polimorfisme Kelas](https://github.com/bellshade/Python/blob/main/object_oriented/intermediate/polimorfis/polimorfisme_kelas.py) + * [Polimorfisme Sederhana](https://github.com/bellshade/Python/blob/main/object_oriented/intermediate/polimorfis/polimorfisme_sederhana.py) ## Other * [Anagramcheck](https://github.com/bellshade/Python/blob/main/other/anagramCheck.py) + * [Composite Number](https://github.com/bellshade/Python/blob/main/other/composite_number.py) * [Date To Weekday](https://github.com/bellshade/Python/blob/main/other/date_to_weekday.py) * [Doomsday Alg](https://github.com/bellshade/Python/blob/main/other/doomsday_alg.py) + * [Happy Number](https://github.com/bellshade/Python/blob/main/other/happy_number.py) * [Hex To Rgb](https://github.com/bellshade/Python/blob/main/other/hex_to_rgb.py) * [Is Palindrom](https://github.com/bellshade/Python/blob/main/other/is_palindrom.py) + * [Kaprekar Number](https://github.com/bellshade/Python/blob/main/other/kaprekar_number.py) + * [Krisnamurtycheck](https://github.com/bellshade/Python/blob/main/other/krisnamurtyCheck.py) + * [Logic Gate](https://github.com/bellshade/Python/blob/main/other/logic_gate.py) + * [Lucky Number](https://github.com/bellshade/Python/blob/main/other/lucky_number.py) * [Power Dac](https://github.com/bellshade/Python/blob/main/other/power_dac.py) * [Rgb To Hex](https://github.com/bellshade/Python/blob/main/other/rgb_to_hex.py) + * [Strong Password Check](https://github.com/bellshade/Python/blob/main/other/strong_password_check.py) + * [Taxicab](https://github.com/bellshade/Python/blob/main/other/taxicab.py) * [Tower Of Hanoi](https://github.com/bellshade/Python/blob/main/other/tower_of_hanoi.py) + * Turtle + * [Logo Apple](https://github.com/bellshade/Python/blob/main/other/turtle/logo_apple.py) + +## Regular Expression + * 00 Pengenalan Regex + * [Contoh Regex](https://github.com/bellshade/Python/blob/main/regular_expression/00_pengenalan_regex/contoh_regex.py) ## Struktur Data * [Doubly Linked List](https://github.com/bellshade/Python/blob/main/struktur_data/doubly_linked_list.py) * [Singly Linked List](https://github.com/bellshade/Python/blob/main/struktur_data/singly_linked_list.py) + * Stack + * [Stack List](https://github.com/bellshade/Python/blob/main/struktur_data/stack/stack_list.py) + * Tree + * Avl Tree + * [Avl Tree](https://github.com/bellshade/Python/blob/main/struktur_data/tree/avl_tree/avl_tree.py) + * Binary Search Tree + * [Basic Binary Tree](https://github.com/bellshade/Python/blob/main/struktur_data/tree/binary_search_tree/basic_binary_tree.py) + * [Binary Search Tree](https://github.com/bellshade/Python/blob/main/struktur_data/tree/binary_search_tree/binary_search_tree.py) + * [Binary Search Tree Rekursif](https://github.com/bellshade/Python/blob/main/struktur_data/tree/binary_search_tree/binary_search_tree_rekursif.py) + * [Binary Tree Node Sum](https://github.com/bellshade/Python/blob/main/struktur_data/tree/binary_search_tree/binary_tree_node_sum.py) + * [Binary Tree Path Sum](https://github.com/bellshade/Python/blob/main/struktur_data/tree/binary_search_tree/binary_tree_path_sum.py) + * [Binary Tree Mirror](https://github.com/bellshade/Python/blob/main/struktur_data/tree/binary_tree_mirror.py) + * [Fenwick Tree](https://github.com/bellshade/Python/blob/main/struktur_data/tree/fenwick_tree.py) ## Web Programming * [Breadcrumb Generator](https://github.com/bellshade/Python/blob/main/web_programming/breadcrumb_generator.py) + * [Covid Stat Xpath](https://github.com/bellshade/Python/blob/main/web_programming/covid_stat_xpath.py) + * [Emisi Co2](https://github.com/bellshade/Python/blob/main/web_programming/emisi_co2.py) + * [Get Random Quote](https://github.com/bellshade/Python/blob/main/web_programming/get_random_quote.py) * [Pagination Helper](https://github.com/bellshade/Python/blob/main/web_programming/pagination_helper.py) * [Statik Corona](https://github.com/bellshade/Python/blob/main/web_programming/statik_corona.py) diff --git a/Dockerfile b/Dockerfile new file mode 100644 index 00000000..e69de29b diff --git a/LICENSE b/LICENSE index f745e0b4..142d8430 100644 --- a/LICENSE +++ b/LICENSE @@ -1,6 +1,6 @@ MIT License -Copyright (c) 2021 Bell shade community +Copyright (c) 2022 Bell shade community Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal diff --git a/README.md b/README.md index 1564d43b..0a6ce840 100644 --- a/README.md +++ b/README.md @@ -1,14 +1,15 @@



- Part of Bellshade Project, managed by WPU Discord Community
+ Part of Bellshade Project, managed by WPU Discord Community and Kelas terbuka Discord Community
WPU Community is the fastest growing software developer forum initiated by Mr. Sandhika Galih
- Visitor Badge + badge lisensi - badge lgtm badge codefactor - badge unitesting github - badge circle ci
+

@@ -18,9 +19,9 @@ Repositori ini berisi kumpulan berbagai macam _source code_ struktur data, algor Python dibuat dan dikembangkan oleh Guido Van Rossum, programmer yang berasal dari Belanda. Pemilihan nama python itu sendiri diambil dari sebuah acara televisi yang lumayan terkenal yang bernama **Moth Python Flying Circus** yang merupakan acara sirkus favorit dari Guido. -Python adalah bahasa pemrograman multi paradigma, pemrogramaan berorientasi objek dan permograman terstruktur juga didukung penuh, dan banyak fiturnya mendukung pemrograman fungsional. +Python adalah bahasa pemrograman multi paradigma, pemrogramaan berorientasi objek dan pemrograman terstruktur juga didukung penuh, serta banyak fiturnya mendukung pemrograman fungsional. -Kelebihan diatara python antara lain +Kelebihan diantara python antara lain - Mudah digunakan untuk menulis di perangkat lunak terbaru - Mudah untuk diajarkan @@ -34,15 +35,15 @@ Contoh implementasi dari bahasa pemrograman python adalah - Aplikasi bisnis seperti tryton - Pembuatan game seperti battlefield 2 - Pengembangan web seperti django atau flask (library) -- Pengembangan dari situs web dan layanan sperti dropbox, buzfeed dan uber +- Pengembangan dari situs web dan layanan seperti dropbox, buzfeed dan uber ### Baru Belajar? Mulai dari [sini](Basic) 🌟 -Untuk menggunakan repositori dengan maksimal, kalian perlu belajar programming dasar dahulu. Silahkan ikuti alur belajar berikut untuk mempelajari dasar - dasar pemograman langsung menggunakan Python +Untuk menggunakan repositori dengan maksimal, kalian perlu belajar programming dasar dahulu. Silakan ikuti alur belajar berikut untuk mempelajari dasar-dasar pemograman langsung menggunakan Python -| Langkah | Topik | Target Pembelajaran | Materi Rujukan | -| :-----: | :------------------------------: | :-----------------------------------------------------------------------------------: | :----------------------------------: | -| 01 | Introduksi Pemograman dan Python | Memahami apa itu membuat program dan apa peran Python dalam proses pembuatan program | [Materi](Basic/01_introduction) | +| Langkah | Topik | Target Pembelajaran | Materi Rujukan | +| :-----: | :------------------------------: | :-----------------------------------------------------------------------------------: | :-----------------------------------: | +| 01 | Introduksi Pemrograman dan Python | Memahami apa itu membuat program dan apa peran Python dalam proses pembuatan program | [Materi](Basic/01_introduction) | | 02 | Tipe data | Memahami apa itu tipe data | [Materi](Basic/02_tipe_data) | | 03 | Variabel | Memahami apa itu variabel | [Materi](Basic/03_variable) | | 04 | Operasi | Dapat melakukan operasi sederhana menggunakan program yang ditulis menggunakan Python | [Materi](Basic/04_operator) | @@ -51,24 +52,24 @@ Untuk menggunakan repositori dengan maksimal, kalian perlu belajar programming d | 07 | Pengkondisian | Memahami salah satu dari inti dari membuat pemograman yaitu melakukan pengkondisian | [Materi](Basic/07_logika_percabangan) | | 08 | Perulangan | Memahami inti kedua dari pemograman yaitu melakukan perulangan | [Materi](Basic/08_perulangan) | | 09 | Fungsi | Mengenal konsep fungsi dalam teknik pemograman | [Materi](Basic/09_fungsi) | -| 10 | List dan Tuple | Memahami konsep list dan tuple secara mendalam | [Materi](Basic/10_list_tuple) | -| 11 | Manipulasi String | Memahami cara memanipulasi sebuah string | [Materi](Basic/11_manipulasi_string) | -| 12 | Exception | Memahami konsep exception pada python | [Materi](Basic/12_exception) | -| 13 | Module | Memahami cara mengimport sebuah module pada python | [Materi](Basic/13_module) | -| 14 | Datetime | Mengenal module datetime pada python | [Materi](Basic/14_python_datetime) | -| 15 | Math | Mengenal module math pada python | [Materi](Basic/15_python_math) | -| 16 | kelas | Mengenal kelas pada python | [Materi](Basic/16_class) | +| 10 | List dan Tuple | Memahami konsep list dan tuple secara mendalam | [Materi](Basic/10_list_tuple) | +| 11 | Manipulasi String | Memahami cara memanipulasi sebuah string | [Materi](Basic/11_manipulasi_string) | +| 12 | Exception | Memahami konsep exception pada python | [Materi](Basic/12_exception) | +| 13 | Module | Memahami cara mengimport sebuah module pada python | [Materi](Basic/13_module) | +| 14 | Datetime | Mengenal module datetime pada python | [Materi](Basic/14_python_datetime) | +| 15 | Math | Mengenal module math pada python | [Materi](Basic/15_python_math) | +| 16 | kelas | Mengenal kelas pada python | [Materi](Basic/16_class) | -Setelah menyelesaikan seluruh rangkaian pengenalan dasar - dasar pemograman, kalian dapat mulai untuk mempelajari topik - topik lain yang jauh lebih seru! -Untuk sekarang, mulai saja dulu dengan [Object Oriented Programming]() +Setelah menyelesaikan seluruh rangkaian pengenalan dasar-dasar pemrograman, kalian dapat mulai untuk mempelajari topik-topik lain yang jauh lebih seru! +Untuk sekarang, mulai saja dulu dengan [Object Oriented Programming](object_oriented_programming/README.md) ## 🎓 Topik Lanjutan 🎓 -Jika kalian sudah menguasai dasar - dasar pemograman beserta dengan paradigma _Object Oriented Programming_, kalian bisa langsung mengeksplorasi topik - topik lain yang jauh lebih menantang dan tidak kalah seru. Di repositori ini, kami telah menyiapkan beberapa topik yang mungkin kamu suka. +Jika kalian sudah menguasai dasar-dasar pemrograman beserta dengan paradigma _Object Oriented Programming_, kalian bisa langsung mengeksplorasi topik-topik lain yang jauh lebih menantang dan tidak kalah seru. Di repositori ini, kami telah menyiapkan beberapa topik yang mungkin kamu suka. -01. [Algoritma Struktur Data](/algorithm) +1. [Struktur Data](/struktur_data) -02. [Web Programming](/web_programming) +2. [Web Programming](/web_programming) ## ⚡ Quick Access ⚡ @@ -77,6 +78,15 @@ Semua _script_ yang ada pada repositori ini, dapat diakses dengan cepat lewat li - [Basic](Basic/README.md) - [Algoritma](algorithm) - [Implementasi](implementation) + - [Blockchain](implementation/blockchain) + - [Celular automata](implementation/celular_automata) + - [Chiper](implementation/chiper) + - [Compression](implementation/compression) + - [Electro](implementation/electro) + - [File transfer](implementation/file_transfer) + - [Fractal](implementation/fractal) + - [Geodesy](implementation/geodesy_programming) + - [Physics](implementation/physics) - [Web Programming](web_programming) - [Implementasi Matematika](math) @@ -88,4 +98,4 @@ Bantuan kalian diperlukan Agar Bellshade dapat lebih jauh lagi membantu anak-ana Kami sangat senang bila kalian ingin melakukan kontribusi pada repositori **Python** ini. Tapi, sebelum itu, silahkan baca terlebih dahulu [peraturan dan pedomannya](CONTRIBUTING.md) yang telah kami siapkan. Terima kasih! -Untuk informasi lebih lanjut, mari gabung dalam komunitas [Discord Channel WPU](http://discord.gg/S4rrXQU) +Untuk informasi lebih lanjut, mari gabung dalam komunitas [Discord Channel WPU](http://discord.gg/S4rrXQU) dan [Discord Channel Kelas Terbuka](https://discord.gg/eavqxxTU) diff --git a/SECURITY.md b/SECURITY.md new file mode 100644 index 00000000..034e8480 --- /dev/null +++ b/SECURITY.md @@ -0,0 +1,21 @@ +# Security Policy + +## Supported Versions + +Use this section to tell people about which versions of your project are +currently being supported with security updates. + +| Version | Supported | +| ------- | ------------------ | +| 5.1.x | :white_check_mark: | +| 5.0.x | :x: | +| 4.0.x | :white_check_mark: | +| < 4.0 | :x: | + +## Reporting a Vulnerability + +Use this section to tell people how to report a vulnerability. + +Tell them where to go, how often they can expect to get an update on a +reported vulnerability, what to expect if the vulnerability is accepted or +declined, etc. diff --git a/algorithm/arithmetic_analysis/README.md b/algorithm/arithmetic_analysis/README.md index 15ab6538..7ae2b29a 100644 --- a/algorithm/arithmetic_analysis/README.md +++ b/algorithm/arithmetic_analysis/README.md @@ -1,16 +1,32 @@ -# arithmetic analysis +# Arithmetic analysis -analisis numerik adalah studi algoritma untuk memecahkan masalah dalam __matematika kontinu__ (sebagimana dibedakan dalam matematika diskrit). +Analisis numerik adalah studi algoritma untuk memecahkan masalah dalam __matematika kontinu__ (sebagimana dibedakan dalam matematika diskrit). -analisis numerik secara alami diterapkan di semua bidang rekayasa dan ilmu-ilmu fisi, tetapi pada abad ke 21, ilmu-ilmu hayati dan seni mulai mengadopsi unsur-unsur komputasi ilmiah. persamaan diferensial biasa muncul dalam pergerakan benda langit (planet, bintang dan galaksi). optimisasi muncul dalam pengeloloaan portofolio. aljabar linear numerik sangat penting dalam psikologi kuantitatif. persamaan diferensial stokastik dan rantai markov penting dalam mensimulasikan sel hidup dalam kedokteran dan biologi. +Analisis numerik secara alami diterapkan di semua bidang rekayasa dan ilmu-ilmu fisi, tetapi pada abad ke 21, ilmu-ilmu hayati dan seni mulai mengadopsi unsur-unsur komputasi ilmiah. persamaan diferensial biasa muncul dalam pergerakan benda langit (planet, bintang dan galaksi). optimisasi muncul dalam pengeloloaan portofolio. aljabar linear numerik sangat penting dalam psikologi kuantitatif. persamaan diferensial stokastik dan rantai markov penting dalam mensimulasikan sel hidup dalam kedokteran dan biologi. list dari penerapan arithmetic analysis - [bisection](bisection.py) - [gaussian elimination](gaussian_elimination.py) - [in static equilibirum](in_static_equilibrium.py) +- [intersection](intersection.py) +- [jacobi iteration method](jacobi_iteration_method.py) - [newton forward interpolation](newton_forward_interpolation.py) - [newton method](newton_method.py) - [newton raphson](newton_raphson.py) +- [root search](rootsearch.py) - [secant method](secant_method.py) -Materi Selanjutnya: [Backtracking](../backtracking) \ No newline at end of file +Materi Selanjutnya: [Backtracking](../backtracking) + + +## Bisection + +Metode bisection digunakan untuk mencari akar-akar persamaan polinomial. ini memisahkan interval dan membagi interval dimana akar persmaan terletak. Prinsip dibalik metode ini adalah teorema perantara untuk fungsi kontinu. Ia bekerja dengan mempersempit kesenjangan antara interval positif dan negatif. Ini adalah metode yagn sederhana dan relatif lambat. metode bisection juga dikenal sebagai metode interval halving, metode pencarian akar, metode pencarian biner atau metode dikotomi. + +## Gaussian elimination + +dalam matematika, _gaussian elimination_ juga dikenal dengan reduksi baris, adalah algoritma untuk menyelesaikan persamaan linier. Ini terdiri dari urutan operasi yagn dilakukan pada matrik koefisien yang sesuai. Metode ini juga dapat digunakan untuk menghitung rank suatu matriks, determinan matriks persegi, dan invers matrik yang dapat dibalik. + +## Static equilibrium + +keseimbangan statis (_static equilibrium_) mengacu pada sistem apapun dimana jumlah gaya, dan torsi, pada setiap partikel sistem adalah nol. Sederhananya, ini adalah keseimbangan sistem yang bagian-bagiannya diam. diff --git a/algorithm/arithmetic_analysis/bisection.py b/algorithm/arithmetic_analysis/bisection.py index 48d23b4e..bfcab07e 100644 --- a/algorithm/arithmetic_analysis/bisection.py +++ b/algorithm/arithmetic_analysis/bisection.py @@ -3,7 +3,7 @@ def bisection(function: Callable[[float], float], a: float, b: float) -> float: """ - menemukan di mana fungsi menjadi 0 dalam [a,b] menggunakan bolzano + menemukan dimana fungsi menjadi 0 dalam [a,b] menggunakan bolzano >>> bisection(lambda x: x ** 3 - 1, -5, 5) 1.0000000149011612 >>> bisection(lambda x: x ** 3 - 1, 2, 1000) @@ -32,7 +32,7 @@ def bisection(function: Callable[[float], float], a: float, b: float) -> float: raise ValueError("tidak dapat menemukan root dalam interval yang diberikan.") else: mid: float = start + (end - start) / 2.0 - while abs(start - mid) > 10 ** -7: + while abs(start - mid) > 10**-7: if function(mid) == 0: return mid elif function(mid) * function(start) < 0: @@ -44,7 +44,7 @@ def bisection(function: Callable[[float], float], a: float, b: float) -> float: def float_float(x: float) -> float: - return x ** 3 - 2 * x - 5 + return x**3 - 2 * x - 5 if __name__ == "__main__": diff --git a/algorithm/arithmetic_analysis/in_static_equilibrium.py b/algorithm/arithmetic_analysis/in_static_equilibrium.py index 6d9f4972..5a8a0a17 100644 --- a/algorithm/arithmetic_analysis/in_static_equilibrium.py +++ b/algorithm/arithmetic_analysis/in_static_equilibrium.py @@ -1,65 +1,57 @@ """ Memeriksa apakah sistem gaya berada dalam kesetimbangan statis. """ -from __future__ import annotations -import numpy as np +from numpy import array, cos, cross, ndarray, radians, sin def polar_force( magnitude: float, angle: float, radian_mode: bool = False ) -> list[float]: - """ - Menghitung force pada suatu sistem dengan menggunakan matriks - rotasi dan magnitudenya. - >>> polar_force(10, 45) - [7.0710678118654755, 7.071067811865475] - >>> polar_force(10, 3.14, radian_mode=True) - [-9.999987317275394, 0.01592652916486828] - """ + # Menghitung force pada suatu sistem dengan menggunakan matriks + # rotasi dan magnitudenya. + # polar 10, 45 = 7.0710678118654755, 7.071067811865475 + # polar 10, 3.14, True = -9.999987317275394, 0.01592652916486828 if radian_mode: - return [magnitude * np.cos(angle), magnitude * np.sin(angle)] - return [ - magnitude * np.cos(np.radians(angle)), - magnitude * np.sin(np.radians(angle)), - ] + return [magnitude * cos(angle), magnitude * sin(angle)] + return [magnitude * cos(radians(angle)), magnitude * sin(radians(angle))] def in_static_equilibrium( - forces: np.ndarray, location: np.ndarray, eps: float = 10 ** -1 + forces: ndarray, location: ndarray, eps: float = 10**-1 ) -> bool: """ Menentukan apakah sistem berada dalam kesetimbangan statis. Periksa apakah suatu sistem dalam keadaan setimbang. Dibutuhkan dua objek numpy.array. - >>> force = np.array([[1, 1], [-1, 2]]) - >>> location = np.array([[1, 0], [10, 0]]) + >>> force = array([[1, 1], [-1, 2]]) + >>> location = array([[1, 0], [10, 0]]) >>> in_static_equilibrium(force, location) False """ - moments: np.ndarray = np.cross(location, forces) - sum_moments: float = np.sum(moments) + moments: ndarray = cross(location, forces) + sum_moments: float = sum(moments) return abs(sum_moments) < eps if __name__ == "__main__": - forces = np.array( + forces = array( [polar_force(718.4, 180 - 30), polar_force(879.54, 45), polar_force(100, -90)] ) - location = np.array([[0, 0], [0, 0], [0, 0]]) + location = array([[0, 0], [0, 0], [0, 0]]) assert in_static_equilibrium(forces, location) - forces = np.array( + forces = array( [ polar_force(30 * 9.81, 15), polar_force(215, 180 - 45), polar_force(264, 90 - 30), ] ) - location = np.array([[0, 0], [0, 0], [0, 0]]) + location = array([[0, 0], [0, 0], [0, 0]]) assert in_static_equilibrium(forces, location) - forces = np.array([[0, -2000], [0, -1200], [0, 15600], [0, -12400]]) - location = np.array([[0, 0], [6, 0], [10, 0], [12, 0]]) + forces = array([[0, -2000], [0, -1200], [0, 15600], [0, -12400]]) + location = array([[0, 0], [6, 0], [10, 0], [12, 0]]) assert in_static_equilibrium(forces, location) import doctest diff --git a/algorithm/arithmetic_analysis/intersection.py b/algorithm/arithmetic_analysis/intersection.py index 08705e49..20085f9a 100644 --- a/algorithm/arithmetic_analysis/intersection.py +++ b/algorithm/arithmetic_analysis/intersection.py @@ -39,7 +39,7 @@ def intersection(function: Callable[[float], float], num1: float, num2: float) - function(x_number2) / ((function(x_number2) - function(x_number1)) / (x_number2 - x_number1)) ) - if abs(x_number3 - x_number2) < 10 ** -5: + if abs(x_number3 - x_number2) < 10**-5: return x_number3 x_number1 = x_number2 x_number2 = x_number3 diff --git a/algorithm/arithmetic_analysis/jacobi_iteration_method.py b/algorithm/arithmetic_analysis/jacobi_iteration_method.py new file mode 100644 index 00000000..3ade30e8 --- /dev/null +++ b/algorithm/arithmetic_analysis/jacobi_iteration_method.py @@ -0,0 +1,113 @@ +# dalam aljabar linier numerik, metode jacobi adalah algoritma iteratif +# untuk menentukan solusi dari sistem persamaan linier yang dominan +# secara diagonal.setiap elemen diagonal diselesaikan, dan nilai +# perkiraan dimasukkan. proses ini kemudian diulang sampe konvergen. +# algoritma ini adalah versi stipped-down dari metode transformasi jacobi +# dari diagonalisasi matriks. metode ini dinamai carl gustav jacob jacobi + + +from __future__ import annotations + +import numpy as np + + +# metode untuk mencari solusi sistem persamaan linear +def jacobi_iteration_method( + coefficient_matrix: np.ndarray, + constant_matrix: np.ndarray, + init_val: list, + iterations: int, +) -> list[float]: + """ + algoritma iteratif untuk menentukan solusi dari + dominan diagonal tegas sistem persamaan linear + + 4x1 + x2 + x3 = 2 + x2 + 5x2 + 2x3 = -6 + + >>> coefficient = np.array([[4, 1, 1], [1, 5, 2], [1, 2, 4]]) + >>> constant = np.array([[2], [-6], [-4]]) + >>> init_val = [0.5, -0.5, -0.5] + >>> iterations = 3 + >>> jacobi_iteration_method(coefficient, constant, init_val, iterations) + [0.909375, -1.14375, -0.7484375] + """ + + rows1, cols1 = coefficient_matrix.shape + rows2, cols2 = constant_matrix.shape + + if rows1 != cols1: + raise ValueError(f"koefisien matriks harus nxn tetapi sekarang {rows1}x{cols1}") + + if cols2 != 1: + raise ValueError(f"konstanta matriks harus nx1 tetapi sekarang {rows2}x{cols2}") + + if rows1 != rows2: + raise ValueError( + f"""koeifisien dan konstanta matriks harus ukuran nxn dan nx1 + tetapi sekarang {rows1}x{cols1} dan {rows2}x{cols2}""" + ) + + if len(init_val) != rows1: + raise ValueError( + f"""jumlah nilai awal harus sama dengan jumlah baris dalam + koefisien matriks tetapi sekarang {len(init_val)} dan {rows1}""" + ) + + if iterations <= 0: + raise ValueError("iterasi setidaknya harus 1") + + table = np.concatenate((coefficient_matrix, constant_matrix), axis=1) + rows, cols = table.shape + + strictly_diagonally_dominant(table) + + for i in range(iterations): + new_val = [] + for row in range(rows): + temp = 0 + for col in range(cols): + if col == row: + denom = table[row][col] + elif col == cols - 1: + val = table[row][col] + else: + temp += (-1) * table[row][col] * init_val[col] + temp = (temp + val) / denom + new_val.append(temp) + init_val = new_val + + return [float(i) for i in new_val] + + +# memeriksa apakah matriks yang diberikan benar-benar dominan diagonal +def strictly_diagonally_dominant(table: np.ndarray) -> bool: + """ + >>> table = np.array([[4, 1, 1, 2], [1, 5, 2, -6], [1, 2, 4, -4]]) + >>> strictly_diagonally_dominant(table) + True + """ + rows, cols = table.shape + + is_diagonally_dominant = True + + for i in range(0, rows): + sum = 0 + for j in range(0, cols - 1): + if i == j: + continue + else: + sum += table[i][j] + + if table[i][i] <= sum: + raise ValueError( + "matriks koefisien tidak sepenuhnya dominan secara diagonal" + ) + + return is_diagonally_dominant + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/algorithm/arithmetic_analysis/lu_decomposition.py b/algorithm/arithmetic_analysis/lu_decomposition.py index 98a2c141..f2fa5fb0 100644 --- a/algorithm/arithmetic_analysis/lu_decomposition.py +++ b/algorithm/arithmetic_analysis/lu_decomposition.py @@ -1,12 +1,9 @@ # informasi tentang lu decomposition bisa cek disini # https://en.wikipedia.org/wiki/LU_decomposition - -from typing import Tuple - import numpy as np -def lower_upper_decomposition(table: np.ndarray) -> Tuple[np.ndarray, np.ndarray]: +def lower_upper_decomposition(table: np.ndarray) -> tuple[np.ndarray, np.ndarray]: """ contoh: >>> matrix = np.array([[2, -2, 1], [0, 1, 2], [5, 3, 1]]) diff --git a/algorithm/arithmetic_analysis/newton_forward_interpolation.py b/algorithm/arithmetic_analysis/newton_forward_interpolation.py index 975471e5..4d6ab56c 100644 --- a/algorithm/arithmetic_analysis/newton_forward_interpolation.py +++ b/algorithm/arithmetic_analysis/newton_forward_interpolation.py @@ -1,5 +1,4 @@ import math -from typing import List # kalkulasi nilai u @@ -21,7 +20,7 @@ def ucal(u: float, p: int) -> float: def setcal() -> None: n = int(input("masukkan jumlah nilai: ")) - y: List[List[float]] = [] + y: list[list[float]] = [] for i in range(n): y.append([]) for i in range(n): diff --git a/algorithm/arithmetic_analysis/newton_method.py b/algorithm/arithmetic_analysis/newton_method.py index 0fcaa1c6..5227cf85 100644 --- a/algorithm/arithmetic_analysis/newton_method.py +++ b/algorithm/arithmetic_analysis/newton_method.py @@ -32,17 +32,17 @@ def newton( next_guess = prev_guess - function(prev_guess) / derivative(prev_guess) except ZeroDivisionError: raise ZeroDivisionError("tidak dapat menemukan akar") from None - if abs(prev_guess - next_guess) < 10 ** -5: + if abs(prev_guess - next_guess) < 10**-5: return next_guess prev_guess = next_guess def f(x: float) -> float: - return (x ** 3) - (2 * x) - 5 + return (x**3) - (2 * x) - 5 def f1(x: float) -> float: - return 3 * (x ** 2) - 2 + return 3 * (x**2) - 2 if __name__ == "__main__": diff --git a/algorithm/arithmetic_analysis/newton_raphson.py b/algorithm/arithmetic_analysis/newton_raphson.py index 6174c270..434dedd9 100644 --- a/algorithm/arithmetic_analysis/newton_raphson.py +++ b/algorithm/arithmetic_analysis/newton_raphson.py @@ -12,7 +12,7 @@ from sympy import diff -def newton_raphson(func: str, a: float | Decimal, pres: float = 10 ** -10) -> float: +def newton_raphson(func: str, a: float | Decimal, pres: float = 10**-10) -> float: """ Menemukan akar dari titik 'a' dan seterusnya dengan metode Newton-Raphson >>> newton_raphson("sin(x)", 2) diff --git a/algorithm/arithmetic_analysis/rootsearch.py b/algorithm/arithmetic_analysis/rootsearch.py new file mode 100644 index 00000000..687b964e --- /dev/null +++ b/algorithm/arithmetic_analysis/rootsearch.py @@ -0,0 +1,81 @@ +from typing import Callable + +from numpy import sign + + +def root_search( + f: Callable[[float], float], a: float, b: float, dx: float +) -> tuple[float, float]: + # Fungsi untuk menghitung nilai akar dari sebuah persamaan non linear + # satu variable. Ide dasarnya adalah jika f(a) dan f(b) punya tanda yang berbeda + # (f(a) positif, f(b) negatif atau sebaliknya), + # maka setidaknya ada 1 akar di interval [a, b]. + # + # Parameter: + # f -- persamaan yang akan dihitung nilai akarnya (function) + # a -- batas bawah interval (float) + # b -- batas atas interval (float) + # dx -- lebar bins (besar interval yang digunakan untuk membagi suatu + # area di bawah kurva persamaan f. + x0 = a + f0 = f(a) + x1 = a + dx + f1 = f(x1) + + while sign(f0) == sign(f1): + if x0 >= b: + raise ValueError("Akar tidak ditemukan pada interval tersebut") + x0 = x1 + f0 = f1 + x1 = x0 + dx + f1 = f(x1) + return x0, x1 + + +def incremental_root_search( + f: Callable[[float], float], x0: float, x1: float, n: int +) -> float: + """ + Secara iteratif mencari nilai akar berdasarkan fungsi root_search. + Secara intuitif, semakin besar nilai n, semakin akurat nilai akar yang didapatkan. + + Parameter: + f -- persamaan yang akan dihitung nilai akarnya (function) + x0 -- batas bawah interval (float) + x1 -- batas atas interval (float) + n -- jumlah bins yang membagi interval [x0, x1] sama besar. + + >>> incremental_root_search(lambda x: x ** 3 - 10.0 * x ** 2 + 5.0, 0.7, 1.0, 6) + 0.7346036499999994 + >>> x = incremental_root_search(lambda x: x**2 - 4*x + 1, 2.0, 4.0, 6) + >>> x + 3.7320509999999993 + >>> incremental_root_search(lambda x: x**2 - 4*x + 4, 0.0, 4.0, 6) + 1.9999980000000013 + >>> incremental_root_search(lambda x: x**2 - 4*x + 4, 0.0, 1.0, 6) + Traceback (most recent call last): + ... + ValueError: Akar tidak ditemukan pada interval tersebut + """ + for _ in range(n): + dx = (x1 - x0) / 10.0 + x0, x1 = root_search(f, x0, x1, dx) + x = (x0 + x1) / 2.0 + + return x + + +def equation(x: float) -> float: + # Berisi persamaan polinomial yang akan dicari akarnya. + # Bilangan basis berupa float. Bilangan pangkat (eksponen) berupa bilangan bulat. + # Persamaan di bawah dapat diganti-ganti. + # + # Pada kasus ini: + # f(x) = x^3 - 10x^2 + 5 + return x**3 - 10.0 * x**2 + 5.0 + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/algorithm/backtracking/all_combinations.py b/algorithm/backtracking/all_combinations.py new file mode 100644 index 00000000..2665325c --- /dev/null +++ b/algorithm/backtracking/all_combinations.py @@ -0,0 +1,48 @@ +# dalam soal contoh ini kita ingin menentukan semua +# kemungkinan kombinasi dari k +# angka dari 1 ... n. kita menggunakan algoritma +# backtracking untuk memcahkan masalah + +from __future__ import annotations + + +def generate_all_combinations(n: int, k: int) -> list[list[int]]: + """ + >>> generate_all_combinations(n=4, k=2) + [[1, 2], [1, 3], [1, 4], [2, 3], [2, 4], [3, 4]] + """ + result: list[list[int]] = [] + create_all_state(1, n, k, [], result) + return result + + +def create_all_state( + increment: int, + total_number: int, + level: int, + current_list: list[int], + total_list: list[list[int]], +) -> None: + if level == 0: + total_list.append(current_list[:]) + return + + for i in range(increment, total_number - level + 2): + current_list.append(i) + create_all_state(i + 1, total_number, level - 1, current_list, total_list) + current_list.pop() + + +def print_all_state(total_list: list[list[int]]) -> None: + for i in total_list: + print(*i) + + +if __name__ == "__name__": + import doctest + + doctest.testmod() + n = 4 + k = 2 + total_list = generate_all_combinations(n, k) + print_all_state(total_list) diff --git a/algorithm/backtracking/cari_kata.py b/algorithm/backtracking/cari_kata.py new file mode 100644 index 00000000..5de6eed2 --- /dev/null +++ b/algorithm/backtracking/cari_kata.py @@ -0,0 +1,97 @@ +# diberikan m x n grid matriks yang berisi kata +# dan diberikan input kata yang diinginkan +# maka akan huruf tersebut dicari, jika huruf dalam inputan +# memenuhi maka ouput bernilai true +# contoh problem +# https://leetcode.com/problems/word-search/ + + +def dapatkan_kata_kunci( + panjang_papan: int, panjang_kolom_papan: int, baris: int, kolom: int +) -> int: + """ + >>> dapatkan_kata_kunci(10, 20, 1, 0) + 200 + """ + return panjang_papan * panjang_kolom_papan * baris + kolom + + +def cari_kata( + papan: list[list[str]], + kata: str, + baris: int, + kolom: int, + indeks_kata: int, + set_poin: set[int], +) -> bool: + """ + >>> cari_kata([["A"]], "B", 0, 0, 0, set()) + False + """ + if papan[baris][kolom] != kata[indeks_kata]: + return False + if indeks_kata == len(kata) - 1: + return True + + traverts_diversion = [(0, 1), (0, -1), (-1, 0), (1, 0)] + panjang_papan = len(papan) + panjang_kolom_papan = len(papan[0]) + for direction in traverts_diversion: + next_i = baris + direction[0] + next_j = kolom + direction[1] + if not (0 <= next_i < panjang_papan and 0 <= next_j < panjang_kolom_papan): + continue + + kunci = dapatkan_kata_kunci(panjang_papan, panjang_kolom_papan, next_i, next_j) + if kunci in set_poin: + continue + + set_poin.add(kunci) + if cari_kata(papan, kata, next_i, next_j, indeks_kata + 1, set_poin): + return True + + set_poin.remove(kunci) + + return False + + +def cek_kata(papan: list[list[str]], kata: str) -> bool: + """ + >>> cek_kata([["A","B","C","E"],["S","F","C","S"],["A","D","E","E"]], "ABCCED") + True + """ + pesan_error = "papan tidak boleh kosong," + panjang_papan = len(papan) + if not isinstance(papan, list) or len(papan) == 0: + raise ValueError(pesan_error) + + for baris in papan: + if not isinstance(baris, list) or len(baris) == 0: + raise ValueError(pesan_error) + + for item in baris: + if not isinstance(item, str) or len(item) != 1: + raise ValueError(pesan_error) + + if not isinstance(kata, str) or len(kata) == 0: + raise ValueError("parameter kata tidak boleh kosong") + + panjang_kolom_papan = len(papan[0]) + for i in range(panjang_papan): + for j in range(panjang_kolom_papan): + if cari_kata( + papan, + kata, + i, + j, + 0, + {dapatkan_kata_kunci(panjang_papan, panjang_kolom_papan, i, j)}, + ): + return True + return False + + +if __name__ == "__main__": + import doctest + + doctest.tesmod() diff --git a/algorithm/backtracking/coloring.py b/algorithm/backtracking/coloring.py index 44642972..07ad415c 100644 --- a/algorithm/backtracking/coloring.py +++ b/algorithm/backtracking/coloring.py @@ -3,10 +3,8 @@ # sedemikian rupa sehingga tidak ada simpul yang berdekatan yang diberi warna yang sama # Wikipedia: https://en.wikipedia.org/wiki/Graph_coloring -from typing import List - -def coloring(neighbours: List[int], colored_vertices: List[int], color: int) -> bool: +def coloring(neighbours: list[int], colored_vertices: list[int], color: int) -> bool: """ Untuk setiap pemeriksaan apakah kendala pewarna terpenuhi Jika salah satu dari kegagalan, kendala return False @@ -25,7 +23,7 @@ def coloring(neighbours: List[int], colored_vertices: List[int], color: int) -> def util_color( - graph: List[List[int]], max_color: int, colored_vertices: List[int], index: int + graph: list[list[int]], max_color: int, colored_vertices: list[int], index: int ) -> bool: """ alur : @@ -70,7 +68,7 @@ def util_color( return False -def color(graph: List[List[int]], max_color: int) -> List[int]: +def color(graph: list[list[int]], max_color: int) -> list[int]: """ Fungsi pembungkus untuk memanggil subrutin yang disebut util_color yang akan mengembalikan True atau False. diff --git a/algorithm/backtracking/combination.py b/algorithm/backtracking/combination.py index 66683f36..b75008c1 100644 --- a/algorithm/backtracking/combination.py +++ b/algorithm/backtracking/combination.py @@ -2,16 +2,14 @@ # nomor dari 1 ... n. Kami menggunakan backtracking untuk memecahkan masalah ini. # Kompleksitas waktu: O(C(n,k)) yaitu O(n pilih k) = O((n!/(k! * (n - k)!))) -from typing import List - -def generate_combination(n: int, k: int) -> List[List[int]]: +def generate_combination(n: int, k: int) -> list[list[int]]: """ >>> generate_combination(n=4, k=2) [[1, 2], [1, 3], [1, 4], [2, 3], [2, 4], [3, 4]] """ - result: List[List[int]] = [] + result: list[list[int]] = [] create_state(1, n, k, [], result) @@ -22,10 +20,9 @@ def create_state( increment: int, total_number: int, level: int, - current_list: List[int], - total_list: List[List[int]], + current_list: list[int], + total_list: list[list[int]], ) -> None: - if level == 0: total_list.append(current_list[:]) return @@ -35,7 +32,7 @@ def create_state( current_list.pop() -def print_state(total_list: List[List[int]]) -> None: +def print_state(total_list: list[list[int]]) -> None: for i in total_list: print(*i) diff --git a/algorithm/backtracking/hamilton_cycle.py b/algorithm/backtracking/hamilton_cycle.py index 5675b3e5..de991c09 100644 --- a/algorithm/backtracking/hamilton_cycle.py +++ b/algorithm/backtracking/hamilton_cycle.py @@ -6,11 +6,9 @@ # 'masalah jalur Hamiltonian', yang NP-complete. # Wikipedia: https://en.wikipedia.org/wiki/Hamiltonian_path -from typing import List - def connect( - graph: List[List[int]], next_ver: int, current_ind: int, path: List[int] + graph: list[list[int]], next_ver: int, current_ind: int, path: list[int] ) -> bool: """ Memeriksa apakah mungkin untuk menambahkan @@ -41,7 +39,7 @@ def connect( return not any(vertex == next_ver for vertex in path) -def set_hamilton_cycle(graph: List[List[int]], path: List[int], curr_ind: int) -> bool: +def set_hamilton_cycle(graph: list[list[int]], path: list[int], curr_ind: int) -> bool: """ kode base: 1. cek jika mengecek semua sudut @@ -97,7 +95,7 @@ def set_hamilton_cycle(graph: List[List[int]], path: List[int], curr_ind: int) - return False -def hamilton_cycle(graph: List[List[int]], start_index: int = 0) -> List[int]: +def hamilton_cycle(graph: list[list[int]], start_index: int = 0) -> list[int]: r""" fungsi untuk memanggil subrutin yang disebut set_hamilton_cycle, yang akan mengembalikan array simpul yang menunjukkan siklus hamiltonian diff --git a/algorithm/backtracking/permutation.py b/algorithm/backtracking/permutation.py index 4a447846..b338761d 100644 --- a/algorithm/backtracking/permutation.py +++ b/algorithm/backtracking/permutation.py @@ -2,51 +2,20 @@ # dari urutan yang diberikan. # Kami menggunakan backtracking untuk memecahkan masalah ini. # Kompleksitas waktu: O(n! * n), -# di mana n menyatakan panjang barisan yang diberikan. +# dimana n menyatakan panjang barisan yang diberikan. +from __future__ import annotations -from typing import List, Union +def generate_all_permutaions(sequence: list[int | str]) -> None: + create_state_space_tree(sequence, [], 0, [0 for i in range(len(sequence))]) -def generate_permutation(sequence: List[Union[int, str]]) -> None: - """ - >>> from typing import List, Union - >>> sequence: List[Union[int, str]] = [3, 1, 2, 4] - >>> generate_permutation(sequence) - [3, 1, 2, 4] - [3, 1, 4, 2] - [3, 2, 1, 4] - [3, 2, 4, 1] - [3, 4, 1, 2] - [3, 4, 2, 1] - [1, 3, 2, 4] - [1, 3, 4, 2] - [1, 2, 3, 4] - [1, 2, 4, 3] - [1, 4, 3, 2] - [1, 4, 2, 3] - [2, 3, 1, 4] - [2, 3, 4, 1] - [2, 1, 3, 4] - [2, 1, 4, 3] - [2, 4, 3, 1] - [2, 4, 1, 3] - [4, 3, 1, 2] - [4, 3, 2, 1] - [4, 1, 3, 2] - [4, 1, 2, 3] - [4, 2, 3, 1] - [4, 2, 1, 3] - """ - state_space_tree(sequence, [], 0, [0 for i in range(len(sequence))]) - -def state_space_tree( - sequence: List[Union[int, str]], - current_sequence: List[Union[int, str]], +def create_state_space_tree( + sequence: list[int | str], + current_sequence: list[int | str], index: int, - index_used: List[int], + index_used: list[int], ) -> None: - """ Membuat pohon ruang untuk iterasi melalui setiap cabang menggunakan DFS. Kita tahu bahwa setiap negara memiliki persis len (urutan) - anak-anak indeks. @@ -60,7 +29,7 @@ def state_space_tree( if not index_used[i]: current_sequence.append(sequence[i]) index_used[i] = True - state_space_tree(sequence, current_sequence, index + 1, index_used) + create_state_space_tree(sequence, current_sequence, index + 1, index_used) current_sequence.pop() index_used[i] = False diff --git a/algorithm/backtracking/subsequence.py b/algorithm/backtracking/subsequence.py index a40e9c96..58e3c7f4 100644 --- a/algorithm/backtracking/subsequence.py +++ b/algorithm/backtracking/subsequence.py @@ -2,31 +2,18 @@ # dari urutan yang diberikan. # Kami menggunakan backtracking untuk memecahkan masalah ini. # Kompleksitas waktu: O(2^n), -# di mana n menyatakan panjang barisan yang diberikan. +# dimana n menyatakan panjang barisan yang diberikan. +from __future__ import annotations -from typing import Any, List +from typing import Any -def generate_subsequence(sequence: List[Any]) -> None: - """ - >>> seq: List[Any] = [3, 1, 2, 4] - >>> seq.clear() - >>> seq.extend(["A", "B", "C"]) - >>> generate_subsequence(seq) - [] - ['C'] - ['B'] - ['B', 'C'] - ['A'] - ['A', 'C'] - ['A', 'B'] - ['A', 'B', 'C'] - """ +def generate_all_subsequences(sequence: list[Any]) -> None: create_state_space_tree(sequence, [], 0) def create_state_space_tree( - sequence: List[Any], current_subsequence: List[Any], index: int + sequence: list[Any], current_subsequence: list[Any], index: int ) -> None: """ membuat state_space_tree untuk beralih melalui setiap @@ -49,9 +36,9 @@ def create_state_space_tree( if __name__ == "__main__": import doctest - seq: List[Any] = [3, 1, 2, 4] - generate_subsequence(seq) + seq: list[Any] = [3, 1, 2, 4] + generate_all_subsequences(seq) seq.clear() seq.extend(["A", "B", "C"]) - generate_subsequence(seq) + generate_all_subsequences(seq) doctest.testmod() diff --git a/algorithm/backtracking/sudoku.py b/algorithm/backtracking/sudoku.py index 3d6db333..466a5605 100644 --- a/algorithm/backtracking/sudoku.py +++ b/algorithm/backtracking/sudoku.py @@ -9,10 +9,9 @@ # Jika ya, kita Telah memecahkan teki">teka-teki. lain, # kita mundur dan menempatkan nomor lain dalam sel itu dan ulangi proses ini. +from __future__ import annotations -from typing import List, Optional, Tuple - -Matrix = List[List[int]] +Matrix = list[list[int]] initial_grid: Matrix = [ [3, 0, 6, 5, 0, 8, 4, 0, 0], @@ -40,13 +39,12 @@ def safe(grid: Matrix, row: int, col: int, num: int) -> bool: - """ - Fungsi ini memeriksa kisi untuk melihat apakah setiap baris, - kolom, dan subgrid 3x3 berisi digit 'n'. - Ini mengembalikan False - jika tidak 'aman' (digit duplikat ditemukan) - pengembalian lain Benar jika 'aman' - """ + # Fungsi ini memeriksa kisi untuk melihat apakah setiap baris, + # kolom, dan subgrid 3x3 berisi digit 'n'. + # Ini mengembalikan False + # jika tidak 'aman' (digit duplikat ditemukan) + # pengembalian lain Benar jika 'aman' + for i in range(9): if grid[row][i] == num or grid[i][col] == num: return False @@ -59,11 +57,9 @@ def safe(grid: Matrix, row: int, col: int, num: int) -> bool: return True -def find_empty_location(grid: Matrix) -> Optional[Tuple[int, int]]: - """ - Fungsi ini menemukan lokasi kosong sehingga - kita dapat menetapkan nomor untuk baris dan kolom tertentu. - """ +def find_empty_location(grid: Matrix) -> tuple[int, int] | None: + # Fungsi ini menemukan lokasi kosong sehingga + # kita dapat menetapkan nomor untuk baris dan kolom tertentu. for i in range(9): for j in range(9): if grid[i][j] == 0: @@ -72,7 +68,7 @@ def find_empty_location(grid: Matrix) -> Optional[Tuple[int, int]]: return None -def sudoku(grid: Matrix) -> Optional[Matrix]: +def sudoku(grid: Matrix) -> Matrix | None: """ Mengambil grid yang terisi sebagian dan mencoba untuk menetapkan nilai ke semua lokasi @@ -110,9 +106,7 @@ def sudoku(grid: Matrix) -> Optional[Matrix]: def show_solution(grid: Matrix) -> None: - """ - tampilkan solusi Sudoku - """ + # tampilkan solusi Sudoku dari ukuran 9x9 for row in grid: for cell in row: print(cell, end=" ") diff --git a/algorithm/boolean_algebra/quinc_mc_cluskey.py b/algorithm/boolean_algebra/quinc_mc_cluskey.py index 41c43afd..494ba0fb 100644 --- a/algorithm/boolean_algebra/quinc_mc_cluskey.py +++ b/algorithm/boolean_algebra/quinc_mc_cluskey.py @@ -4,7 +4,9 @@ # dikembangkan oleh W.V. Quine dan Edward J.McCluskey. # https://en.wikipedia.org/wiki/Quine%E2%80%93McCluskey_algorithm -from typing import List +from __future__ import annotations + +from typing import Sequence def compare_string(string1: str, string2: str) -> str: @@ -29,13 +31,13 @@ def compare_string(string1: str, string2: str) -> str: return "".join(l1) -def check(binary: List[str]) -> List[str]: +def check(binary: list[str]) -> list[str]: """ >>> check(['0.00.01.5']) ['0.00.01.5'] """ pi = [] - while 1: + while True: check1 = ["$"] * len(binary) temp = [] for i in range(len(binary)): @@ -55,19 +57,18 @@ def check(binary: List[str]) -> List[str]: binary = list(set(temp)) -def decimal_to_binary(no_of_variable: int, minterms: List[float]) -> List[str]: +def decimal_to_binary(no_of_variable: int, minterms: Sequence[float]) -> list[str]: """ >>> decimal_to_binary(3,[1.5]) ['0.00.01.5'] """ temp = [] - s = "" - for m in minterms: + for minterm in minterms: + string = "" for _ in range(no_of_variable): - s = str(m % 2) + s - m //= 2 - temp.append(s) - s = "" + string = str(minterm % 2) + string + minterm //= 2 + temp.append(string) return temp @@ -78,19 +79,16 @@ def is_for_table(string1: str, string2: str, count: int) -> bool: >>> is_for_table('01_','001',1) False """ - l1 = list(string1) - l2 = list(string2) + list1 = list(string1) + list2 = list(string2) count_n = 0 - for i in range(len(l1)): - if l1[i] != l2[i]: + for i in range(len(list1)): + if list1[i] != list2[i]: count_n += 1 - if count_n == count: - return True - else: - return False + return count_n == count -def selection(chart: List[List[int]], prime_implicants: List[str]) -> List[str]: +def selection(chart: list[list[int]], prime_implicants: list[str]) -> list[str]: """ >>> selection([[1]], ['0.00.01.5']) ['0.00.01.5'] @@ -113,7 +111,7 @@ def selection(chart: List[List[int]], prime_implicants: List[str]) -> List[str]: for k in range(len(chart)): chart[k][j] = 0 temp.append(prime_implicants[i]) - while 1: + while True: max_n = 0 rem = -1 count_n = 0 @@ -134,8 +132,8 @@ def selection(chart: List[List[int]], prime_implicants: List[str]) -> List[str]: def prime_implicant_chart( - prime_implicants: List[str], binary: List[str] -) -> List[List[int]]: + prime_implicants: list[str], binary: list[str] +) -> list[list[int]]: """ >>> prime_implicant_chart(['0.00.01.5'], ['0.00.01.5']) [[1]] @@ -160,7 +158,7 @@ def prime_implicant_chart( # ] # binary = decimal_to_binary(no_of_variable, minterms) -# prime_implicants = check(binary) +# prime_implicaants = check(binary) # print("Prime Implicant adalah:") # print(prime_implicants) # chart = prime_implicant_chart(prime_implicants, binary) diff --git a/algorithm/divide_and_conquer/closest_pair_of_points.py b/algorithm/divide_and_conquer/closest_pair_of_points.py index 39837d8e..534304d0 100644 --- a/algorithm/divide_and_conquer/closest_pair_of_points.py +++ b/algorithm/divide_and_conquer/closest_pair_of_points.py @@ -9,9 +9,6 @@ # time complexity: O(n * log n) -from typing import List - - def euclidan_distance_sqr(point1, point2): """ >>> euclidan_distance_sqr([1, 2], [2, 4]) @@ -20,7 +17,7 @@ def euclidan_distance_sqr(point1, point2): return (point1[0] - point2[0]) ** 2 + (point1[1] - point2[1]) ** 2 -def column_based_sort(array, column) -> List[tuple]: +def column_based_sort(array, column) -> list[tuple]: """ >>> column_based_sort([(5, 1), (4, 2), (3, 0)], 1) [(3, 0), (5, 1), (4, 2)] @@ -63,7 +60,6 @@ def dis_between_closest_in_strip(points, point_count, min_dis=float("inf")): def closest_pair_of_points_sqr(points_sorted_on_x, points_sorted_on_y, point_count): - """ >>> points = [(1, 2), (3, 4)] >>> points2 = [(5,6), (7,8)] diff --git a/algorithm/divide_and_conquer/convex_hull.py b/algorithm/divide_and_conquer/convex_hull.py index caa8142d..2ed49267 100644 --- a/algorithm/divide_and_conquer/convex_hull.py +++ b/algorithm/divide_and_conquer/convex_hull.py @@ -8,7 +8,7 @@ # 1. Algoritma brute-force yang berjalan di O(n^3) # 2. Algoritma bagi-dan-taklukkan yang berjalan di O(n log(n)) -from typing import Iterable, List, Set, Union +from typing import Iterable class Point: @@ -79,8 +79,8 @@ def __hash__(self): def _construct_points( - list_of_tuples: Union[List[Point], List[List[float]], Iterable[List[float]]] -) -> List[Point]: + list_of_tuples: list[Point] | list[list[float]] | Iterable[list[float]], +) -> list[Point]: """ membangun daftar poin dari objek angka seperti array @@ -93,7 +93,7 @@ def _construct_points( Return -------- - points: daftar di mana setiap item bertipe Point. Ini hanya berisi objek + points: daftar dimana setiap item bertipe Point. Ini hanya berisi objek yang dapat diubah menjadi Point. Contoh @@ -110,7 +110,7 @@ def _construct_points( [] """ - points: List[Point] = [] + points: list[Point] = [] if list_of_tuples: for p in list_of_tuples: if isinstance(p, Point): @@ -126,7 +126,7 @@ def _construct_points( return points -def _validate_input(points: Union[List[Point], List[List[float]]]) -> List[Point]: +def _validate_input(points: list[Point] | list[list[float]]) -> list[Point]: """ memvalidasi instance input sebelum algoritma convex-hull menggunakannya @@ -204,7 +204,7 @@ def _det(a: Point, b: Point, c: Point) -> float: return det -def convex_hull_bf(points: List[Point]) -> List[Point]: +def convex_hull_bf(points: list[Point]) -> list[Point]: """ Membangun lambung cembung dari satu set poin 2D menggunakan algoritma brute force. @@ -263,7 +263,7 @@ def convex_hull_bf(points: List[Point]) -> List[Point]: return sorted(convex_set) -def convex_hull_recursive(points: List[Point]) -> List[Point]: +def convex_hull_recursive(points: list[Point]) -> list[Point]: """ Membangun lambung cembung dari satu set poin 2D menggunakan strategi membagi-dan-menaklukkan @@ -311,7 +311,7 @@ def convex_hull_recursive(points: List[Point]) -> List[Point]: def _construct_hull( - points: List[Point], left: Point, right: Point, convex_set: Set[Point] + points: list[Point], left: Point, right: Point, convex_set: set[Point] ) -> None: if points: extreme_point = None @@ -334,7 +334,7 @@ def _construct_hull( _construct_hull(candidate_points, extreme_point, right, convex_set) -def convex_hull_melkman(points: List[Point]) -> List[Point]: +def convex_hull_melkman(points: list[Point]) -> list[Point]: """ Membangun lambung cembung dari satu set titik 2D menggunakan algoritma melkman. Algoritma ini bekerja dengan menyisipkan diff --git a/algorithm/fuzzy_logic/fuzzy_operation.py b/algorithm/fuzzy_logic/fuzzy_operation.py index 5da3b0e0..8112bb29 100644 --- a/algorithm/fuzzy_logic/fuzzy_operation.py +++ b/algorithm/fuzzy_logic/fuzzy_operation.py @@ -1,7 +1,11 @@ # list set operasi fuzzy # https://en.wikipedia.org/wiki/Fuzzy_set_operations import numpy as np -import skfuzzy as fuzz + +try: + import skfuzzy as fuzz +except ImportError: + fuzz = None if __name__ == "__main__": # buat universe dengan meggunakan linspace() diff --git a/algorithm/manipulasi_bit/README.md b/algorithm/manipulasi_bit/README.md index 23964658..3a6864ac 100644 --- a/algorithm/manipulasi_bit/README.md +++ b/algorithm/manipulasi_bit/README.md @@ -1,3 +1,13 @@ ## Manipulasi Bit +manipulasi bit adalah tindakan manipulasi bit atau potongan data ain secaara algoritmik yang lebih pendek dari sebuah kata. manipulasi bit adalah suatu yang memiliki kompleksitas waktu yang konstan. manipulasi bit juga dalah proses penerapan operasi logis pada urutan bit untuk mencapai hasil yang diperlukan. tugas pemograman komputer yang memerlukan manipulasi bit meliputi: + +- kontrol perangkat tingkat rendah +- deteksi kesalahan dan algoritma koreksi +- kompresi data +- algoritma enkripsi +- optimaasi + +untuk sebagian besar tugs lainnya, bahasa pemograman modern memungkinkan pemrogram untuk bekerja secara langsung dengan abstraksi alih-alih bit yang mewakili abstraksi tersebut. manipulasi bit dapat meniadakan atau mengurangi kebutuhan untuk mengulang struktur data dan dapat mempercepat pengkodean karena manipulasi bit diproses secara paralel. + Materi Selanjutnya: [Matrix](../matrix) \ No newline at end of file diff --git a/algorithm/matrix/matrix_class.py b/algorithm/matrix/matrix_class.py index 1cf8a39f..368b4aba 100644 --- a/algorithm/matrix/matrix_class.py +++ b/algorithm/matrix/matrix_class.py @@ -4,7 +4,7 @@ class Matrix: """ Objek matriks yang dihasilkan dari array 2D - di mana setiap elemen adalah array yang mewakili + dimana setiap elemen adalah array yang mewakili berturut-turut. Baris dapat berisi tipe int atau float. Operasi umum dan informasi tersedia. @@ -120,9 +120,11 @@ def cofactors(self): return Matrix( [ [ - self.minors().rows[row][column] - if (row + column) % 2 == 0 - else self.minors().rows[row][column] * -1 + ( + self.minors().rows[row][column] + if (row + column) % 2 == 0 + else self.minors().rows[row][column] * -1 + ) for column in range(self.minors().num_columns) ] for row in range(self.minors().num_rows) diff --git a/algorithm/matrix/spiral_matrix.py b/algorithm/matrix/spiral_matrix.py new file mode 100644 index 00000000..10d25cfe --- /dev/null +++ b/algorithm/matrix/spiral_matrix.py @@ -0,0 +1,68 @@ +# Program ini mencetak matriks dalam bentuk spiral. +# Masalah ini telah diselesaikan melalui cara rekursif. +# Matriks harus memenuhi kondisi di bawah ini +# i) matriks harus hanya satu atau dua dimensi +# ii) jumlah kolom semua baris harus sama + +from collections.abc import Iterable + + +def check_matrix(matrix): + if matrix and isinstance(matrix, Iterable): + if isinstance(matrix[0], Iterable): + prev_len = 0 + for row in matrix: + if prev_len == 0: + prev_len = len(row) + result = True + else: + result = prev_len == len(row) + else: + result = True + else: + result = False + + return result + + +def spiral_print(a): + if check_matrix(a) and len(a) > 0: + mat_row = len(a) + if isinstance(a[0], Iterable): + mat_col = len(a[0]) + else: + for dat in a: + print(dat), + return + + # pencetakan horizontal meningkat + for i in range(0, mat_col): + print(a[0][i]), + + # pencetakan vertikal ke bawah + for i in range(1, mat_row): + print(a[i][mat_col - 1]), + + # pencetakan horizontal menurun + if mat_row > 1: + for i in range(mat_col - 2, -1, -1): + print(a[mat_row - 1][i]), + + # pencetakan vertikal ke atas + for i in range(mat_row - 2, 0, -1): + print(a[i][0]), + + remain_mat = [row[1 : mat_col - 1] for row in a[1 : mat_row - 1]] + if len(remain_mat) > 0: + spiral_print(remain_mat) + else: + return + + else: + print("matrix tidak valid") + return + + +if __name__ == "__main__": + a = ([1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]) + spiral_print(a) diff --git a/algorithm/networking_flow/ford_fulkerson.py b/algorithm/networking_flow/ford_fulkerson.py index 4acd1e4b..97fef0e9 100644 --- a/algorithm/networking_flow/ford_fulkerson.py +++ b/algorithm/networking_flow/ford_fulkerson.py @@ -1,5 +1,19 @@ -def BFS(graph, s, t, parent) -> bool: +# ford fulkerson adalah algoritma greedy +# yang menghitung aliran maksimum dalam jaringan +# aliran atau dalam grafik +# cara kerja algoritma +# - inisialisasi aliran di semua sisi ke 0 +# - meskipun ada jalur augmentasi antara sumber dan +# sink, tambahkan jalur ke aliran +# - memperbarui grafik dari sisa + +# algoritma ini digunakan dalam +# - pipa distribusi air +# - problem pencocokan bipartit + + +def bfs(graph, s, t, parent) -> bool: visited = [False] * len(graph) queue = [] queue.append(s) @@ -33,7 +47,7 @@ def FordFulkerson(graph, source, sink): parent = [-1] * (len(graph)) max_flow = 0 - while BFS(graph, source, sink, parent): + while bfs(graph, source, sink, parent): path_flow = float("Inf") s = sink diff --git a/algorithm/searching/_types.py b/algorithm/searching/_types.py index 8a417e0d..4dda9bb1 100644 --- a/algorithm/searching/_types.py +++ b/algorithm/searching/_types.py @@ -7,13 +7,13 @@ @runtime_checkable class SizedIndexable(Iterable[T], Protocol[T]): - @overload - def __getitem__(self, key: int) -> T: - ... - @overload def __getitem__(self, key: slice) -> SizedIndexable[T]: - ... + """ + Hanya untuk suppress LGTM alert + """ def __len__(self) -> int: - ... + """ + hanya untuk supress LGTM alert + """ diff --git a/algorithm/searching/binary_search.py b/algorithm/searching/binary_search.py index 7f5173d2..e3cd6770 100644 --- a/algorithm/searching/binary_search.py +++ b/algorithm/searching/binary_search.py @@ -25,6 +25,7 @@ https://en.wikipedia.org/wiki/Binary_search_algorithm """ + from __future__ import annotations from typing import Any, Protocol, TypeVar @@ -34,13 +35,17 @@ class Comparable(Protocol): def __lt__(self, other: Any) -> bool: - ... + """ + Hanya untuk supress LGTM alert + """ def __le__(self, other: Any) -> bool: """Hanya untuk suppress LGTM alert.""" def __gt__(self, other: Any) -> bool: - ... + """ + Hanya untuk supress LGTM alert + """ def __ge__(self, other: Any) -> bool: """Hanya untuk suppress LGTM alert.""" diff --git a/algorithm/searching/linear_search.py b/algorithm/searching/linear_search.py index 24d4c147..c22d788b 100644 --- a/algorithm/searching/linear_search.py +++ b/algorithm/searching/linear_search.py @@ -14,6 +14,7 @@ https://en.wikipedia.org/wiki/Linear_search """ + from __future__ import annotations from typing import TypeVar diff --git a/algorithm/sorting/bead_sort.py b/algorithm/sorting/bead_sort.py new file mode 100644 index 00000000..622d0b1c --- /dev/null +++ b/algorithm/sorting/bead_sort.py @@ -0,0 +1,31 @@ +# beard sort atau juga bisa disebut dengan gravity sort +# algoritma sorting ini terinspirasi dari fenomena alam +# dan dirancang dengan mengingat object yang jatuh dibawah +# pengaruh gravitasi + +# beard sort hanya berfungsi untuk urutan bilangan +# bilat non-negatif + + +def bead_sort(sequence: list) -> list: + """ + >>> bead_sort([6, 11, 12, 4, 1, 5]) + [1, 4, 5, 6, 11, 12] + + >>> bead_sort("coba string") + Traceback (most recent call last): + ... + TypeError: Sequence harus berupa list dari non negatif + """ + if any(not isinstance(x, int) or x < 0 for x in sequence): + raise TypeError("Sequence harus berupa list dari non negatif") + for _ in range(len(sequence)): + for i, (rod_upper, rod_lower) in enumerate(zip(sequence, sequence[1:])): + if rod_upper > rod_lower: + sequence[i] -= rod_upper - rod_lower + sequence[i + 1] += rod_upper - rod_lower + return sequence + + +if __name__ == "__main__": + assert bead_sort([5, 4, 3, 2, 1]) == [1, 2, 3, 4, 5] diff --git a/algorithm/sorting/bitonic_sorting.py b/algorithm/sorting/bitonic_sorting.py new file mode 100644 index 00000000..690effdb --- /dev/null +++ b/algorithm/sorting/bitonic_sorting.py @@ -0,0 +1,64 @@ +from __future__ import annotations + + +def komparasi_swap(array: list[int], index1: int, index2: int, direction: int) -> None: + """ + membanding nilai pada indeks 1 dan index 2 yang diberikan dalam array, kemudian swap + sesuai dengan arah yang diberikan + + >>> arr = [12, 42, -21, 1] + >>> komparasi_swap(arr, 1, 2, 1) + >>> arr + [12, -21, 42, 1] + """ + if (direction == 1 and array[index1] > array[index2]) or ( + direction == 0 and array[index1] < array[index2] + ): + array[index1], array[index2] = array[index2], array[index1] + + +def bitonic_merge(array: list[int], low: int, length: int, direction: int) -> None: + """ + fungsi rekursif yang mengurutkan urutan bitonic secara naik, jika arah = 1, + dan secara menurun jika arah = 0. urutan yang akan diurutkan + dimulai pada posisi indeks rendah, parameter panjang adalah + jumlah elemen yang akan diurutkan + + >>> arr = [12, 42, -21, 1] + >>> bitonic_merge(arr, 0, 4, 1) + >>> arr + [-21, 1, 12, 42] + """ + if length > 1: + mid = int(length / 2) + for i in range(low, low + mid): + komparasi_swap(array, i, i + mid, direction) + bitonic_merge(array, low, mid, direction) + bitonic_merge(array, low + mid, mid, direction) + + +def bitonic_sorting(array: list[int], low: int, length: int, direction: int) -> None: + """ + fungsi ini pertama menghasilkan urutan bitonik dengan mengurutkan secara rekursif + dua setengahnya dalam urutan yang berlawan, kemudian memanggil fungsi + bitonic_merge untuk menggabungkan urutan yang sama + + >>> arr = [12, 34, 92, -23, 0, -121, -167, 145] + >>> bitonic_sorting(arr, 0, 8, 0) + >>> arr + [145, 92, 34, 12, 0, -23, -121, -167] + """ + if length > 1: + mid = int(length / 2) + bitonic_sorting(array, low, mid, 1) + bitonic_sorting(array, low + mid, mid, 0) + bitonic_merge(array, low, length, direction) + + +if __name__ == "__main__": + import doctest + + # dat_input = input("masukkan beberapa angka menggunakan koma:").strip() + # tidak_tersorting = [int(item.strip()) for item in dat_input.split(",")] + # bitonic_sorting(tidak_tersorting, 0, len(tidak_tersorting), 1) + doctest.testmod(verbose=True) diff --git a/algorithm/sorting/bogo_sorting.py b/algorithm/sorting/bogo_sorting.py new file mode 100644 index 00000000..0bacefc6 --- /dev/null +++ b/algorithm/sorting/bogo_sorting.py @@ -0,0 +1,34 @@ +import random + + +def bogo_sorting(arr: list[int]) -> list[int]: + """ + algoritma bogo sorting adalah algoritma yang bekerja dengan + mengurutkan elemen array secara acak kemudian memeriksa apakah array + tersebut sudah diurutkan. jika tidak, maka akan mengacak kembali. + proses tersebut dilanjutkan hingga semua array ter-urut. + algoritma ini termasuk algoritma sorting yang paling tidak efisien + + >>> bogo_sorting([0, 2, 5, 1, 2]) + [0, 1, 2, 2, 5] + """ + + # membuat fungsi untuk mengecek apakah array + # sudah disorting + def sudah_disorting(data): + for i in range(len(data) - 1): + if data[i] > data[i + 1]: + return False + return True + + # jika array belum disorting maka lakukan + # pengacakan hingga tersorting + while not sudah_disorting(arr): + random.shuffle(arr) + return arr + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/algorithm/sorting/bubble_sort.py b/algorithm/sorting/bubble_sort.py new file mode 100644 index 00000000..b8344bf6 --- /dev/null +++ b/algorithm/sorting/bubble_sort.py @@ -0,0 +1,41 @@ +# bubble sort adalah metode pengurutan algoritma +# dengan cara penukaran data secara terus menerus +# sampai bisa dipastikan dlam satu iterasi tertentu +# tidak ada lagi perubahan / penukaran. + +# bandingkan nilai data ke 1 dan data ke 2 +# jika data ke 1 lebih besar, maka tukar posisi ke data 2 +# kemudian data yang lebih besar dibandingkan dengand data 3 + + +def bubble_sort(collection): + """ + contoh + >>> bubble_sort([0, 5, 2, 3, 2]) + [0, 2, 2, 3, 5] + >>> bubble_sort([0, 5, 2, 3, 2]) == sorted([0, 5, 2, 3, 2]) + True + """ + panjang = len(collection) + + for i in range(panjang - 1): + swap = False + for j in range(panjang - 1 - i): + if collection[j] > collection[j + 1]: + swap = True + collection[j], collection[j + 1] = collection[j + 1], collection[j] + if not swap: + # stop iterasi jika sudah ter sorting + break + return collection + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) + + data = [0, 3, 5, 4, 2, 7] + unsorted = [int(item) for item in data] + print(f"data yang belum di sorting adalah {unsorted}") + print(f"data yang sudah di sorting {bubble_sort(unsorted)}") diff --git a/algorithm/sorting/bubble_sort_ascii.py b/algorithm/sorting/bubble_sort_ascii.py new file mode 100644 index 00000000..1cb4ba8b --- /dev/null +++ b/algorithm/sorting/bubble_sort_ascii.py @@ -0,0 +1,43 @@ +# bubble sort adalah metode pengurutan algoritma +# dengan cara penukaran data secara terus menerus +# sampai bisa dipastikan dlam satu iterasi tertentu +# tidak ada lagi perubahan / penukaran. + +# melakukan iterasi sebanyak jumlah data collection +# data collection dapat berupa kumpulan string dan/atau integer +# bandingkan data ke 1 dengan data ke 2 +# jika huruf awal atau nilai data ke 1 lebih besar, maka tukar posisi ke data 2 +# kemudian data yang lebih besar dibandingkan dengand data 3 +# urutan data mengikuti urutan ASCII + + +def bubble_sort_ascii(collection: list) -> list: + """ + contoh + >>> bubble_sort_ascii([0, 5, 2, 3, 2]) + [0, 2, 2, 3, 5] + >>> bubble_sort_ascii(['c', 'a', 'd', 'b', 'e']) + ['a', 'b', 'c', 'd', 'e'] + >>> bubble_sort_ascii(['b', 3, 'a', '!', 2, 'c']) + ['!', 2, 3, 'a', 'b', 'c'] + >>> bubble_sort_ascii([0, 5, 2, 3, 2]) == sorted([0, 5, 2, 3, 2]) + True + """ + panjang = len(collection) + + for i in range(panjang - 1): + for j in range(panjang - 1 - i): + if str(collection[j]) > str(collection[j + 1]): + collection[j], collection[j + 1] = collection[j + 1], collection[j] + return collection + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) + + data = [4, "a", 2, "d", "b", "c", "$", "5"] + unsorted = [item for item in data] + print(f"data yang belum di sorting adalah {unsorted}") + print(f"data yang sudah di sorting {bubble_sort_ascii(unsorted)}") diff --git a/algorithm/sorting/bucket_sort.py b/algorithm/sorting/bucket_sort.py new file mode 100644 index 00000000..9572d5b4 --- /dev/null +++ b/algorithm/sorting/bucket_sort.py @@ -0,0 +1,51 @@ +# Bucket Sort adalah algoritma pengurutan +# yang membagi array ke dalam beberapa bucket, +# lalu setiap bucket diurutkan secara individu +# dan akhirnya semua bucket digabungkan menjadi array akhir. + +# Distribusikan elemen ke dalam bucket. +# Urutkan masing-masing bucket. +# Gabungkan semua bucket menjadi satu list terurut. + + +def bucket_sort(collection: list[float]) -> list[float]: + """ + contoh + >>> bucket_sort([0.25, 0.36, 0.58, 0.41, 0.29, 0.22, 0.45, 0.79]) + [0.22, 0.25, 0.29, 0.36, 0.41, 0.45, 0.58, 0.79] + >>> bucket_sort([0.5, 0.3, 0.9, 0.7]) + [0.3, 0.5, 0.7, 0.9] + """ + + if len(collection) == 0: + return collection + + # Membuat bucket kosong + bucket_count: int = len(collection) + buckets: list[list[float]] = [[] for _ in range(bucket_count)] + + # Menempatkan elemen ke dalam bucket + for value in collection: + index: int = int(value * bucket_count) + if index != bucket_count: + buckets[index].append(value) + else: + buckets[bucket_count - 1].append(value) + + # Mengurutkan setiap bucket dan menggabungkannya + sorted_array: list[float] = [] + for bucket in buckets: + sorted_array.extend(sorted(bucket)) + + return sorted_array + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) + + data: list[float] = [0.78, 0.17, 0.39, 0.26, 0.72, 0.94, 0.21, 0.12, 0.23, 0.68] + unsorted: list[float] = [float(item) for item in data] + print(f"data yang belum di sorting adalah {unsorted}") + print(f"data yang sudah di sorting {bucket_sort(unsorted)}") diff --git a/algorithm/sorting/circle_sort.py b/algorithm/sorting/circle_sort.py new file mode 100644 index 00000000..c0a13839 --- /dev/null +++ b/algorithm/sorting/circle_sort.py @@ -0,0 +1,52 @@ +# Circle Sort adalah algoritma pengurutan +# berbasis rekursif yang membandingkan dan +# menukar elemen-elemen dari ujung ke tengah, +# berulang sampai array tersortir. + +# Bandingkan elemen paling kiri dengan paling kanan. +# Jika elemen kiri lebih besar, tukar dengan elemen kanan. +# Lanjutkan ke tengah array, lalu lakukan rekursi. + + +def circle_sort(collection: list[int]) -> list[int]: + """ + contoh + >>> circle_sort([5, 3, 2, 8, 1, 4]) + [1, 2, 3, 4, 5, 8] + >>> circle_sort([10, 20, -5, 7, 3]) + [-5, 3, 7, 10, 20] + """ + + def circle_sort_rec(arr: list[int], left: int, right: int) -> bool: + if left == right: + return False + swapped = False + l, r = left, right + while l < r: + if arr[l] > arr[r]: + arr[l], arr[r] = arr[r], arr[l] + swapped = True + l += 1 + r -= 1 + if l == r and arr[l] > arr[r + 1]: + arr[l], arr[r + 1] = arr[r + 1], arr[l] + swapped = True + mid = (right - left) // 2 + left + left_swapped = circle_sort_rec(arr, left, mid) + right_swapped = circle_sort_rec(arr, mid + 1, right) + return swapped or left_swapped or right_swapped + + while circle_sort_rec(collection, 0, len(collection) - 1): + pass + return collection + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) + + data: list[int] = [10, -2, 7, 4, 3] + unsorted: list[int] = [int(item) for item in data] + print(f"data yang belum di sorting adalah {unsorted}") + print(f"data yang sudah di sorting {circle_sort(unsorted)}") diff --git a/algorithm/sorting/gnome_sorting.py b/algorithm/sorting/gnome_sorting.py new file mode 100644 index 00000000..865667b2 --- /dev/null +++ b/algorithm/sorting/gnome_sorting.py @@ -0,0 +1,38 @@ +def gnome_sorting(daftar: list) -> list: + """ + Implementasi dari algoritma gnome sorting + + fungsi yang menerima daftar yang dapat nantinya diubah + dan diurut dengan elemen heterogen yang bisa dibandingkan, + lalu mengembalikan list tersebut dalam urutan menaik + + Parameter: + daftar (list): data yang ingin diberikan + + Return: + (list): hasil sorting gnome + + Contoh: + >>> gnome_sorting([0, 5, 3, 2, 2]) + [0, 2, 2, 3, 5] + """ + if len(daftar) <= 1: + return daftar + + i = 1 + while i < len(daftar): + if daftar[i - 1] <= daftar[i]: + i += 1 + else: + # tukar elemen jika tidak dalam urutan yang bener + daftar[i - 1], daftar[i] = daftar[i], daftar[i - 1] + i -= 1 + if i == 0: + i = 1 + return daftar + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/algorithm/sorting/merge_sort.py b/algorithm/sorting/merge_sort.py new file mode 100644 index 00000000..d78aa165 --- /dev/null +++ b/algorithm/sorting/merge_sort.py @@ -0,0 +1,56 @@ +from __future__ import annotations + + +def merge_sort(data: list) -> list: + """ + merge sort adalah algoritma sorting data yang yang bekerja + dengan bekerja dengan membagi data menjadi dua bagian secara + rekursif, megnrutukan kedua bagian secara terpisah, lalu + menggabungkan kembali dua bagian tersebut dengan urutan + yang benar + + referensi: + https://en.wikipedia.org/wiki/Merge_sort + + Args: + data (list): beberapa data yang bisa berubah sebanding dengan + item yang sebanding di dalamnya + + Return: + (list): data hasil yang berupa ascending + + Contoh: + >>> merge_sort([0, 6, 3, 2, 1]) + [0, 1, 2, 3, 6] + """ + + def merge(kiri: list, kanan: list) -> list: + """ + gabungkan data kiri dan kanan + + Args: + kiri (list): data list kiri + kanan (kanan): data list kanan + + Return: + (list): data gabungan dari kiri dan kanan + """ + + def _gabung(): + while kiri and kanan: + yield (kiri if kiri[0] <= kanan[0] else kanan).pop(0) + yield from kiri + yield from kanan + + return list(_gabung()) + + if len(data) <= 1: + return data + mid = len(data) // 2 + return merge(merge_sort(data[:mid]), merge_sort(data[mid:])) + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/algorithm/sorting/quick_sorting.py b/algorithm/sorting/quick_sorting.py new file mode 100644 index 00000000..c4dba3bf --- /dev/null +++ b/algorithm/sorting/quick_sorting.py @@ -0,0 +1,59 @@ +from __future__ import annotations + + +def partisi(array: list[int], low: int, high: int) -> int: + """ + Partisi array menggunakan algoritma quicksort + array dipartisi menjadi dua bagian: elemen-elemen + yang lebih kecil dari pivot berada di sebelah kiri, + sementara elemen-elemen yang lebih besar berada + di sebelah kanan + Args: + array (list[int]): array yang akan dipartisi + low (int): indeks rendah dari array + high (int): indeks tinggi dari array + Return: + int: indeks dari pivot setlah proses partisi + """ + pivot = array[high] + i = low - 1 + for j in range(low, high): + if array[j] <= pivot: + i += 1 + array[i], array[j] = array[j], array[i] + array[i + 1], array[high] = array[high], array[i + 1] + return i + 1 + + +def quick_sort(array: list[int]) -> None: + """ + Algoritma proses untuk mengrutkan + fungsi ini menggunakan metode rekursif untuk + mengurutkan array secara rekursif, pada setiap + pemanggilan rekursif, elemen pivot dipilih dengan + memanggil fungsi `partisi` + Args: + array (list[int]): array yang akan diurutkan + return: + None + + Contoh: + >>> data = [2, 1, 5, 6, 3] + >>> quick_sort(data) + >>> data + [1, 2, 3, 5, 6] + """ + + def _quick_sort(array: list[int], low: int, high: int) -> None: + if low < high: + pi = partisi(array, low, high) + _quick_sort(array, low, pi - 1) + _quick_sort(array, pi + 1, high) + + _quick_sort(array, 0, len(array) - 1) + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/dev-requirements.txt b/dev-requirements.txt index cce45608..9611a976 100644 --- a/dev-requirements.txt +++ b/dev-requirements.txt @@ -1,6 +1,7 @@ -flake8 -pytest +black==21.7b0 coverage +flake8 +isort mypy -black==21.7b0 -isort \ No newline at end of file +pytest +pytest-cov diff --git a/implementation/artificial_intelligence/dataset_lstm.csv b/implementation/artificial_intelligence/dataset_lstm.csv new file mode 100644 index 00000000..f94db621 --- /dev/null +++ b/implementation/artificial_intelligence/dataset_lstm.csv @@ -0,0 +1,1259 @@ +04/24/2020, 1279.31, 1640394, 1261.17, 1280.4, 1249.45 +04/23/2020, 1276.31, 1566203, 1271.55, 1293.31, 1265.67 +04/22/2020, 1263.21, 2093140, 1245.54, 1285.6133, 1242 +04/21/2020, 1216.34, 2153003, 1247, 1254.27, 1209.71 +04/20/2020, 1266.61, 1695488, 1271, 1281.6, 1261.37 +04/17/2020, 1283.25, 1949042, 1284.85, 1294.43, 1271.23 +04/16/2020, 1263.47, 2518099, 1274.1, 1279, 1242.62 +04/15/2020, 1262.47, 1671703, 1245.61, 1280.46, 1240.4 +04/14/2020, 1269.23, 2470353, 1245.09, 1282.07, 1236.93 +04/13/2020, 1217.56, 1739828, 1209.18, 1220.51, 1187.5984 +04/09/2020, 1211.45, 2175421, 1224.08, 1225.57, 1196.7351 +04/08/2020, 1210.28, 1975135, 1206.5, 1219.07, 1188.16 +04/07/2020, 1186.51, 2387329, 1221, 1225, 1182.23 +04/06/2020, 1186.92, 2664723, 1138, 1194.66, 1130.94 +04/03/2020, 1097.88, 2313400, 1119.015, 1123.54, 1079.81 +04/02/2020, 1120.84, 1964881, 1098.26, 1126.86, 1096.4 +04/01/2020, 1105.62, 2344173, 1122, 1129.69, 1097.45 +03/31/2020, 1162.81, 2487983, 1147.3, 1175.31, 1138.14 +03/30/2020, 1146.82, 2574061, 1125.04, 1151.63, 1096.48 +03/27/2020, 1110.71, 3208495, 1125.67, 1150.6702, 1105.91 +03/26/2020, 1161.75, 3573755, 1111.8, 1169.97, 1093.53 +03/25/2020, 1102.49, 4081528, 1126.47, 1148.9, 1086.01 +03/24/2020, 1134.46, 3344450, 1103.77, 1135, 1090.62 +03/23/2020, 1056.62, 4044137, 1061.32, 1071.32, 1013.5361 +03/20/2020, 1072.32, 3601750, 1135.72, 1143.99, 1065.49 +03/19/2020, 1115.29, 3651106, 1093.05, 1157.9699, 1060.1075 +03/18/2020, 1096.8, 4233435, 1056.51, 1106.5, 1037.28 +03/17/2020, 1119.8, 3861489, 1093.11, 1130.86, 1056.01 +03/16/2020, 1084.33, 4252365, 1096, 1152.2665, 1074.44 +03/13/2020, 1219.73, 3700125, 1179, 1219.76, 1117.1432 +03/12/2020, 1114.91, 4226748, 1126, 1193.87, 1113.3 +03/11/2020, 1215.41, 2611229, 1249.7, 1260.96, 1196.07 +03/10/2020, 1280.39, 2611373, 1260, 1281.15, 1218.77 +03/09/2020, 1215.56, 3365365, 1205.3, 1254.7599, 1200 +03/06/2020, 1298.41, 2660628, 1277.06, 1306.22, 1261.05 +03/05/2020, 1319.04, 2561288, 1350.2, 1358.91, 1305.1 +03/04/2020, 1386.52, 1913315, 1359.23, 1388.09, 1343.11 +03/03/2020, 1341.39, 2402326, 1399.42, 1410.15, 1332 +03/02/2020, 1389.11, 2431468, 1351.61, 1390.87, 1326.815 +02/28/2020, 1339.33, 3790618, 1277.5, 1341.14, 1271 +02/27/2020, 1318.09, 2978300, 1362.06, 1371.7037, 1317.17 +02/26/2020, 1393.18, 2204037, 1396.14, 1415.7, 1379 +02/25/2020, 1388.45, 2478278, 1433, 1438.14, 1382.4 +02/24/2020, 1421.59, 2867053, 1426.11, 1436.97, 1411.39 +02/21/2020, 1485.11, 1732273, 1508.03, 1512.215, 1480.44 +02/20/2020, 1518.15, 1096552, 1522, 1529.64, 1506.82 +02/19/2020, 1526.69, 949268, 1525.07, 1532.1063, 1521.4 +02/18/2020, 1519.67, 1121140, 1515, 1531.63, 1512.59 +02/14/2020, 1520.74, 1197836, 1515.6, 1520.74, 1507.34 +02/13/2020, 1514.66, 929730, 1512.69, 1527.18, 1504.6 +02/12/2020, 1518.27, 1167565, 1514.48, 1520.695, 1508.11 +02/11/2020, 1508.79, 1344633, 1511.81, 1529.63, 1505.6378 +02/10/2020, 1508.68, 1419876, 1474.32, 1509.5, 1474.32 +02/07/2020, 1479.23, 1172270, 1467.3, 1485.84, 1466.35 +02/06/2020, 1476.23, 1679384, 1450.33, 1481.9997, 1449.57 +02/05/2020, 1448.23, 1986157, 1462.42, 1463.84, 1430.56 +02/04/2020, 1447.07, 3932954, 1457.07, 1469.5, 1426.3 +02/03/2020, 1485.94, 3055216, 1462, 1490, 1458.99 +01/31/2020, 1434.23, 2417214, 1468.9, 1470.13, 1428.53 +01/30/2020, 1455.84, 1339421, 1439.96, 1457.28, 1436.4 +01/29/2020, 1458.63, 1078667, 1458.8, 1465.43, 1446.74 +01/28/2020, 1452.56, 1577422, 1443, 1456, 1432.47 +01/27/2020, 1433.9, 1755201, 1431, 1438.07, 1421.2 +01/24/2020, 1466.71, 1784644, 1493.59, 1495.495, 1465.25 +01/23/2020, 1486.65, 1351354, 1487.64, 1495.52, 1482.1 +01/22/2020, 1485.95, 1610846, 1491, 1503.2143, 1484.93 +01/21/2020, 1484.4, 2036780, 1479.12, 1491.85, 1471.2 +01/17/2020, 1480.39, 2396215, 1462.91, 1481.2954, 1458.22 +01/16/2020, 1451.7, 1173688, 1447.44, 1451.99, 1440.92 +01/15/2020, 1439.2, 1282685, 1430.21, 1441.395, 1430.21 +01/14/2020, 1430.88, 1560453, 1439.01, 1441.8, 1428.37 +01/13/2020, 1439.23, 1653482, 1436.13, 1440.52, 1426.02 +01/10/2020, 1429.73, 1821566, 1427.56, 1434.9292, 1418.35 +01/09/2020, 1419.83, 1502664, 1420.57, 1427.33, 1410.27 +01/08/2020, 1404.32, 1529177, 1392.08, 1411.58, 1390.84 +01/07/2020, 1393.34, 1511693, 1397.94, 1402.99, 1390.38 +01/06/2020, 1394.21, 1733149, 1350, 1396.5, 1350 +01/03/2020, 1360.66, 1187006, 1347.86, 1372.5, 1345.5436 +01/02/2020, 1367.37, 1406731, 1341.55, 1368.14, 1341.55 +12/31/2019, 1337.02, 962468, 1330.11, 1338, 1329.085 +12/30/2019, 1336.14, 1051323, 1350, 1353, 1334.02 +12/27/2019, 1351.89, 1038718, 1362.99, 1364.53, 1349.31 +12/26/2019, 1360.4, 667754, 1346.17, 1361.3269, 1344.47 +12/24/2019, 1343.56, 347518, 1348.5, 1350.26, 1342.78 +12/23/2019, 1348.84, 883200, 1355.87, 1359.7999, 1346.51 +12/20/2019, 1349.59, 3316905, 1363.35, 1363.64, 1349 +12/19/2019, 1356.04, 1470112, 1351.82, 1358.1, 1348.985 +12/18/2019, 1352.62, 1657069, 1356.6, 1360.47, 1351 +12/17/2019, 1355.12, 1855259, 1362.89, 1365, 1351.3231 +12/16/2019, 1361.17, 1397451, 1356.5, 1364.68, 1352.67 +12/13/2019, 1347.83, 1550028, 1347.95, 1353.0931, 1343.87 +12/12/2019, 1350.27, 1281722, 1345.94, 1355.775, 1340.5 +12/11/2019, 1345.02, 850796, 1350.84, 1351.2, 1342.67 +12/10/2019, 1344.66, 1094653, 1341.5, 1349.975, 1336.04 +12/09/2019, 1343.56, 1355795, 1338.04, 1359.45, 1337.84 +12/06/2019, 1340.62, 1315510, 1333.44, 1344, 1333.44 +12/05/2019, 1328.13, 1212818, 1328, 1329.3579, 1316.44 +12/04/2019, 1320.54, 1538110, 1307.01, 1325.8, 1304.87 +12/03/2019, 1295.28, 1268647, 1279.57, 1298.461, 1279 +12/02/2019, 1289.92, 1511851, 1301, 1305.83, 1281 +11/29/2019, 1304.96, 586981, 1307.12, 1310.205, 1303.97 +11/27/2019, 1312.99, 996329, 1315, 1318.36, 1309.63 +11/26/2019, 1313.55, 1069795, 1309.86, 1314.8, 1305.09 +11/25/2019, 1306.69, 1036487, 1299.18, 1311.31, 1298.13 +11/22/2019, 1295.34, 1386506, 1305.62, 1308.73, 1291.41 +11/21/2019, 1301.35, 995499, 1301.48, 1312.59, 1293 +11/20/2019, 1303.05, 1309835, 1311.74, 1315, 1291.15 +11/19/2019, 1315.46, 1269372, 1327.7, 1327.7, 1312.8 +11/18/2019, 1320.7, 1488083, 1332.22, 1335.5288, 1317.5 +11/15/2019, 1334.87, 1782955, 1318.94, 1334.88, 1314.2796 +11/14/2019, 1311.46, 1194305, 1297.5, 1317, 1295.65 +11/13/2019, 1298, 853861, 1294.07, 1304.3, 1293.51 +11/12/2019, 1298.8, 1085859, 1300, 1310, 1295.77 +11/11/2019, 1299.19, 1012429, 1303.18, 1306.425, 1297.41 +11/08/2019, 1311.37, 1251916, 1305.28, 1318, 1304.365 +11/07/2019, 1308.86, 2029970, 1294.28, 1323.74, 1294.245 +11/06/2019, 1291.8, 1152977, 1289.46, 1293.73, 1282.5 +11/05/2019, 1292.03, 1282711, 1292.89, 1298.93, 1291.2289 +11/04/2019, 1291.37, 1500964, 1276.45, 1294.13, 1276.355 +11/01/2019, 1273.74, 1670072, 1265, 1274.62, 1260.5 +10/31/2019, 1260.11, 1455651, 1261.28, 1267.67, 1250.8428 +10/30/2019, 1261.29, 1408851, 1252.97, 1269.36, 1252 +10/29/2019, 1262.62, 1886380, 1276.23, 1281.59, 1257.2119 +10/28/2019, 1290, 2613237, 1275.45, 1299.31, 1272.54 +10/25/2019, 1265.13, 1213051, 1251.03, 1269.6, 1250.01 +10/24/2019, 1260.99, 1039868, 1260.9, 1264, 1253.715 +10/23/2019, 1259.13, 928595, 1242.36, 1259.89, 1242.36 +10/22/2019, 1242.8, 1047851, 1247.85, 1250.6, 1241.38 +10/21/2019, 1246.15, 1038042, 1252.26, 1254.6287, 1240.6 +10/18/2019, 1245.49, 1352839, 1253.46, 1258.89, 1241.08 +10/17/2019, 1253.07, 980510, 1250.93, 1263.325, 1249.94 +10/16/2019, 1243.64, 1168174, 1241.17, 1254.74, 1238.45 +10/15/2019, 1243.01, 1395259, 1220.4, 1247.33, 1220.4 +10/14/2019, 1217.14, 882039, 1212.34, 1226.33, 1211.76 +10/11/2019, 1215.45, 1277144, 1222.21, 1228.39, 1213.74 +10/10/2019, 1208.67, 932531, 1198.58, 1215, 1197.34 +10/09/2019, 1202.31, 876632, 1199.35, 1208.35, 1197.63 +10/08/2019, 1189.13, 1141784, 1197.59, 1206.08, 1189.01 +10/07/2019, 1207.68, 867149, 1204.4, 1218.2036, 1203.75 +10/04/2019, 1209, 1183264, 1191.89, 1211.44, 1189.17 +10/03/2019, 1187.83, 1663656, 1180, 1189.06, 1162.43 +10/02/2019, 1176.63, 1639237, 1196.98, 1196.99, 1171.29 +10/01/2019, 1205.1, 1358279, 1219, 1231.23, 1203.58 +09/30/2019, 1219, 1419676, 1220.97, 1226, 1212.3 +09/27/2019, 1225.09, 1354432, 1243.01, 1244.02, 1214.45 +09/26/2019, 1241.39, 1561882, 1241.96, 1245, 1232.268 +09/25/2019, 1246.52, 1593875, 1215.82, 1248.3, 1210.09 +09/24/2019, 1218.76, 1591786, 1240, 1246.74, 1210.68 +09/23/2019, 1234.03, 1075253, 1226, 1239.09, 1224.17 +09/20/2019, 1229.93, 2337269, 1233.12, 1243.32, 1223.08 +09/19/2019, 1238.71, 1000155, 1232.06, 1244.44, 1232.02 +09/18/2019, 1232.41, 1144333, 1227.51, 1235.61, 1216.53 +09/17/2019, 1229.15, 958112, 1230.4, 1235, 1223.69 +09/16/2019, 1231.3, 1053299, 1229.52, 1239.56, 1225.61 +09/13/2019, 1239.56, 1301350, 1231.35, 1240.88, 1227.01 +09/12/2019, 1234.25, 1725908, 1224.3, 1241.86, 1223.02 +09/11/2019, 1220.17, 1307033, 1203.41, 1222.6, 1202.2 +09/10/2019, 1206, 1260115, 1195.15, 1210, 1194.58 +09/09/2019, 1204.41, 1471880, 1204, 1220, 1192.62 +09/06/2019, 1204.93, 1072143, 1208.13, 1212.015, 1202.5222 +09/05/2019, 1211.38, 1408601, 1191.53, 1213.04, 1191.53 +09/04/2019, 1181.41, 1068968, 1176.71, 1183.48, 1171 +09/03/2019, 1168.39, 1480420, 1177.03, 1186.89, 1163.2 +08/30/2019, 1188.1, 1129959, 1198.5, 1198.5, 1183.8026 +08/29/2019, 1192.85, 1088858, 1181.12, 1196.06, 1181.12 +08/28/2019, 1171.02, 802243, 1161.71, 1176.4199, 1157.3 +08/27/2019, 1167.84, 1077452, 1180.53, 1182.4, 1161.45 +08/26/2019, 1168.89, 1226441, 1157.26, 1169.47, 1152.96 +08/23/2019, 1151.29, 1688271, 1181.99, 1194.08, 1147.75 +08/22/2019, 1189.53, 947906, 1194.07, 1198.0115, 1178.58 +08/21/2019, 1191.25, 741053, 1193.15, 1199, 1187.43 +08/20/2019, 1182.69, 915605, 1195.25, 1196.06, 1182.11 +08/19/2019, 1198.45, 1232517, 1190.09, 1206.99, 1190.09 +08/16/2019, 1177.6, 1349436, 1179.55, 1182.72, 1171.81 +08/15/2019, 1167.26, 1224739, 1163.5, 1175.84, 1162.11 +08/14/2019, 1164.29, 1578668, 1176.31, 1182.3, 1160.54 +08/13/2019, 1197.27, 1318009, 1171.46, 1204.78, 1171.46 +08/12/2019, 1174.71, 1003187, 1179.21, 1184.96, 1167.6723 +08/09/2019, 1188.01, 1065658, 1197.99, 1203.88, 1183.603 +08/08/2019, 1204.8, 1467997, 1182.83, 1205.01, 1173.02 +08/07/2019, 1173.99, 1444324, 1156, 1178.4451, 1149.6239 +08/06/2019, 1169.95, 1709374, 1163.31, 1179.96, 1160 +08/05/2019, 1152.32, 2597455, 1170.04, 1175.24, 1140.14 +08/02/2019, 1193.99, 1645067, 1200.74, 1206.9, 1188.94 +08/01/2019, 1209.01, 1698510, 1214.03, 1234.11, 1205.72 +07/31/2019, 1216.68, 1725454, 1223, 1234, 1207.7635 +07/30/2019, 1225.14, 1453263, 1225.41, 1234.87, 1223.3 +07/29/2019, 1239.41, 2223731, 1241.05, 1247.37, 1228.23 +07/26/2019, 1250.41, 4805752, 1224.04, 1265.5499, 1224 +07/25/2019, 1132.12, 2209823, 1137.82, 1141.7, 1120.92 +07/24/2019, 1137.81, 1590101, 1131.9, 1144, 1126.99 +07/23/2019, 1146.21, 1093688, 1144, 1146.9, 1131.8 +07/22/2019, 1138.07, 1301846, 1133.45, 1139.25, 1124.24 +07/19/2019, 1130.1, 1647245, 1148.19, 1151.14, 1129.62 +07/18/2019, 1146.33, 1291281, 1141.74, 1147.605, 1132.73 +07/17/2019, 1146.35, 1170047, 1150.97, 1158.36, 1145.77 +07/16/2019, 1153.58, 1238807, 1146, 1158.58, 1145 +07/15/2019, 1150.34, 903780, 1146.86, 1150.82, 1139.4 +07/12/2019, 1144.9, 863973, 1143.99, 1147.34, 1138.78 +07/11/2019, 1144.21, 1195569, 1143.25, 1153.07, 1139.58 +07/10/2019, 1140.48, 1209466, 1131.22, 1142.05, 1130.97 +07/09/2019, 1124.83, 1330370, 1111.8, 1128.025, 1107.17 +07/08/2019, 1116.35, 1236419, 1125.17, 1125.98, 1111.21 +07/05/2019, 1131.59, 1264540, 1117.8, 1132.88, 1116.14 +07/03/2019, 1121.58, 767011, 1117.41, 1126.76, 1113.86 +07/02/2019, 1111.25, 991755, 1102.24, 1111.77, 1098.17 +07/01/2019, 1097.95, 1438504, 1098, 1107.58, 1093.703 +06/28/2019, 1080.91, 1693450, 1076.39, 1081, 1073.37 +06/27/2019, 1076.01, 1004477, 1084, 1087.1, 1075.29 +06/26/2019, 1079.8, 1810869, 1086.5, 1092.97, 1072.24 +06/25/2019, 1086.35, 1546913, 1112.66, 1114.35, 1083.8 +06/24/2019, 1115.52, 1395696, 1119.61, 1122, 1111.01 +06/21/2019, 1121.88, 1947591, 1109.24, 1124.11, 1108.08 +06/20/2019, 1111.42, 1262011, 1119.99, 1120.12, 1104.74 +06/19/2019, 1102.33, 1339218, 1105.6, 1107, 1093.48 +06/18/2019, 1103.6, 1386684, 1109.69, 1116.39, 1098.99 +06/17/2019, 1092.5, 941602, 1086.28, 1099.18, 1086.28 +06/14/2019, 1085.35, 1111643, 1086.42, 1092.69, 1080.1721 +06/13/2019, 1088.77, 1058000, 1083.64, 1094.17, 1080.15 +06/12/2019, 1077.03, 1061255, 1078, 1080.93, 1067.54 +06/11/2019, 1078.72, 1437063, 1093.98, 1101.99, 1077.6025 +06/10/2019, 1080.38, 1464248, 1072.98, 1092.66, 1072.3216 +06/07/2019, 1066.04, 1802370, 1050.63, 1070.92, 1048.4 +06/06/2019, 1044.34, 1703244, 1044.99, 1047.49, 1033.7 +06/05/2019, 1042.22, 2168439, 1051.54, 1053.55, 1030.49 +06/04/2019, 1053.05, 2833483, 1042.9, 1056.05, 1033.69 +06/03/2019, 1036.23, 5130576, 1065.5, 1065.5, 1025 +05/31/2019, 1103.63, 1508203, 1101.29, 1109.6, 1100.18 +05/30/2019, 1117.95, 951873, 1115.54, 1123.13, 1112.12 +05/29/2019, 1116.46, 1538212, 1127.52, 1129.1, 1108.2201 +05/28/2019, 1134.15, 1365166, 1134, 1151.5871, 1133.12 +05/24/2019, 1133.47, 1112341, 1147.36, 1149.765, 1131.66 +05/23/2019, 1140.77, 1199300, 1140.5, 1145.9725, 1129.224 +05/22/2019, 1151.42, 914839, 1146.75, 1158.52, 1145.89 +05/21/2019, 1149.63, 1160158, 1148.49, 1152.7077, 1137.94 +05/20/2019, 1138.85, 1353292, 1144.5, 1146.7967, 1131.4425 +05/17/2019, 1162.3, 1208623, 1168.47, 1180.15, 1160.01 +05/16/2019, 1178.98, 1531404, 1164.51, 1188.16, 1162.84 +05/15/2019, 1164.21, 2289302, 1117.87, 1171.33, 1116.6657 +05/14/2019, 1120.44, 1836604, 1137.21, 1140.42, 1119.55 +05/13/2019, 1132.03, 1860648, 1141.96, 1147.94, 1122.11 +05/10/2019, 1164.27, 1314546, 1163.59, 1172.6, 1142.5 +05/09/2019, 1162.38, 1185973, 1159.03, 1169.66, 1150.85 +05/08/2019, 1166.27, 1309514, 1172.01, 1180.4243, 1165.74 +05/07/2019, 1174.1, 1551368, 1180.47, 1190.44, 1161.04 +05/06/2019, 1189.39, 1563943, 1166.26, 1190.85, 1166.26 +05/03/2019, 1185.4, 1980653, 1173.65, 1186.8, 1169 +05/02/2019, 1162.61, 1944817, 1167.76, 1174.1895, 1155.0018 +05/01/2019, 1168.08, 2642983, 1188.05, 1188.05, 1167.18 +04/30/2019, 1188.48, 6194691, 1185, 1192.81, 1175 +04/29/2019, 1287.58, 2412788, 1274, 1289.27, 1266.2949 +04/26/2019, 1272.18, 1228276, 1269, 1273.07, 1260.32 +04/25/2019, 1263.45, 1099614, 1264.77, 1267.4083, 1252.03 +04/24/2019, 1256, 1015006, 1264.12, 1268.01, 1255 +04/23/2019, 1264.55, 1271195, 1250.69, 1269, 1246.38 +04/22/2019, 1248.84, 806577, 1235.99, 1249.09, 1228.31 +04/18/2019, 1236.37, 1315676, 1239.18, 1242, 1234.61 +04/17/2019, 1236.34, 1211866, 1233, 1240.56, 1227.82 +04/16/2019, 1227.13, 855258, 1225, 1230.82, 1220.12 +04/15/2019, 1221.1, 1187353, 1218, 1224.2, 1209.1101 +04/12/2019, 1217.87, 926799, 1210, 1218.35, 1208.11 +04/11/2019, 1204.62, 709417, 1203.96, 1207.96, 1200.13 +04/10/2019, 1202.16, 724524, 1200.68, 1203.785, 1196.435 +04/09/2019, 1197.25, 865416, 1196, 1202.29, 1193.08 +04/08/2019, 1203.84, 859969, 1207.89, 1208.69, 1199.86 +04/05/2019, 1207.15, 900950, 1214.99, 1216.22, 1205.03 +04/04/2019, 1215, 949962, 1205.94, 1215.67, 1204.13 +04/03/2019, 1205.92, 1014195, 1207.48, 1216.3, 1200.5 +04/02/2019, 1200.49, 800820, 1195.32, 1201.35, 1185.71 +04/01/2019, 1194.43, 1188235, 1184.1, 1196.66, 1182 +03/29/2019, 1173.31, 1269573, 1174.9, 1178.99, 1162.88 +03/28/2019, 1168.49, 966843, 1171.54, 1171.565, 1159.4312 +03/27/2019, 1173.02, 1362217, 1185.5, 1187.559, 1159.37 +03/26/2019, 1184.62, 1894639, 1198.53, 1202.83, 1176.72 +03/25/2019, 1193, 1493841, 1196.93, 1206.3975, 1187.04 +03/22/2019, 1205.5, 1668910, 1226.32, 1230, 1202.825 +03/21/2019, 1231.54, 1195899, 1216, 1231.79, 1213.15 +03/20/2019, 1223.97, 2089367, 1197.35, 1227.14, 1196.17 +03/19/2019, 1198.85, 1404863, 1188.81, 1200, 1185.87 +03/18/2019, 1184.26, 1212506, 1183.3, 1190, 1177.4211 +03/15/2019, 1184.46, 2457597, 1193.38, 1196.57, 1182.61 +03/14/2019, 1185.55, 1150950, 1194.51, 1197.88, 1184.48 +03/13/2019, 1193.32, 1434816, 1200.645, 1200.93, 1191.94 +03/12/2019, 1193.2, 2012306, 1178.26, 1200, 1178.26 +03/11/2019, 1175.76, 1569332, 1144.45, 1176.19, 1144.45 +03/08/2019, 1142.32, 1212271, 1126.73, 1147.08, 1123.3 +03/07/2019, 1143.3, 1166076, 1155.72, 1156.755, 1134.91 +03/06/2019, 1157.86, 1094100, 1162.49, 1167.5658, 1155.49 +03/05/2019, 1162.03, 1422357, 1150.06, 1169.61, 1146.195 +03/04/2019, 1147.8, 1444774, 1146.99, 1158.2804, 1130.69 +03/01/2019, 1140.99, 1447454, 1124.9, 1142.97, 1124.75 +02/28/2019, 1119.92, 1541068, 1111.3, 1127.65, 1111.01 +02/27/2019, 1116.05, 968362, 1106.95, 1117.98, 1101 +02/26/2019, 1115.13, 1469761, 1105.75, 1119.51, 1099.92 +02/25/2019, 1109.4, 1395281, 1116, 1118.54, 1107.27 +02/22/2019, 1110.37, 1048361, 1100.9, 1111.24, 1095.6 +02/21/2019, 1096.97, 1414744, 1110.84, 1111.94, 1092.52 +02/20/2019, 1113.8, 1080144, 1119.99, 1123.41, 1105.28 +02/19/2019, 1118.56, 1046315, 1110, 1121.89, 1110 +02/15/2019, 1113.65, 1442461, 1130.08, 1131.67, 1110.65 +02/14/2019, 1121.67, 941678, 1118.05, 1128.23, 1110.445 +02/13/2019, 1120.16, 1048630, 1124.99, 1134.73, 1118.5 +02/12/2019, 1121.37, 1608658, 1106.8, 1125.295, 1105.85 +02/11/2019, 1095.01, 1063825, 1096.95, 1105.945, 1092.86 +02/08/2019, 1095.06, 1072031, 1087, 1098.91, 1086.55 +02/07/2019, 1098.71, 2040615, 1104.16, 1104.84, 1086 +02/06/2019, 1115.23, 2101674, 1139.57, 1147, 1112.77 +02/05/2019, 1145.99, 3529974, 1124.84, 1146.85, 1117.248 +02/04/2019, 1132.8, 2518184, 1112.66, 1132.8, 1109.02 +02/01/2019, 1110.75, 1455609, 1112.4, 1125, 1104.89 +01/31/2019, 1116.37, 1531463, 1103, 1117.33, 1095.41 +01/30/2019, 1089.06, 1241760, 1068.43, 1091, 1066.85 +01/29/2019, 1060.62, 1006731, 1072.68, 1075.15, 1055.8647 +01/28/2019, 1070.08, 1277745, 1080.11, 1083, 1063.8 +01/25/2019, 1090.99, 1114785, 1085, 1094, 1081.82 +01/24/2019, 1073.9, 1317718, 1076.48, 1079.475, 1060.7 +01/23/2019, 1075.57, 956526, 1077.35, 1084.93, 1059.75 +01/22/2019, 1070.52, 1607398, 1088, 1091.51, 1063.47 +01/18/2019, 1098.26, 1933754, 1100, 1108.352, 1090.9 +01/17/2019, 1089.9, 1223674, 1079.47, 1091.8, 1073.5 +01/16/2019, 1080.97, 1320530, 1080, 1092.375, 1079.34 +01/15/2019, 1077.15, 1452238, 1050.17, 1080.05, 1047.34 +01/14/2019, 1044.69, 1127417, 1046.92, 1051.53, 1041.255 +01/11/2019, 1057.19, 1512651, 1063.18, 1063.775, 1048.48 +01/10/2019, 1070.33, 1444976, 1067.66, 1071.15, 1057.71 +01/09/2019, 1074.66, 1198369, 1081.65, 1082.63, 1066.4 +01/08/2019, 1076.28, 1748371, 1076.11, 1084.56, 1060.53 +01/07/2019, 1068.39, 1978077, 1071.5, 1073.9999, 1054.76 +01/04/2019, 1070.71, 2080144, 1032.59, 1070.84, 1027.4179 +01/03/2019, 1016.06, 1829379, 1041, 1056.98, 1014.07 +01/02/2019, 1045.85, 1516681, 1016.57, 1052.32, 1015.71 +12/31/2018, 1035.61, 1492541, 1050.96, 1052.7, 1023.59 +12/28/2018, 1037.08, 1399218, 1049.62, 1055.56, 1033.1 +12/27/2018, 1043.88, 2102069, 1017.15, 1043.89, 997 +12/26/2018, 1039.46, 2337212, 989.01, 1040, 983 +12/24/2018, 976.22, 1590328, 973.9, 1003.54, 970.11 +12/21/2018, 979.54, 4560424, 1015.3, 1024.02, 973.69 +12/20/2018, 1009.41, 2659047, 1018.13, 1034.22, 996.36 +12/19/2018, 1023.01, 2419322, 1033.99, 1062, 1008.05 +12/18/2018, 1028.71, 2101854, 1026.09, 1049.48, 1021.44 +12/17/2018, 1016.53, 2337631, 1037.51, 1053.15, 1007.9 +12/14/2018, 1042.1, 1685802, 1049.98, 1062.6, 1040.79 +12/13/2018, 1061.9, 1329198, 1068.07, 1079.7597, 1053.93 +12/12/2018, 1063.68, 1523276, 1068, 1081.65, 1062.79 +12/11/2018, 1051.75, 1354751, 1056.49, 1060.6, 1039.84 +12/10/2018, 1039.55, 1793465, 1035.05, 1048.45, 1023.29 +12/07/2018, 1036.58, 2098526, 1060.01, 1075.26, 1028.5 +12/06/2018, 1068.73, 2758098, 1034.26, 1071.2, 1030.7701 +12/04/2018, 1050.82, 2278200, 1103.12, 1104.42, 1049.98 +12/03/2018, 1106.43, 1900355, 1123.14, 1124.65, 1103.6645 +11/30/2018, 1094.43, 2554416, 1089.07, 1095.57, 1077.88 +11/29/2018, 1088.3, 1403540, 1076.08, 1094.245, 1076 +11/28/2018, 1086.23, 2399374, 1048.76, 1086.84, 1035.76 +11/27/2018, 1044.41, 1801334, 1041, 1057.58, 1038.49 +11/26/2018, 1048.62, 1846430, 1038.35, 1049.31, 1033.91 +11/23/2018, 1023.88, 691462, 1030, 1037.59, 1022.3992 +11/21/2018, 1037.61, 1531676, 1036.76, 1048.56, 1033.47 +11/20/2018, 1025.76, 2447254, 1000, 1031.74, 996.02 +11/19/2018, 1020, 1837207, 1057.2, 1060.79, 1016.2601 +11/16/2018, 1061.49, 1641232, 1059.41, 1067, 1048.98 +11/15/2018, 1064.71, 1819132, 1044.71, 1071.85, 1031.78 +11/14/2018, 1043.66, 1561656, 1050, 1054.5643, 1031 +11/13/2018, 1036.05, 1496534, 1043.29, 1056.605, 1031.15 +11/12/2018, 1038.63, 1429319, 1061.39, 1062.12, 1031 +11/09/2018, 1066.15, 1343154, 1073.99, 1075.56, 1053.11 +11/08/2018, 1082.4, 1463022, 1091.38, 1093.27, 1072.2048 +11/07/2018, 1093.39, 2057155, 1069, 1095.46, 1065.9 +11/06/2018, 1055.81, 1225197, 1039.48, 1064.345, 1038.07 +11/05/2018, 1040.09, 2436742, 1055, 1058.47, 1021.24 +11/02/2018, 1057.79, 1829295, 1073.73, 1082.975, 1054.61 +11/01/2018, 1070, 1456222, 1075.8, 1083.975, 1062.46 +10/31/2018, 1076.77, 2528584, 1059.81, 1091.94, 1057 +10/30/2018, 1036.21, 3209126, 1008.46, 1037.49, 1000.75 +10/29/2018, 1020.08, 3873644, 1082.47, 1097.04, 995.83 +10/26/2018, 1071.47, 4185201, 1037.03, 1106.53, 1034.09 +10/25/2018, 1095.57, 2511884, 1071.79, 1110.98, 1069.55 +10/24/2018, 1050.71, 1910060, 1104.25, 1106.12, 1048.74 +10/23/2018, 1103.69, 1847798, 1080.89, 1107.89, 1070 +10/22/2018, 1101.16, 1494285, 1103.06, 1112.23, 1091 +10/19/2018, 1096.46, 1264605, 1093.37, 1110.36, 1087.75 +10/18/2018, 1087.97, 2056606, 1121.84, 1121.84, 1077.09 +10/17/2018, 1115.69, 1397613, 1126.46, 1128.99, 1102.19 +10/16/2018, 1121.28, 1845491, 1104.59, 1124.22, 1102.5 +10/15/2018, 1092.25, 1343231, 1108.91, 1113.4464, 1089 +10/12/2018, 1110.08, 2029872, 1108, 1115, 1086.402 +10/11/2018, 1079.32, 2939514, 1072.94, 1106.4, 1068.27 +10/10/2018, 1081.22, 2574985, 1131.08, 1132.17, 1081.13 +10/09/2018, 1138.82, 1308706, 1146.15, 1154.35, 1137.572 +10/08/2018, 1148.97, 1877142, 1150.11, 1168, 1127.3636 +10/05/2018, 1157.35, 1184245, 1167.5, 1173.4999, 1145.12 +10/04/2018, 1168.19, 2151762, 1195.33, 1197.51, 1155.576 +10/03/2018, 1202.95, 1207280, 1205, 1206.41, 1193.83 +10/02/2018, 1200.11, 1655602, 1190.96, 1209.96, 1186.63 +10/01/2018, 1195.31, 1345250, 1199.89, 1209.9, 1190.3 +09/28/2018, 1193.47, 1306822, 1191.87, 1195.41, 1184.5 +09/27/2018, 1194.64, 1244278, 1186.73, 1202.1, 1183.63 +09/26/2018, 1180.49, 1346434, 1185.15, 1194.23, 1174.765 +09/25/2018, 1184.65, 937577, 1176.15, 1186.88, 1168 +09/24/2018, 1173.37, 1218532, 1157.17, 1178, 1146.91 +09/21/2018, 1166.09, 4363929, 1192, 1192.21, 1166.04 +09/20/2018, 1186.87, 1209855, 1179.99, 1189.89, 1173.36 +09/19/2018, 1171.09, 1185321, 1164.98, 1173.21, 1154.58 +09/18/2018, 1161.22, 1184407, 1157.09, 1176.08, 1157.09 +09/17/2018, 1156.05, 1279147, 1170.14, 1177.24, 1154.03 +09/14/2018, 1172.53, 934300, 1179.1, 1180.425, 1168.3295 +09/13/2018, 1175.33, 1402005, 1170.74, 1178.61, 1162.85 +09/12/2018, 1162.82, 1291304, 1172.72, 1178.61, 1158.36 +09/11/2018, 1177.36, 1209171, 1161.63, 1178.68, 1156.24 +09/10/2018, 1164.64, 1115259, 1172.19, 1174.54, 1160.11 +09/07/2018, 1164.83, 1401034, 1158.67, 1175.26, 1157.215 +09/06/2018, 1171.44, 1886690, 1186.3, 1186.3, 1152 +09/05/2018, 1186.48, 2043732, 1193.8, 1199.0096, 1162 +09/04/2018, 1197, 1800509, 1204.27, 1212.99, 1192.5 +08/31/2018, 1218.19, 1812366, 1234.98, 1238.66, 1211.2854 +08/30/2018, 1239.12, 1320261, 1244.23, 1253.635, 1232.59 +08/29/2018, 1249.3, 1295939, 1237.45, 1250.66, 1236.3588 +08/28/2018, 1231.15, 1296532, 1241.29, 1242.545, 1228.69 +08/27/2018, 1241.82, 1154962, 1227.6, 1243.09, 1225.716 +08/24/2018, 1220.65, 946529, 1208.82, 1221.65, 1206.3588 +08/23/2018, 1205.38, 988509, 1207.14, 1221.28, 1204.24 +08/22/2018, 1207.33, 881463, 1200, 1211.84, 1199 +08/21/2018, 1201.62, 1187884, 1208, 1217.26, 1200.3537 +08/20/2018, 1207.77, 864462, 1205.02, 1211, 1194.6264 +08/17/2018, 1200.96, 1381724, 1202.03, 1209.02, 1188.24 +08/16/2018, 1206.49, 1319985, 1224.73, 1225.9999, 1202.55 +08/15/2018, 1214.38, 1815642, 1229.26, 1235.24, 1209.51 +08/14/2018, 1242.1, 1342534, 1235.19, 1245.8695, 1225.11 +08/13/2018, 1235.01, 957153, 1236.98, 1249.2728, 1233.6405 +08/10/2018, 1237.61, 1107323, 1243, 1245.695, 1232 +08/09/2018, 1249.1, 805227, 1249.9, 1255.542, 1246.01 +08/08/2018, 1245.61, 1369650, 1240.47, 1256.5, 1238.0083 +08/07/2018, 1242.22, 1493073, 1237, 1251.17, 1236.17 +08/06/2018, 1224.77, 1080923, 1225, 1226.0876, 1215.7965 +08/03/2018, 1223.71, 1072524, 1229.62, 1230, 1215.06 +08/02/2018, 1226.15, 1520488, 1205.9, 1229.88, 1204.79 +08/01/2018, 1220.01, 1567142, 1228, 1233.47, 1210.21 +07/31/2018, 1217.26, 1632823, 1220.01, 1227.5877, 1205.6 +07/30/2018, 1219.74, 1822782, 1228.01, 1234.916, 1211.47 +07/27/2018, 1238.5, 2115802, 1271, 1273.89, 1231 +07/26/2018, 1268.33, 2334881, 1251, 1269.7707, 1249.02 +07/25/2018, 1263.7, 2115890, 1239.13, 1265.86, 1239.13 +07/24/2018, 1248.08, 3303268, 1262.59, 1266, 1235.56 +07/23/2018, 1205.5, 2584034, 1181.01, 1206.49, 1181 +07/20/2018, 1184.91, 1246898, 1186.96, 1196.86, 1184.22 +07/19/2018, 1186.96, 1256113, 1191, 1200, 1183.32 +07/18/2018, 1195.88, 1391232, 1196.56, 1204.5, 1190.34 +07/17/2018, 1198.8, 1585091, 1172.22, 1203.04, 1170.6 +07/16/2018, 1183.86, 1049560, 1189.39, 1191, 1179.28 +07/13/2018, 1188.82, 1221687, 1185, 1195.4173, 1180 +07/12/2018, 1183.48, 1251083, 1159.89, 1184.41, 1155.935 +07/11/2018, 1153.9, 1094301, 1144.59, 1164.29, 1141.0003 +07/10/2018, 1152.84, 789249, 1156.98, 1159.59, 1149.59 +07/09/2018, 1154.05, 906073, 1148.48, 1154.67, 1143.42 +07/06/2018, 1140.17, 966155, 1123.58, 1140.93, 1120.7371 +07/05/2018, 1124.27, 1060752, 1110.53, 1127.5, 1108.48 +07/03/2018, 1102.89, 679034, 1135.82, 1135.82, 1100.02 +07/02/2018, 1127.46, 1188616, 1099, 1128, 1093.8 +06/29/2018, 1115.65, 1275979, 1120, 1128.2265, 1115 +06/28/2018, 1114.22, 1072438, 1102.09, 1122.31, 1096.01 +06/27/2018, 1103.98, 1287698, 1121.34, 1131.8362, 1103.62 +06/26/2018, 1118.46, 1559791, 1128, 1133.21, 1116.6589 +06/25/2018, 1124.81, 2155276, 1143.6, 1143.91, 1112.78 +06/22/2018, 1155.48, 1310164, 1159.14, 1162.4965, 1147.26 +06/21/2018, 1157.66, 1232352, 1174.85, 1177.295, 1152.232 +06/20/2018, 1169.84, 1648248, 1175.31, 1186.2856, 1169.16 +06/19/2018, 1168.06, 1616125, 1158.5, 1171.27, 1154.01 +06/18/2018, 1173.46, 1400641, 1143.65, 1174.31, 1143.59 +06/15/2018, 1152.26, 2119134, 1148.86, 1153.42, 1143.485 +06/14/2018, 1152.12, 1350085, 1143.85, 1155.47, 1140.64 +06/13/2018, 1134.79, 1490017, 1141.12, 1146.5, 1133.38 +06/12/2018, 1139.32, 899231, 1131.07, 1139.79, 1130.735 +06/11/2018, 1129.99, 1071114, 1118.6, 1137.26, 1118.6 +06/08/2018, 1120.87, 1289859, 1118.18, 1126.67, 1112.15 +06/07/2018, 1123.86, 1519860, 1131.32, 1135.82, 1116.52 +06/06/2018, 1136.88, 1697489, 1142.17, 1143, 1125.7429 +06/05/2018, 1139.66, 1538169, 1140.99, 1145.738, 1133.19 +06/04/2018, 1139.29, 1881046, 1122.33, 1141.89, 1122.005 +06/01/2018, 1119.5, 2416755, 1099.35, 1120, 1098.5 +05/31/2018, 1084.99, 3085325, 1067.56, 1097.19, 1067.56 +05/30/2018, 1067.8, 1129958, 1063.03, 1069.21, 1056.83 +05/29/2018, 1060.32, 1858676, 1064.89, 1073.37, 1055.22 +05/25/2018, 1075.66, 878903, 1079.02, 1082.56, 1073.775 +05/24/2018, 1079.24, 757752, 1079, 1080.47, 1066.15 +05/23/2018, 1079.69, 1057712, 1065.13, 1080.78, 1061.71 +05/22/2018, 1069.73, 1088700, 1083.56, 1086.59, 1066.69 +05/21/2018, 1079.58, 1012258, 1074.06, 1088, 1073.65 +05/18/2018, 1066.36, 1496448, 1061.86, 1069.94, 1060.68 +05/17/2018, 1078.59, 1031190, 1079.89, 1086.87, 1073.5 +05/16/2018, 1081.77, 989819, 1077.31, 1089.27, 1076.26 +05/15/2018, 1079.23, 1494306, 1090, 1090.05, 1073.47 +05/14/2018, 1100.2, 1450140, 1100, 1110.75, 1099.11 +05/11/2018, 1098.26, 1253205, 1093.6, 1101.3295, 1090.91 +05/10/2018, 1097.57, 1441456, 1086.03, 1100.44, 1085.64 +05/09/2018, 1082.76, 2032319, 1058.1, 1085.44, 1056.365 +05/08/2018, 1053.91, 1217260, 1058.54, 1060.55, 1047.145 +05/07/2018, 1054.79, 1464008, 1049.23, 1061.68, 1047.1 +05/04/2018, 1048.21, 1936797, 1016.9, 1048.51, 1016.9 +05/03/2018, 1023.72, 1813623, 1019, 1029.675, 1006.29 +05/02/2018, 1024.38, 1534094, 1028.1, 1040.389, 1022.87 +05/01/2018, 1037.31, 1427171, 1013.66, 1038.47, 1008.21 +04/30/2018, 1017.33, 1664084, 1030.01, 1037, 1016.85 +04/27/2018, 1030.05, 1617452, 1046, 1049.5, 1025.59 +04/26/2018, 1040.04, 1984448, 1029.51, 1047.98, 1018.19 +04/25/2018, 1021.18, 2225495, 1025.52, 1032.49, 1015.31 +04/24/2018, 1019.98, 4750851, 1052, 1057, 1010.59 +04/23/2018, 1067.45, 2278846, 1077.86, 1082.72, 1060.7 +04/20/2018, 1072.96, 1887698, 1082, 1092.35, 1069.57 +04/19/2018, 1087.7, 1741907, 1069.4, 1094.165, 1068.18 +04/18/2018, 1072.08, 1336678, 1077.43, 1077.43, 1066.225 +04/17/2018, 1074.16, 2311903, 1051.37, 1077.88, 1048.26 +04/16/2018, 1037.98, 1194144, 1037, 1043.24, 1026.74 +04/13/2018, 1029.27, 1175754, 1040.88, 1046.42, 1022.98 +04/12/2018, 1032.51, 1357599, 1025.04, 1040.69, 1021.4347 +04/11/2018, 1019.97, 1476133, 1027.99, 1031.3641, 1015.87 +04/10/2018, 1031.64, 1983510, 1026.44, 1036.28, 1011.34 +04/09/2018, 1015.45, 1738682, 1016.8, 1039.6, 1014.08 +04/06/2018, 1007.04, 1740896, 1020, 1031.42, 1003.03 +04/05/2018, 1027.81, 1345681, 1041.33, 1042.79, 1020.1311 +04/04/2018, 1025.14, 2464418, 993.41, 1028.7175, 993 +04/03/2018, 1013.41, 2271858, 1013.91, 1020.99, 994.07 +04/02/2018, 1006.47, 2679214, 1022.82, 1034.8, 990.37 +03/29/2018, 1031.79, 2714402, 1011.63, 1043, 1002.9 +03/28/2018, 1004.56, 3345046, 998, 1024.23, 980.64 +03/27/2018, 1005.1, 3081612, 1063, 1064.8393, 996.92 +03/26/2018, 1053.21, 2593808, 1046, 1055.63, 1008.4 +03/23/2018, 1021.57, 2147097, 1047.03, 1063.36, 1021.22 +03/22/2018, 1049.08, 2584639, 1081.88, 1082.9, 1045.91 +03/21/2018, 1090.88, 1878294, 1092.74, 1106.2999, 1085.15 +03/20/2018, 1097.71, 1802209, 1099, 1105.2, 1083.46 +03/19/2018, 1099.82, 2355186, 1120.01, 1121.99, 1089.01 +03/16/2018, 1135.73, 2614871, 1154.14, 1155.88, 1131.96 +03/15/2018, 1149.58, 1397767, 1149.96, 1161.08, 1134.54 +03/14/2018, 1149.49, 1290638, 1145.21, 1158.59, 1141.44 +03/13/2018, 1138.17, 1874176, 1170, 1176.76, 1133.33 +03/12/2018, 1164.5, 2106548, 1163.85, 1177.05, 1157.42 +03/09/2018, 1160.04, 2121425, 1136, 1160.8, 1132.4606 +03/08/2018, 1126, 1393529, 1115.32, 1127.6, 1112.8 +03/07/2018, 1109.64, 1277439, 1089.19, 1112.22, 1085.4823 +03/06/2018, 1095.06, 1497087, 1099.22, 1101.85, 1089.775 +03/05/2018, 1090.93, 1141932, 1075.14, 1097.1, 1069.0001 +03/02/2018, 1078.92, 2271394, 1053.08, 1081.9986, 1048.115 +03/01/2018, 1069.52, 2511872, 1107.87, 1110.12, 1067.001 +02/28/2018, 1104.73, 1873737, 1123.03, 1127.53, 1103.24 +02/27/2018, 1118.29, 1772866, 1141.24, 1144.04, 1118 +02/26/2018, 1143.75, 1514920, 1127.8, 1143.96, 1126.695 +02/23/2018, 1126.79, 1190432, 1112.64, 1127.28, 1104.7135 +02/22/2018, 1106.63, 1309536, 1116.19, 1122.82, 1102.59 +02/21/2018, 1111.34, 1507152, 1106.47, 1133.97, 1106.33 +02/20/2018, 1102.46, 1389491, 1090.57, 1113.95, 1088.52 +02/16/2018, 1094.8, 1680283, 1088.41, 1104.67, 1088.3134 +02/15/2018, 1089.52, 1785552, 1079.07, 1091.4794, 1064.34 +02/14/2018, 1069.7, 1547665, 1048.95, 1071.72, 1046.75 +02/13/2018, 1052.1, 1213800, 1045, 1058.37, 1044.0872 +02/12/2018, 1051.94, 2054002, 1048, 1061.5, 1040.928 +02/09/2018, 1037.78, 3503970, 1017.25, 1043.97, 992.56 +02/08/2018, 1001.52, 2809890, 1055.41, 1058.62, 1000.66 +02/07/2018, 1048.58, 2353003, 1081.54, 1081.78, 1048.26 +02/06/2018, 1080.6, 3432313, 1027.18, 1081.71, 1023.1367 +02/05/2018, 1055.8, 3769453, 1090.6, 1110, 1052.03 +02/02/2018, 1111.9, 4837979, 1122, 1123.07, 1107.2779 +02/01/2018, 1167.7, 2380221, 1162.61, 1174, 1157.52 +01/31/2018, 1169.94, 1523820, 1170.57, 1173, 1159.13 +01/30/2018, 1163.69, 1541771, 1167.83, 1176.52, 1163.52 +01/29/2018, 1175.58, 1337324, 1176.48, 1186.89, 1171.98 +01/26/2018, 1175.84, 1981173, 1175.08, 1175.84, 1158.11 +01/25/2018, 1170.37, 1461518, 1172.53, 1175.94, 1162.76 +01/24/2018, 1164.24, 1382904, 1177.33, 1179.86, 1161.05 +01/23/2018, 1169.97, 1309862, 1159.85, 1171.6266, 1158.75 +01/22/2018, 1155.81, 1616120, 1137.49, 1159.88, 1135.1101 +01/19/2018, 1137.51, 1390118, 1131.83, 1137.86, 1128.3 +01/18/2018, 1129.79, 1194943, 1131.41, 1132.51, 1117.5 +01/17/2018, 1131.98, 1200476, 1126.22, 1132.6, 1117.01 +01/16/2018, 1121.76, 1566662, 1132.51, 1139.91, 1117.8316 +01/12/2018, 1122.26, 1718491, 1102.41, 1124.29, 1101.15 +01/11/2018, 1105.52, 977727, 1106.3, 1106.525, 1099.59 +01/10/2018, 1102.61, 1042273, 1097.1, 1104.6, 1096.11 +01/09/2018, 1106.26, 900089, 1109.4, 1110.57, 1101.2307 +01/08/2018, 1106.94, 1046767, 1102.23, 1111.27, 1101.62 +01/05/2018, 1102.23, 1279990, 1094, 1104.25, 1092 +01/04/2018, 1086.4, 1002945, 1088, 1093.5699, 1084.0017 +01/03/2018, 1082.48, 1429757, 1064.31, 1086.29, 1063.21 +01/02/2018, 1065, 1236401, 1048.34, 1066.94, 1045.23 +12/29/2017, 1046.4, 886845, 1046.72, 1049.7, 1044.9 +12/28/2017, 1048.14, 833011, 1051.6, 1054.75, 1044.77 +12/27/2017, 1049.37, 1271780, 1057.39, 1058.37, 1048.05 +12/26/2017, 1056.74, 761097, 1058.07, 1060.12, 1050.2 +12/22/2017, 1060.12, 755089, 1061.11, 1064.2, 1059.44 +12/21/2017, 1063.63, 986548, 1064.95, 1069.33, 1061.7938 +12/20/2017, 1064.95, 1268285, 1071.78, 1073.38, 1061.52 +12/19/2017, 1070.68, 1307894, 1075.2, 1076.84, 1063.55 +12/18/2017, 1077.14, 1552016, 1066.08, 1078.49, 1062 +12/15/2017, 1064.19, 3275091, 1054.61, 1067.62, 1049.5 +12/14/2017, 1049.15, 1558684, 1045, 1058.5, 1043.11 +12/13/2017, 1040.61, 1220364, 1046.12, 1046.665, 1038.38 +12/12/2017, 1040.48, 1279511, 1039.63, 1050.31, 1033.6897 +12/11/2017, 1041.1, 1190527, 1035.5, 1043.8, 1032.0504 +12/08/2017, 1037.05, 1288419, 1037.49, 1042.05, 1032.5222 +12/07/2017, 1030.93, 1458145, 1020.43, 1034.24, 1018.071 +12/06/2017, 1018.38, 1258496, 1001.5, 1024.97, 1001.14 +12/05/2017, 1005.15, 2066247, 995.94, 1020.61, 988.28 +12/04/2017, 998.68, 1906058, 1012.66, 1016.1, 995.57 +12/01/2017, 1010.17, 1908962, 1015.8, 1022.4897, 1002.02 +11/30/2017, 1021.41, 1723003, 1022.37, 1028.4899, 1015 +11/29/2017, 1021.66, 2442974, 1042.68, 1044.08, 1015.65 +11/28/2017, 1047.41, 1421027, 1055.09, 1062.375, 1040 +11/27/2017, 1054.21, 1307471, 1040, 1055.46, 1038.44 +11/24/2017, 1040.61, 536996, 1035.87, 1043.178, 1035 +11/22/2017, 1035.96, 746351, 1035, 1039.706, 1031.43 +11/21/2017, 1034.49, 1096161, 1023.31, 1035.11, 1022.655 +11/20/2017, 1018.38, 898389, 1020.26, 1022.61, 1017.5 +11/17/2017, 1019.09, 1366936, 1034.01, 1034.42, 1017.75 +11/16/2017, 1032.5, 1129424, 1022.52, 1035.92, 1022.52 +11/15/2017, 1020.91, 847932, 1019.21, 1024.09, 1015.42 +11/14/2017, 1026, 958708, 1022.59, 1026.81, 1014.15 +11/13/2017, 1025.75, 885565, 1023.42, 1031.58, 1022.57 +11/10/2017, 1028.07, 720674, 1026.46, 1030.76, 1025.28 +11/09/2017, 1031.26, 1244701, 1033.99, 1033.99, 1019.6656 +11/08/2017, 1039.85, 1088395, 1030.52, 1043.522, 1028.45 +11/07/2017, 1033.33, 1112123, 1027.27, 1033.97, 1025.13 +11/06/2017, 1025.9, 1124757, 1028.99, 1034.87, 1025 +11/03/2017, 1032.48, 1075134, 1022.11, 1032.65, 1020.31 +11/02/2017, 1025.58, 1048584, 1021.76, 1028.09, 1013.01 +11/01/2017, 1025.5, 1371619, 1017.21, 1029.67, 1016.95 +10/31/2017, 1016.64, 1331265, 1015.22, 1024, 1010.42 +10/30/2017, 1017.11, 2083490, 1014, 1024.97, 1007.5 +10/27/2017, 1019.27, 5165922, 1009.19, 1048.39, 1008.2 +10/26/2017, 972.56, 2027218, 980, 987.6, 972.2 +10/25/2017, 973.33, 1210368, 968.37, 976.09, 960.5201 +10/24/2017, 970.54, 1206074, 970, 972.23, 961 +10/23/2017, 968.45, 1471544, 989.52, 989.52, 966.12 +10/20/2017, 988.2, 1176177, 989.44, 991, 984.58 +10/19/2017, 984.45, 1312706, 986, 988.88, 978.39 +10/18/2017, 992.81, 1057285, 991.77, 996.72, 986.9747 +10/17/2017, 992.18, 1290152, 990.29, 996.44, 988.59 +10/16/2017, 992, 910246, 992.1, 993.9065, 984 +10/13/2017, 989.68, 1169584, 992, 997.21, 989 +10/12/2017, 987.83, 1278357, 987.45, 994.12, 985 +10/11/2017, 989.25, 1692843, 973.72, 990.71, 972.25 +10/10/2017, 972.6, 968113, 980, 981.57, 966.0801 +10/09/2017, 977, 890620, 980, 985.425, 976.11 +10/06/2017, 978.89, 1146207, 966.7, 979.46, 963.36 +10/05/2017, 969.96, 1210427, 955.49, 970.91, 955.18 +10/04/2017, 951.68, 951766, 957, 960.39, 950.69 +10/03/2017, 957.79, 888303, 954, 958, 949.14 +10/02/2017, 953.27, 1282850, 959.98, 962.54, 947.84 +09/29/2017, 959.11, 1576365, 952, 959.7864, 951.51 +09/28/2017, 949.5, 997036, 941.36, 950.69, 940.55 +09/27/2017, 944.49, 2237538, 927.74, 949.9, 927.74 +09/26/2017, 924.86, 1666749, 923.72, 930.82, 921.14 +09/25/2017, 920.97, 1855742, 925.45, 926.4, 909.7 +09/22/2017, 928.53, 1052170, 927.75, 934.73, 926.48 +09/21/2017, 932.45, 1227059, 933, 936.53, 923.83 +09/20/2017, 931.58, 1535626, 922.98, 933.88, 922 +09/19/2017, 921.81, 912967, 917.42, 922.4199, 912.55 +09/18/2017, 915, 1300759, 920.01, 922.08, 910.6 +09/15/2017, 920.29, 2499466, 924.66, 926.49, 916.36 +09/14/2017, 925.11, 1395497, 931.25, 932.77, 924 +09/13/2017, 935.09, 1101145, 930.66, 937.25, 929.86 +09/12/2017, 932.07, 1133638, 932.59, 933.48, 923.861 +09/11/2017, 929.08, 1266020, 934.25, 938.38, 926.92 +09/08/2017, 926.5, 997699, 936.49, 936.99, 924.88 +09/07/2017, 935.95, 1211472, 931.73, 936.41, 923.62 +09/06/2017, 927.81, 1526209, 930.15, 930.915, 919.27 +09/05/2017, 928.45, 1346791, 933.08, 937, 921.96 +09/01/2017, 937.34, 943657, 941.13, 942.48, 935.15 +08/31/2017, 939.33, 1566888, 931.76, 941.98, 931.76 +08/30/2017, 929.57, 1300616, 920.05, 930.819, 919.65 +08/29/2017, 921.29, 1181391, 905.1, 923.33, 905 +08/28/2017, 913.81, 1085014, 916, 919.245, 911.87 +08/25/2017, 915.89, 1052764, 923.49, 925.555, 915.5 +08/24/2017, 921.28, 1266191, 928.66, 930.84, 915.5 +08/23/2017, 927, 1088575, 921.93, 929.93, 919.36 +08/22/2017, 924.69, 1166320, 912.72, 925.86, 911.4751 +08/21/2017, 906.66, 942328, 910, 913, 903.4 +08/18/2017, 910.67, 1341990, 910.31, 915.275, 907.1543 +08/17/2017, 910.98, 1241782, 925.78, 926.86, 910.98 +08/16/2017, 926.96, 1005261, 925.29, 932.7, 923.445 +08/15/2017, 922.22, 882479, 924.23, 926.5499, 919.82 +08/14/2017, 922.67, 1063404, 922.53, 924.668, 918.19 +08/11/2017, 914.39, 1205652, 907.97, 917.78, 905.58 +08/10/2017, 907.24, 1755521, 917.55, 919.26, 906.13 +08/09/2017, 922.9, 1191332, 920.61, 925.98, 917.2501 +08/08/2017, 926.79, 1057351, 927.09, 935.814, 925.6095 +08/07/2017, 929.36, 1031710, 929.06, 931.7, 926.5 +08/04/2017, 927.96, 1081814, 926.75, 930.3068, 923.03 +08/03/2017, 923.65, 1201519, 930.34, 932.24, 922.24 +08/02/2017, 930.39, 1822272, 928.61, 932.6, 916.68 +08/01/2017, 930.83, 1234612, 932.38, 937.447, 929.26 +07/31/2017, 930.5, 1964748, 941.89, 943.59, 926.04 +07/28/2017, 941.53, 1802343, 929.4, 943.83, 927.5 +07/27/2017, 934.09, 3128819, 951.78, 951.78, 920 +07/26/2017, 947.8, 2069349, 954.68, 955, 942.2788 +07/25/2017, 950.7, 4656609, 953.81, 959.7, 945.4 +07/24/2017, 980.34, 3205374, 972.22, 986.2, 970.77 +07/21/2017, 972.92, 1697190, 962.25, 973.23, 960.15 +07/20/2017, 968.15, 1620636, 975, 975.9, 961.51 +07/19/2017, 970.89, 1221155, 967.84, 973.04, 964.03 +07/18/2017, 965.4, 1152741, 953, 968.04, 950.6 +07/17/2017, 953.42, 1164141, 957, 960.74, 949.2407 +07/14/2017, 955.99, 1052855, 952, 956.91, 948.005 +07/13/2017, 947.16, 1294674, 946.29, 954.45, 943.01 +07/12/2017, 943.83, 1517168, 938.68, 946.3, 934.47 +07/11/2017, 930.09, 1112417, 929.54, 931.43, 922 +07/10/2017, 928.8, 1190237, 921.77, 930.38, 919.59 +07/07/2017, 918.59, 1590456, 908.85, 921.54, 908.85 +07/06/2017, 906.69, 1424290, 904.12, 914.9444, 899.7 +07/05/2017, 911.71, 1813309, 901.76, 914.51, 898.5 +07/03/2017, 898.7, 1710373, 912.18, 913.94, 894.79 +06/30/2017, 908.73, 2086340, 926.05, 926.05, 908.31 +06/29/2017, 917.79, 3287991, 929.92, 931.26, 910.62 +06/28/2017, 940.49, 2719213, 929, 942.75, 916 +06/27/2017, 927.33, 2566047, 942.46, 948.29, 926.85 +06/26/2017, 952.27, 1596664, 969.9, 973.31, 950.79 +06/23/2017, 965.59, 1527513, 956.83, 966, 954.2 +06/22/2017, 957.09, 941639, 958.7, 960.72, 954.55 +06/21/2017, 959.45, 1201971, 953.64, 960.1, 950.76 +06/20/2017, 950.63, 1125520, 957.52, 961.62, 950.01 +06/19/2017, 957.37, 1520715, 949.96, 959.99, 949.05 +06/16/2017, 939.78, 3061794, 940, 942.04, 931.595 +06/15/2017, 942.31, 2065271, 933.97, 943.339, 924.44 +06/14/2017, 950.76, 1487378, 959.92, 961.15, 942.25 +06/13/2017, 953.4, 2012980, 951.91, 959.98, 944.09 +06/12/2017, 942.9, 3762434, 939.56, 949.355, 915.2328 +06/09/2017, 949.83, 3305545, 984.5, 984.5, 935.63 +06/08/2017, 983.41, 1477151, 982.35, 984.57, 977.2 +06/07/2017, 981.08, 1447172, 979.65, 984.15, 975.77 +06/06/2017, 976.57, 1814323, 983.16, 988.25, 975.14 +06/05/2017, 983.68, 1251903, 976.55, 986.91, 975.1 +06/02/2017, 975.6, 1750723, 969.46, 975.88, 966 +06/01/2017, 966.95, 1408958, 968.95, 971.5, 960.01 +05/31/2017, 964.86, 2447176, 975.02, 979.27, 960.18 +05/30/2017, 975.88, 1466288, 970.31, 976.2, 969.49 +05/26/2017, 971.47, 1251425, 969.7, 974.98, 965.03 +05/25/2017, 969.54, 1659422, 957.33, 972.629, 955.47 +05/24/2017, 954.96, 1031408, 952.98, 955.09, 949.5 +05/23/2017, 948.82, 1269438, 947.92, 951.4666, 942.575 +05/22/2017, 941.86, 1118456, 935, 941.8828, 935 +05/19/2017, 934.01, 1389848, 931.47, 937.755, 931 +05/18/2017, 930.24, 1596058, 921, 933.17, 918.75 +05/17/2017, 919.62, 2357922, 935.67, 939.3325, 918.14 +05/16/2017, 943, 968288, 940, 943.11, 937.58 +05/15/2017, 937.08, 1104595, 932.95, 938.25, 929.34 +05/12/2017, 932.22, 1050377, 931.53, 933.44, 927.85 +05/11/2017, 930.6, 834997, 925.32, 932.53, 923.0301 +05/10/2017, 928.78, 1173887, 931.98, 932, 925.16 +05/09/2017, 932.17, 1581236, 936.95, 937.5, 929.53 +05/08/2017, 934.3, 1328885, 926.12, 936.925, 925.26 +05/05/2017, 927.13, 1910317, 933.54, 934.9, 925.2 +05/04/2017, 931.66, 1421938, 926.07, 935.93, 924.59 +05/03/2017, 927.04, 1497565, 914.86, 928.1, 912.5426 +05/02/2017, 916.44, 1543696, 909.62, 920.77, 909.4526 +05/01/2017, 912.57, 2114629, 901.94, 915.68, 901.45 +04/28/2017, 905.96, 3223850, 910.66, 916.85, 905.77 +04/27/2017, 874.25, 2009509, 873.6, 875.4, 870.38 +04/26/2017, 871.73, 1233724, 874.23, 876.05, 867.7481 +04/25/2017, 872.3, 1670095, 865, 875, 862.81 +04/24/2017, 862.76, 1371722, 851.2, 863.45, 849.86 +04/21/2017, 843.19, 1323364, 842.88, 843.88, 840.6 +04/20/2017, 841.65, 957994, 841.44, 845.2, 839.32 +04/19/2017, 838.21, 954324, 839.79, 842.22, 836.29 +04/18/2017, 836.82, 835433, 834.22, 838.93, 832.71 +04/17/2017, 837.17, 894540, 825.01, 837.75, 824.47 +04/13/2017, 823.56, 1118221, 822.14, 826.38, 821.44 +04/12/2017, 824.32, 900059, 821.93, 826.66, 821.02 +04/11/2017, 823.35, 1078951, 824.71, 827.4267, 817.0201 +04/10/2017, 824.73, 978825, 825.39, 829.35, 823.77 +04/07/2017, 824.67, 1056692, 827.96, 828.485, 820.5127 +04/06/2017, 827.88, 1254235, 832.4, 836.39, 826.46 +04/05/2017, 831.41, 1553163, 835.51, 842.45, 830.72 +04/04/2017, 834.57, 1044455, 831.36, 835.18, 829.0363 +04/03/2017, 838.55, 1670349, 829.22, 840.85, 829.22 +03/31/2017, 829.56, 1401756, 828.97, 831.64, 827.39 +03/30/2017, 831.5, 1055263, 833.5, 833.68, 829 +03/29/2017, 831.41, 1785006, 825, 832.765, 822.3801 +03/28/2017, 820.92, 1620532, 820.41, 825.99, 814.027 +03/27/2017, 819.51, 1894735, 806.95, 821.63, 803.37 +03/24/2017, 814.43, 1980415, 820.08, 821.93, 808.89 +03/23/2017, 817.58, 3485390, 821, 822.57, 812.257 +03/22/2017, 829.59, 1399409, 831.91, 835.55, 827.1801 +03/21/2017, 830.46, 2461375, 851.4, 853.5, 829.02 +03/20/2017, 848.4, 1217560, 850.01, 850.22, 845.15 +03/17/2017, 852.12, 1712397, 851.61, 853.4, 847.11 +03/16/2017, 848.78, 977384, 849.03, 850.85, 846.13 +03/15/2017, 847.2, 1381328, 847.59, 848.63, 840.77 +03/14/2017, 845.62, 779920, 843.64, 847.24, 840.8 +03/13/2017, 845.54, 1149928, 844, 848.685, 843.25 +03/10/2017, 843.25, 1702731, 843.28, 844.91, 839.5 +03/09/2017, 838.68, 1261393, 836, 842, 834.21 +03/08/2017, 835.37, 988900, 833.51, 838.15, 831.79 +03/07/2017, 831.91, 1037573, 827.4, 833.41, 826.52 +03/06/2017, 827.78, 1108799, 826.95, 828.88, 822.4 +03/03/2017, 829.08, 890640, 830.56, 831.36, 825.751 +03/02/2017, 830.63, 937824, 833.85, 834.51, 829.64 +03/01/2017, 835.24, 1495934, 828.85, 836.255, 827.26 +02/28/2017, 823.21, 2258695, 825.61, 828.54, 820.2 +02/27/2017, 829.28, 1101120, 824.55, 830.5, 824 +02/24/2017, 828.64, 1392039, 827.73, 829, 824.2 +02/23/2017, 831.33, 1471342, 830.12, 832.46, 822.88 +02/22/2017, 830.76, 983058, 828.66, 833.25, 828.64 +02/21/2017, 831.66, 1259841, 828.66, 833.45, 828.35 +02/17/2017, 828.07, 1602549, 823.02, 828.07, 821.655 +02/16/2017, 824.16, 1285919, 819.93, 824.4, 818.98 +02/15/2017, 818.98, 1311316, 819.36, 823, 818.47 +02/14/2017, 820.45, 1054472, 819, 823, 816 +02/13/2017, 819.24, 1205835, 816, 820.959, 815.49 +02/10/2017, 813.67, 1134701, 811.7, 815.25, 809.78 +02/09/2017, 809.56, 990260, 809.51, 810.66, 804.54 +02/08/2017, 808.38, 1155892, 807, 811.84, 803.1903 +02/07/2017, 806.97, 1240257, 803.99, 810.5, 801.78 +02/06/2017, 801.34, 1182882, 799.7, 801.67, 795.2501 +02/03/2017, 801.49, 1461217, 802.99, 806, 800.37 +02/02/2017, 798.53, 1530827, 793.8, 802.7, 792 +02/01/2017, 795.695, 2027708, 799.68, 801.19, 791.19 +01/31/2017, 796.79, 2153957, 796.86, 801.25, 790.52 +01/30/2017, 802.32, 3243568, 814.66, 815.84, 799.8 +01/27/2017, 823.31, 2964989, 834.71, 841.95, 820.44 +01/26/2017, 832.15, 2944642, 837.81, 838, 827.01 +01/25/2017, 835.67, 1612854, 829.62, 835.77, 825.06 +01/24/2017, 823.87, 1472228, 822.3, 825.9, 817.821 +01/23/2017, 819.31, 1962506, 807.25, 820.87, 803.74 +01/20/2017, 805.02, 1668638, 806.91, 806.91, 801.69 +01/19/2017, 802.175, 917085, 805.12, 809.48, 801.8 +01/18/2017, 806.07, 1293893, 805.81, 806.205, 800.99 +01/17/2017, 804.61, 1361935, 807.08, 807.14, 800.37 +01/13/2017, 807.88, 1098154, 807.48, 811.2244, 806.69 +01/12/2017, 806.36, 1352872, 807.14, 807.39, 799.17 +01/11/2017, 807.91, 1065360, 805, 808.15, 801.37 +01/10/2017, 804.79, 1176637, 807.86, 809.1299, 803.51 +01/09/2017, 806.65, 1274318, 806.4, 809.9664, 802.83 +01/06/2017, 806.15, 1639246, 795.26, 807.9, 792.2041 +01/05/2017, 794.02, 1334028, 786.08, 794.48, 785.02 +01/04/2017, 786.9, 1071198, 788.36, 791.34, 783.16 +01/03/2017, 786.14, 1657291, 778.81, 789.63, 775.8 +12/30/2016, 771.82, 1769809, 782.75, 782.78, 770.41 +12/29/2016, 782.79, 743808, 783.33, 785.93, 778.92 +12/28/2016, 785.05, 1142148, 793.7, 794.23, 783.2 +12/27/2016, 791.55, 789151, 790.68, 797.86, 787.657 +12/23/2016, 789.91, 623682, 790.9, 792.74, 787.28 +12/22/2016, 791.26, 972147, 792.36, 793.32, 788.58 +12/21/2016, 794.56, 1208770, 795.84, 796.6757, 787.1 +12/20/2016, 796.42, 950345, 796.76, 798.65, 793.27 +12/19/2016, 794.2, 1231966, 790.22, 797.66, 786.27 +12/16/2016, 790.8, 2435100, 800.4, 800.8558, 790.29 +12/15/2016, 797.85, 1623709, 797.34, 803, 792.92 +12/14/2016, 797.07, 1700875, 797.4, 804, 794.01 +12/13/2016, 796.1, 2122735, 793.9, 804.3799, 793.34 +12/12/2016, 789.27, 2102288, 785.04, 791.25, 784.3554 +12/09/2016, 789.29, 1821146, 780, 789.43, 779.021 +12/08/2016, 776.42, 1487517, 772.48, 778.18, 767.23 +12/07/2016, 771.19, 1757710, 761, 771.36, 755.8 +12/06/2016, 759.11, 1690365, 764.73, 768.83, 757.34 +12/05/2016, 762.52, 1393566, 757.71, 763.9, 752.9 +12/02/2016, 750.5, 1452181, 744.59, 754, 743.1 +12/01/2016, 747.92, 3017001, 757.44, 759.85, 737.0245 +11/30/2016, 758.04, 2386628, 770.07, 772.99, 754.83 +11/29/2016, 770.84, 1616427, 771.53, 778.5, 768.24 +11/28/2016, 768.24, 2177039, 760, 779.53, 759.8 +11/25/2016, 761.68, 587421, 764.26, 765, 760.52 +11/23/2016, 760.99, 1477501, 767.73, 768.2825, 755.25 +11/22/2016, 768.27, 1592372, 772.63, 776.96, 767 +11/21/2016, 769.2, 1324431, 762.61, 769.7, 760.6 +11/18/2016, 760.54, 1528555, 771.37, 775, 760 +11/17/2016, 771.23, 1298484, 766.92, 772.7, 764.23 +11/16/2016, 764.48, 1468196, 755.2, 766.36, 750.51 +11/15/2016, 758.49, 2375056, 746.97, 764.4162, 746.97 +11/14/2016, 736.08, 3644965, 755.6, 757.85, 727.54 +11/11/2016, 754.02, 2421889, 756.54, 760.78, 750.38 +11/10/2016, 762.56, 4733916, 791.17, 791.17, 752.18 +11/09/2016, 785.31, 2603860, 779.94, 791.2265, 771.67 +11/08/2016, 790.51, 1361472, 783.4, 795.633, 780.19 +11/07/2016, 782.52, 1574426, 774.5, 785.19, 772.55 +11/04/2016, 762.02, 2131948, 750.66, 770.36, 750.5611 +11/03/2016, 762.13, 1933937, 767.25, 769.95, 759.03 +11/02/2016, 768.7, 1905814, 778.2, 781.65, 763.4496 +11/01/2016, 783.61, 2404898, 782.89, 789.49, 775.54 +10/31/2016, 784.54, 2420892, 795.47, 796.86, 784 +10/28/2016, 795.37, 4261912, 808.35, 815.49, 793.59 +10/27/2016, 795.35, 2723097, 801, 803.49, 791.5 +10/26/2016, 799.07, 1645403, 806.34, 806.98, 796.32 +10/25/2016, 807.67, 1575020, 816.68, 816.68, 805.14 +10/24/2016, 813.11, 1693162, 804.9, 815.18, 804.82 +10/21/2016, 799.37, 1262042, 795, 799.5, 794 +10/20/2016, 796.97, 1755546, 803.3, 803.97, 796.03 +10/19/2016, 801.56, 1762990, 798.86, 804.63, 797.635 +10/18/2016, 795.26, 2046338, 787.85, 801.61, 785.565 +10/17/2016, 779.96, 1091524, 779.8, 785.85, 777.5 +10/14/2016, 778.53, 851512, 781.65, 783.95, 776 +10/13/2016, 778.19, 1360619, 781.22, 781.22, 773 +10/12/2016, 786.14, 935138, 783.76, 788.13, 782.06 +10/11/2016, 783.07, 1371461, 786.66, 792.28, 780.58 +10/10/2016, 785.94, 1161410, 777.71, 789.38, 775.87 +10/07/2016, 775.08, 932444, 779.66, 779.66, 770.75 +10/06/2016, 776.86, 1066910, 779, 780.48, 775.54 +10/05/2016, 776.47, 1457661, 779.31, 782.07, 775.65 +10/04/2016, 776.43, 1198361, 776.03, 778.71, 772.89 +10/03/2016, 772.56, 1276614, 774.25, 776.065, 769.5 +09/30/2016, 777.29, 1583293, 776.33, 780.94, 774.09 +09/29/2016, 775.01, 1310252, 781.44, 785.8, 774.232 +09/28/2016, 781.56, 1108249, 777.85, 781.81, 774.97 +09/27/2016, 783.01, 1152760, 775.5, 785.9899, 774.308 +09/26/2016, 774.21, 1531788, 782.74, 782.74, 773.07 +09/23/2016, 786.9, 1411439, 786.59, 788.93, 784.15 +09/22/2016, 787.21, 1483899, 780, 789.85, 778.44 +09/21/2016, 776.22, 1166290, 772.66, 777.16, 768.301 +09/20/2016, 771.41, 975434, 769, 773.33, 768.53 +09/19/2016, 765.7, 1171969, 772.42, 774, 764.4406 +09/16/2016, 768.88, 2047036, 769.75, 769.75, 764.66 +09/15/2016, 771.76, 1344945, 762.89, 773.8, 759.96 +09/14/2016, 762.49, 1093723, 759.61, 767.68, 759.11 +09/13/2016, 759.69, 1394158, 764.48, 766.2195, 755.8 +09/12/2016, 769.02, 1310493, 755.13, 770.29, 754.0001 +09/09/2016, 759.66, 1879903, 770.1, 773.245, 759.66 +09/08/2016, 775.32, 1268663, 778.59, 780.35, 773.58 +09/07/2016, 780.35, 893874, 780, 782.73, 776.2 +09/06/2016, 780.08, 1441864, 773.45, 782, 771 +09/02/2016, 771.46, 1070725, 773.01, 773.9199, 768.41 +09/01/2016, 768.78, 925019, 769.25, 771.02, 764.3 +08/31/2016, 767.05, 1247937, 767.01, 769.09, 765.38 +08/30/2016, 769.09, 1129932, 769.33, 774.466, 766.84 +08/29/2016, 772.15, 847537, 768.74, 774.99, 766.615 +08/26/2016, 769.54, 1164713, 769, 776.0799, 765.85 +08/25/2016, 769.41, 926856, 767, 771.89, 763.1846 +08/24/2016, 769.64, 1071569, 770.58, 774.5, 767.07 +08/23/2016, 772.08, 925356, 775.48, 776.44, 771.785 +08/22/2016, 772.15, 950417, 773.27, 774.54, 770.0502 +08/19/2016, 775.42, 860899, 775, 777.1, 773.13 +08/18/2016, 777.5, 718882, 780.01, 782.86, 777 +08/17/2016, 779.91, 921666, 777.32, 780.81, 773.53 +08/16/2016, 777.14, 1027836, 780.3, 780.98, 773.444 +08/15/2016, 782.44, 938183, 783.75, 787.49, 780.11 +08/12/2016, 783.22, 739761, 781.5, 783.395, 780.4 +08/11/2016, 784.85, 971742, 785, 789.75, 782.97 +08/10/2016, 784.68, 784559, 783.75, 786.8123, 782.778 +08/09/2016, 784.26, 1318457, 781.1, 788.94, 780.57 +08/08/2016, 781.76, 1106693, 782, 782.63, 778.091 +08/05/2016, 782.22, 1799478, 773.78, 783.04, 772.34 +08/04/2016, 771.61, 1139972, 772.22, 774.07, 768.795 +08/03/2016, 773.18, 1283186, 767.18, 773.21, 766.82 +08/02/2016, 771.07, 1782822, 768.69, 775.84, 767.85 +08/01/2016, 772.88, 2697699, 761.09, 780.43, 761.09 +07/29/2016, 768.79, 3830103, 772.71, 778.55, 766.77 +07/28/2016, 745.91, 3473040, 747.04, 748.65, 739.3 +07/27/2016, 741.77, 1509133, 738.28, 744.46, 737 +07/26/2016, 738.42, 1182993, 739.04, 741.69, 734.27 +07/25/2016, 739.77, 1031643, 740.67, 742.61, 737.5 +07/22/2016, 742.74, 1256741, 741.86, 743.24, 736.56 +07/21/2016, 738.63, 1022229, 740.36, 741.69, 735.831 +07/20/2016, 741.19, 1283931, 737.33, 742.13, 737.1 +07/19/2016, 736.96, 1225467, 729.89, 736.99, 729 +07/18/2016, 733.78, 1284740, 722.71, 736.13, 721.19 +07/15/2016, 719.85, 1277514, 725.73, 725.74, 719.055 +07/14/2016, 720.95, 949456, 721.58, 722.21, 718.03 +07/13/2016, 716.98, 933352, 723.62, 724, 716.85 +07/12/2016, 720.64, 1336112, 719.12, 722.94, 715.91 +07/11/2016, 715.09, 1107039, 708.05, 716.51, 707.24 +07/08/2016, 705.63, 1573909, 699.5, 705.71, 696.435 +07/07/2016, 695.36, 1303661, 698.08, 698.2, 688.215 +07/06/2016, 697.77, 1411080, 689.98, 701.68, 689.09 +07/05/2016, 694.49, 1462879, 696.06, 696.94, 688.88 +07/01/2016, 699.21, 1344387, 692.2, 700.65, 692.1301 +06/30/2016, 692.1, 1597298, 685.47, 692.32, 683.65 +06/29/2016, 684.11, 1931436, 683, 687.4292, 681.41 +06/28/2016, 680.04, 2169704, 678.97, 680.33, 673 +06/27/2016, 668.26, 2632011, 671, 672.3, 663.284 +06/24/2016, 675.22, 4442943, 675.17, 689.4, 673.45 +06/23/2016, 701.87, 2166183, 697.45, 701.95, 687 +06/22/2016, 697.46, 1182161, 699.06, 700.86, 693.0819 +06/21/2016, 695.94, 1464836, 698.4, 702.77, 692.01 +06/20/2016, 693.71, 2080645, 698.77, 702.48, 693.41 +06/17/2016, 691.72, 3397720, 708.65, 708.82, 688.4515 +06/16/2016, 710.36, 1981657, 714.91, 716.65, 703.26 +06/15/2016, 718.92, 1213386, 719, 722.98, 717.31 +06/14/2016, 718.27, 1303808, 716.48, 722.47, 713.12 +06/13/2016, 718.36, 1255199, 716.51, 725.44, 716.51 +06/10/2016, 719.41, 1213989, 719.47, 725.89, 716.43 +06/09/2016, 728.58, 987635, 722.87, 729.54, 722.3361 +06/08/2016, 728.28, 1583325, 723.96, 728.57, 720.58 +06/07/2016, 716.65, 1336348, 719.84, 721.98, 716.55 +06/06/2016, 716.55, 1565955, 724.91, 724.91, 714.61 +06/03/2016, 722.34, 1225924, 729.27, 729.49, 720.56 +06/02/2016, 730.4, 1340664, 732.5, 733.02, 724.17 +06/01/2016, 734.15, 1251468, 734.53, 737.21, 730.66 +05/31/2016, 735.72, 2128358, 731.74, 739.73, 731.26 +05/27/2016, 732.66, 1974425, 724.01, 733.936, 724 +05/26/2016, 724.12, 1573635, 722.87, 728.33, 720.28 +05/25/2016, 725.27, 1629790, 720.76, 727.51, 719.7047 +05/24/2016, 720.09, 1926828, 706.86, 720.97, 706.86 +05/23/2016, 704.24, 1326386, 706.53, 711.4781, 704.18 +05/20/2016, 709.74, 1825830, 701.62, 714.58, 700.52 +05/19/2016, 700.32, 1668887, 702.36, 706, 696.8 +05/18/2016, 706.63, 1765632, 703.67, 711.6, 700.63 +05/17/2016, 706.23, 1999883, 715.99, 721.52, 704.11 +05/16/2016, 716.49, 1316719, 709.13, 718.48, 705.65 +05/13/2016, 710.83, 1307559, 711.93, 716.6619, 709.26 +05/12/2016, 713.31, 1361170, 717.06, 719.25, 709 +05/11/2016, 715.29, 1690862, 723.41, 724.48, 712.8 +05/10/2016, 723.18, 1568621, 716.75, 723.5, 715.72 +05/09/2016, 712.9, 1509892, 712, 718.71, 710 +05/06/2016, 711.12, 1828508, 698.38, 711.86, 698.1067 +05/05/2016, 701.43, 1680220, 697.7, 702.3199, 695.72 +05/04/2016, 695.7, 1692757, 690.49, 699.75, 689.01 +05/03/2016, 692.36, 1541297, 696.87, 697.84, 692 +05/02/2016, 698.21, 1645013, 697.63, 700.64, 691 +04/29/2016, 693.01, 2486584, 690.7, 697.62, 689 +04/28/2016, 691.02, 2859790, 708.26, 714.17, 689.55 +04/27/2016, 705.84, 3094905, 707.29, 708.98, 692.3651 +04/26/2016, 708.14, 2739133, 725.42, 725.766, 703.0264 +04/25/2016, 723.15, 1956956, 716.1, 723.93, 715.59 +04/22/2016, 718.77, 5949699, 726.3, 736.12, 713.61 +04/21/2016, 759.14, 2995094, 755.38, 760.45, 749.55 +04/20/2016, 752.67, 1526776, 758, 758.1315, 750.01 +04/19/2016, 753.93, 2027962, 769.51, 769.9, 749.33 +04/18/2016, 766.61, 1557199, 760.46, 768.05, 757.3 +04/15/2016, 759, 1807062, 753.98, 761, 752.6938 +04/14/2016, 753.2, 1134056, 754.01, 757.31, 752.705 +04/13/2016, 751.72, 1707397, 749.16, 754.38, 744.261 +04/12/2016, 743.09, 1349780, 738, 743.83, 731.01 +04/11/2016, 736.1, 1218789, 743.02, 745, 736.05 +04/08/2016, 739.15, 1289869, 743.97, 745.45, 735.55 +04/07/2016, 740.28, 1452369, 745.37, 746.9999, 736.28 +04/06/2016, 745.69, 1052171, 735.77, 746.24, 735.56 +04/05/2016, 737.8, 1130817, 738, 742.8, 735.37 +04/04/2016, 745.29, 1134214, 750.06, 752.8, 742.43 +04/01/2016, 749.91, 1576240, 738.6, 750.34, 737 +03/31/2016, 744.95, 1718638, 749.25, 750.85, 740.94 +03/30/2016, 750.53, 1782278, 750.1, 757.88, 748.74 +03/29/2016, 744.77, 1902254, 734.59, 747.25, 728.76 +03/28/2016, 733.53, 1300817, 736.79, 738.99, 732.5 +03/24/2016, 735.3, 1570474, 732.01, 737.747, 731 +03/23/2016, 738.06, 1431130, 742.36, 745.7199, 736.15 +03/22/2016, 740.75, 1269263, 737.46, 745, 737.46 +03/21/2016, 742.09, 1835963, 736.5, 742.5, 733.5157 +03/18/2016, 737.6, 2982194, 741.86, 742, 731.83 +03/17/2016, 737.78, 1859562, 736.45, 743.07, 736 +03/16/2016, 736.09, 1621412, 726.37, 737.47, 724.51 +03/15/2016, 728.33, 1720790, 726.92, 732.29, 724.77 +03/14/2016, 730.49, 1717002, 726.81, 735.5, 725.15 +03/11/2016, 726.82, 1968164, 720, 726.92, 717.125 +03/10/2016, 712.82, 2830630, 708.12, 716.44, 703.36 +03/09/2016, 705.24, 1419661, 698.47, 705.68, 694 +03/08/2016, 693.97, 2075305, 688.59, 703.79, 685.34 +03/07/2016, 695.16, 2986064, 706.9, 708.0912, 686.9 +03/04/2016, 710.89, 1971379, 714.99, 716.49, 706.02 +03/03/2016, 712.42, 1956958, 718.68, 719.45, 706.02 +03/02/2016, 718.85, 1629501, 719, 720, 712 +03/01/2016, 718.81, 2148608, 703.62, 718.81, 699.77 +02/29/2016, 697.77, 2478214, 700.32, 710.89, 697.68 +02/26/2016, 705.07, 2241785, 708.58, 713.43, 700.86 +02/25/2016, 705.75, 1640430, 700.01, 705.98, 690.585 +02/24/2016, 699.56, 1961258, 688.92, 700, 680.78 +02/23/2016, 695.85, 2006572, 701.45, 708.4, 693.58 +02/22/2016, 706.46, 1949046, 707.45, 713.24, 702.51 +02/19/2016, 700.91, 1585152, 695.03, 703.0805, 694.05 +02/18/2016, 697.35, 1880306, 710, 712.35, 696.03 +02/17/2016, 708.4, 2490021, 699, 709.75, 691.38 +02/16/2016, 691, 2517324, 692.98, 698, 685.05 +02/12/2016, 682.4, 2138937, 690.26, 693.75, 678.6 +02/11/2016, 683.11, 3021587, 675, 689.35, 668.8675 +02/10/2016, 684.12, 2629130, 686.86, 701.31, 682.13 +02/09/2016, 678.11, 3605792, 672.32, 699.9, 668.77 +02/08/2016, 682.74, 4241416, 667.85, 684.03, 663.06 +02/05/2016, 683.57, 5098357, 703.87, 703.99, 680.15 +02/04/2016, 708.01, 5157988, 722.81, 727, 701.86 +02/03/2016, 726.95, 6166731, 770.22, 774.5, 720.5 +02/02/2016, 764.65, 6340548, 784.5, 789.8699, 764.65 +02/01/2016, 752, 5065235, 750.46, 757.86, 743.27 +01/29/2016, 742.95, 3464432, 731.53, 744.9899, 726.8 +01/28/2016, 730.96, 2664956, 722.22, 733.69, 712.35 +01/27/2016, 699.99, 2175913, 713.67, 718.235, 694.39 +01/26/2016, 713.04, 1329141, 713.85, 718.28, 706.48 +01/25/2016, 711.67, 1709777, 723.58, 729.68, 710.01 +01/22/2016, 725.25, 2009951, 723.6, 728.13, 720.121 +01/21/2016, 706.59, 2411079, 702.18, 719.19, 694.46 +01/20/2016, 698.45, 3441642, 688.61, 706.85, 673.26 +01/19/2016, 701.79, 2264747, 703.3, 709.98, 693.4101 +01/15/2016, 694.45, 3604137, 692.29, 706.74, 685.37 +01/14/2016, 714.72, 2225495, 705.38, 721.925, 689.1 +01/13/2016, 700.56, 2497086, 730.85, 734.74, 698.61 +01/12/2016, 726.07, 2010026, 721.68, 728.75, 717.3165 +01/11/2016, 716.03, 2089495, 716.61, 718.855, 703.54 +01/08/2016, 714.47, 2449420, 731.45, 733.23, 713 +01/07/2016, 726.39, 2960578, 730.31, 738.5, 719.06 +01/06/2016, 743.62, 1943685, 730, 747.18, 728.92 +01/05/2016, 742.58, 1949386, 746.45, 752, 738.64 +01/04/2016, 741.84, 3271348, 743, 744.06, 731.2577 +12/31/2015, 758.88, 1500129, 769.5, 769.5, 758.34 +12/30/2015, 771, 1293514, 776.6, 777.6, 766.9 +12/29/2015, 776.6, 1764044, 766.69, 779.98, 766.43 +12/28/2015, 762.51, 1515574, 752.92, 762.99, 749.52 +12/24/2015, 748.4, 527223, 749.55, 751.35, 746.62 +12/23/2015, 750.31, 1566723, 753.47, 754.21, 744 +12/22/2015, 750, 1365420, 751.65, 754.85, 745.53 +12/21/2015, 747.77, 1524535, 746.13, 750, 740 +12/18/2015, 739.31, 3140906, 746.51, 754.13, 738.15 +12/17/2015, 749.43, 1551087, 762.42, 762.68, 749 +12/16/2015, 758.09, 1986319, 750, 760.59, 739.435 +12/15/2015, 743.4, 2661199, 753, 758.08, 743.01 +12/14/2015, 747.77, 2417778, 741.79, 748.73, 724.17 +12/11/2015, 738.87, 2223284, 741.16, 745.71, 736.75 +12/10/2015, 749.46, 1988035, 752.85, 755.85, 743.83 +12/09/2015, 751.61, 2697978, 759.17, 764.23, 737.001 +12/08/2015, 762.37, 1829004, 757.89, 764.8, 754.2 +12/07/2015, 763.25, 1811336, 767.77, 768.73, 755.09 +12/04/2015, 766.81, 2756194, 753.1, 768.49, 750 +12/03/2015, 752.54, 2589641, 766.01, 768.995, 745.63 +12/02/2015, 762.38, 2196721, 768.9, 775.955, 758.96 +12/01/2015, 767.04, 2131827, 747.11, 768.95, 746.7 +11/30/2015, 742.6, 2045584, 748.81, 754.93, 741.27 +11/27/2015, 750.26, 838528, 748.46, 753.41, 747.49 +11/25/2015, 748.15, 1122224, 748.14, 752, 746.06 +11/24/2015, 748.28, 2333700, 752, 755.279, 737.63 +11/23/2015, 755.98, 1414640, 757.45, 762.7075, 751.82 +11/20/2015, 756.6, 2212934, 746.53, 757.92, 743 +11/19/2015, 738.41, 1327265, 738.74, 742, 737.43 +11/18/2015, 740, 1683978, 727.58, 741.41, 727 +11/17/2015, 725.3, 1507449, 729.29, 731.845, 723.027 +11/16/2015, 728.96, 1904395, 715.6, 729.49, 711.33 +11/13/2015, 717, 2072392, 729.17, 731.15, 716.73 +11/12/2015, 731.23, 1836567, 731, 737.8, 728.645 +11/11/2015, 735.4, 1366611, 732.46, 741, 730.23 +11/10/2015, 728.32, 1606499, 724.4, 730.59, 718.5001 +11/09/2015, 724.89, 2068920, 730.2, 734.71, 719.43 +11/06/2015, 733.76, 1510586, 731.5, 735.41, 727.01 +11/05/2015, 731.25, 1861100, 729.47, 739.48, 729.47 +11/04/2015, 728.11, 1705745, 722, 733.1, 721.9 +11/03/2015, 722.16, 1565355, 718.86, 724.65, 714.72 +11/02/2015, 721.11, 1885155, 711.06, 721.62, 705.85 +10/30/2015, 710.81, 1907732, 715.73, 718, 710.05 +10/29/2015, 716.92, 1455508, 710.5, 718.26, 710.01 +10/28/2015, 712.95, 2178841, 707.33, 712.98, 703.08 +10/27/2015, 708.49, 2232183, 707.38, 713.62, 704.55 +10/26/2015, 712.78, 2709292, 701.55, 719.15, 701.26 +10/23/2015, 702, 6651909, 727.5, 730, 701.5 +10/22/2015, 651.79, 3994360, 646.7, 657.8, 644.01 +10/21/2015, 642.61, 1792869, 654.15, 655.87, 641.73 +10/20/2015, 650.28, 2498077, 664.04, 664.7197, 644.195 +10/19/2015, 666.1, 1465691, 661.18, 666.82, 659.58 +10/16/2015, 662.2, 1610712, 664.11, 664.97, 657.2 +10/15/2015, 661.74, 1832832, 654.66, 663.13, 654.46 +10/14/2015, 651.16, 1413798, 653.21, 659.39, 648.85 +10/13/2015, 652.3, 1806003, 643.15, 657.8125, 643.15 +10/12/2015, 646.67, 1275565, 642.09, 648.5, 639.01 +10/09/2015, 643.61, 1648656, 640, 645.99, 635.318 +10/08/2015, 639.16, 2181990, 641.36, 644.45, 625.56 +10/07/2015, 642.36, 2092536, 649.24, 650.609, 632.15 +10/06/2015, 645.44, 2235078, 638.84, 649.25, 636.5295 +10/05/2015, 641.47, 1802263, 632, 643.01, 627 +10/02/2015, 626.91, 2681241, 607.2, 627.34, 603.13 +10/01/2015, 611.29, 1866223, 608.37, 612.09, 599.85 +09/30/2015, 608.42, 2412754, 603.28, 608.76, 600.73 +09/29/2015, 594.97, 2310065, 597.28, 605, 590.22 +09/28/2015, 594.89, 3118693, 610.34, 614.605, 589.38 +09/25/2015, 611.97, 2173134, 629.77, 629.77, 611 +09/24/2015, 625.8, 2238097, 616.64, 627.32, 612.4 +09/23/2015, 622.36, 1470633, 622.05, 628.93, 620 +09/22/2015, 622.69, 2561551, 627, 627.55, 615.43 +09/21/2015, 635.44, 1786543, 634.4, 636.49, 625.94 +09/18/2015, 629.25, 5123314, 636.79, 640, 627.02 +09/17/2015, 642.9, 2259404, 637.79, 650.9, 635.02 +09/16/2015, 635.98, 1276250, 635.47, 637.95, 632.32 +09/15/2015, 635.14, 2082426, 626.7, 638.7, 623.78 +09/14/2015, 623.24, 1701618, 625.7, 625.86, 619.43 +09/11/2015, 625.77, 1372803, 619.75, 625.78, 617.42 +09/10/2015, 621.35, 1903334, 613.1, 624.16, 611.43 +09/09/2015, 612.72, 1699686, 621.22, 626.52, 609.6 +09/08/2015, 614.66, 2277487, 612.49, 616.31, 604.12 +09/04/2015, 600.7, 2087028, 600, 603.47, 595.25 +09/03/2015, 606.25, 1757851, 617, 619.71, 602.8213 +09/02/2015, 614.34, 2573982, 605.59, 614.34, 599.71 +09/01/2015, 597.79, 3699844, 602.36, 612.86, 594.1 +08/31/2015, 618.25, 2172168, 627.54, 635.8, 617.68 +08/28/2015, 630.38, 1975818, 632.82, 636.88, 624.56 +08/27/2015, 637.61, 3485906, 639.4, 643.59, 622 +08/26/2015, 628.62, 4187276, 610.35, 631.71, 599.05 +08/25/2015, 582.06, 3521916, 614.91, 617.45, 581.11 +08/24/2015, 589.61, 5727282, 573, 614, 565.05 +08/21/2015, 612.48, 4261666, 639.78, 640.05, 612.33 +08/20/2015, 646.83, 2854028, 655.46, 662.99, 642.9 +08/19/2015, 660.9, 2132265, 656.6, 667, 654.19 +08/18/2015, 656.13, 1455664, 661.9, 664, 653.46 +08/17/2015, 660.87, 1050553, 656.8, 661.38, 651.24 +08/14/2015, 657.12, 1071333, 655.01, 659.855, 652.66 +08/13/2015, 656.45, 1807182, 659.323, 664.5, 651.661 +08/12/2015, 659.56, 2938651, 663.08, 665, 652.29 +08/11/2015, 660.78, 5016425, 669.2, 674.9, 654.27 +08/10/2015, 633.73, 1653836, 639.48, 643.44, 631.249 +08/07/2015, 635.3, 1403441, 640.23, 642.68, 629.71 +08/06/2015, 642.68, 1572150, 645, 645.379, 632.25 +08/05/2015, 643.78, 2331720, 634.33, 647.86, 633.16 +08/04/2015, 629.25, 1486858, 628.42, 634.81, 627.16 +08/03/2015, 631.21, 1301439, 625.34, 633.0556, 625.34 +07/31/2015, 625.61, 1705286, 631.38, 632.91, 625.5 +07/30/2015, 632.59, 1472286, 630, 635.22, 622.05 +07/29/2015, 631.93, 1573146, 628.8, 633.36, 622.65 +07/28/2015, 628, 1713684, 632.83, 632.83, 623.31 +07/27/2015, 627.26, 2673801, 621, 634.3, 620.5 +07/24/2015, 623.56, 3622089, 647, 648.17, 622.52 +07/23/2015, 644.28, 3014035, 661.27, 663.63, 641 +07/22/2015, 662.1, 3707818, 660.89, 678.64, 659 +07/21/2015, 662.3, 3363342, 655.21, 673, 654.3 +07/20/2015, 663.02, 5857092, 659.24, 668.88, 653.01 +07/17/2015, 672.93, 11153500, 649, 674.468, 645 +07/16/2015, 579.85, 4559712, 565.12, 580.68, 565 +07/15/2015, 560.22, 1782264, 560.13, 566.5029, 556.79 +07/14/2015, 561.1, 3231284, 546.76, 565.8487, 546.71 +07/13/2015, 546.55, 2204610, 532.88, 547.11, 532.4001 +07/10/2015, 530.13, 1954951, 526.29, 532.56, 525.55 +07/09/2015, 520.68, 1840155, 523.12, 523.77, 520.35 +07/08/2015, 516.83, 1293372, 521.05, 522.734, 516.11 +07/07/2015, 525.02, 1595672, 523.13, 526.18, 515.18 +07/06/2015, 522.86, 1278587, 519.5, 525.25, 519 +07/02/2015, 523.4, 1235773, 521.08, 524.65, 521.08 +07/01/2015, 521.84, 1961197, 524.73, 525.69, 518.2305 +06/30/2015, 520.51, 2234284, 526.02, 526.25, 520.5 +06/29/2015, 521.52, 1935361, 525.01, 528.61, 520.54 +06/26/2015, 531.69, 2108629, 537.26, 537.76, 531.35 +06/25/2015, 535.23, 1332412, 538.87, 540.9, 535.23 +06/24/2015, 537.84, 1286576, 540, 540, 535.66 +06/23/2015, 540.48, 1196115, 539.64, 541.499, 535.25 +06/22/2015, 538.19, 1243535, 539.59, 543.74, 537.53 +06/19/2015, 536.69, 1890916, 537.21, 538.25, 533.01 +06/18/2015, 536.73, 1832450, 531, 538.15, 530.79 +06/17/2015, 529.26, 1269113, 529.37, 530.98, 525.1 +06/16/2015, 528.15, 1071728, 528.4, 529.6399, 525.56 +06/15/2015, 527.2, 1632675, 528, 528.3, 524 +06/12/2015, 532.33, 955489, 531.6, 533.12, 530.16 +06/11/2015, 534.61, 1208632, 538.425, 538.98, 533.02 +06/10/2015, 536.69, 1813775, 529.36, 538.36, 529.35 +06/09/2015, 526.69, 1454172, 527.56, 529.2, 523.01 +06/08/2015, 526.83, 1523960, 533.31, 534.12, 526.24 +06/05/2015, 533.33, 1375008, 536.35, 537.2, 532.52 +06/04/2015, 536.7, 1346044, 537.76, 540.59, 534.32 +06/03/2015, 540.31, 1716836, 539.91, 543.5, 537.11 +06/02/2015, 539.18, 1936721, 532.93, 543, 531.33 +06/01/2015, 533.99, 1900257, 536.79, 536.79, 529.76 +05/29/2015, 532.11, 2590445, 537.37, 538.63, 531.45 +05/28/2015, 539.78, 1029764, 538.01, 540.61, 536.25 +05/27/2015, 539.79, 1524783, 532.8, 540.55, 531.71 +05/26/2015, 532.32, 2404462, 538.12, 539, 529.88 +05/22/2015, 540.11, 1175065, 540.15, 544.19, 539.51 +05/21/2015, 542.51, 1461431, 537.95, 543.8399, 535.98 +05/20/2015, 539.27, 1430565, 538.49, 542.92, 532.972 +05/19/2015, 537.36, 1964037, 533.98, 540.66, 533.04 +05/18/2015, 532.3, 2001117, 532.01, 534.82, 528.85 +05/15/2015, 533.85, 1965088, 539.18, 539.2743, 530.38 +05/14/2015, 538.4, 1401005, 533.77, 539, 532.41 +05/13/2015, 529.62, 1253005, 530.56, 534.3215, 528.655 +05/12/2015, 529.04, 1633180, 531.6, 533.2089, 525.26 +05/11/2015, 535.7, 904465, 538.37, 541.98, 535.4 +05/08/2015, 538.22, 1527181, 536.65, 541.15, 536 +05/07/2015, 530.7, 1543986, 523.99, 533.46, 521.75 +05/06/2015, 524.22, 1566865, 531.24, 532.38, 521.085 +05/05/2015, 530.8, 1380519, 538.21, 539.74, 530.3906 +05/04/2015, 540.78, 1303830, 538.53, 544.07, 535.06 +05/01/2015, 537.9, 1758085, 538.43, 539.54, 532.1 +04/30/2015, 537.34, 2080834, 547.87, 548.59, 535.05 +04/29/2015, 549.08, 1696886, 550.47, 553.68, 546.905 +04/28/2015, 553.68, 1490735, 554.64, 556.02, 550.366 +04/27/2015, 555.37, 2390696, 563.39, 565.95, 553.2001 diff --git a/implementation/artificial_intelligence/decision_tree.py b/implementation/artificial_intelligence/decision_tree.py new file mode 100644 index 00000000..d4daf7ea --- /dev/null +++ b/implementation/artificial_intelligence/decision_tree.py @@ -0,0 +1,144 @@ +# decision tree adalah diagaram yang bia membantu dalam memilih +# salah satu dari beberapa banyak tindakan, disebut decision tree +# karena model struktur ini menyerupai sebuah pohon +# tahapan membuat model decision tree +# 1. membuat keputusan utama +# 2. menambahkan simpul keputusan +# 3. titik node akhir +import numpy as np + + +class DecisionTree: + def __init__(self, depth=3, min_leaf_size=5): + self.depth = depth + self.decision_boundary = 0 + self.kiri = None + self.kanan = None + self.min_leaf_size = min_leaf_size + self.prediksi = None + + def mean_squared_error(self, label, prediksi): + """ + mengukur nilai kualitas pengestimasi + :param label: array 1 dimensional + :param prediksi: nilai float + + >>> testing = DecisionTree() + >>> test_label = np.array([1,2,3,4,5,6,7,8,9,10]) + >>> test_prediksi = float(6) + """ + if label.ndim != 1: + print("error: input label harus array 1 dimensi") + return np.mean((label - prediksi) ** 2) + + def train(self, x, y): + """ + fungsi train + bagian ini untuk memeriksa juga apakah input + sesuai dengan batasan dimensi + """ + if x.ndim != 1: + print("error: input data set harus satu dimensi") + return + if len(x) != len(y): + print("error: x dan y mempunyai perbedaaan panjang") + return + if y.ndim != 1: + print("error: label dataset harus 1 dimensi") + return + + if len(x) < 2 * self.min_leaf_size: + self.prediksi = np.mean(y) + return + + if self.depth == 1: + self.prediksi = np.mean() + return + + best_split = 0 + min_error = self.mean_squared_error(x, np.mean(y)) * 2 + + # looping semua kemungkinan pemisahan untuk pohon keputusan dan + # kemudian menemukan perpecahan terbik, jika tidak ada pemisahan + # yang kurang dari 2 * error untuk larik maka kumpulan data + # dan tidak terbagi dan rata-rata untuk seluruh larik digunakan + # sebagai prediktor + for i in range(len(x)): + if len(x[:i]) < self.min_leaf_size: + continue + elif len(x[i:]) < self.min_leaf_size: + continue + else: + error_kiri = self.mean_squared_error(x[:i], np.mean(y[:i])) + error_kanan = self.mean_squared_error(x[i:], np.mean(y[i:])) + error = error_kiri + error_kanan + if error < min_error: + best_split = 1 + min_error = error + + if best_split != 0: + kiri_x = x[:best_split] + kiri_y = y[:best_split] + kanan_x = x[best_split:] + kanan_y = x[best_split:] + + self.decision_boundary = x[best_split] + self.kiri = DecisionTree( + depth=self.depth - 1, min_leaf_size=self.min_leaf_size + ) + self.kanan = DecisionTree( + depth=self.depth - 1, min_leaf_size=self.min_leaf_size + ) + self.kiri.train(kiri_x, kiri_y) + self.kanan.train(kanan_x, kanan_y) + else: + self.prediksi = np.mean(y) + + return + + def fungsi_prediksi(self, x): + if self.prediksi is not None: + return self.prediksi + elif self.kiri or self.kanan is not None: + if x >= self.decision_boundary: + return self.kanan.fungsi_prediksi(x) + else: + return self.kiri.fungsi_prediksi(x) + else: + print("error: decision tree tidak train") + return None + + +class TestDecisionTree: + @staticmethod + def helper_mean_square_error_tes(labels, prediksi): + hasil_squared_error = float(0) + for label in labels: + hasil_squared_error += (label - prediksi) ** 2 + return float(hasil_squared_error / labels.size) + + +def main(): + """ + kita akan membuat kumpulan data sample dari fungsi sin + di numpy. kemudian kita train decision tree pada kumpulan + data dan juga menggunakan decision tree untuk memprediksi + label daari 10 nilai tes yang berbeda. + """ + x = np.arange(-1.0, 1.0, 0.005) + y = np.sin(x) + + tree = DecisionTree(depth=10, min_leaf_size=10) + tree.train(x, y) + + test_kasus = (np.random.rand(10) * 2) - 1 + prediksi = np.array([tree.fungsi_prediksi(x) for x in test_kasus]) + error_avg = np.mean((prediksi - test_kasus) ** 2) + + print(f"test value {str(test_kasus)}") + print(f"prediksi {str(prediksi)}") + print(f"meaan error: {str(error_avg)}") + + +if __name__ == "__main__": + main() diff --git a/implementation/artificial_intelligence/fungsi_skoring.py b/implementation/artificial_intelligence/fungsi_skoring.py new file mode 100644 index 00000000..98e5d253 --- /dev/null +++ b/implementation/artificial_intelligence/fungsi_skoring.py @@ -0,0 +1,144 @@ +# implementasi dari fungsi skoring +# untuk mengkalkulasikan perbedaan antara +# value yang terprediksi dengan value yang aktual +# terdapat juga mode dari: +# - MAE (mean absolute error) +# menghitung perbedaan mutlak rata-rata antara +# dua vektor numerik +# - RMSE (root mean squared error) +# untuk mengukur seberapa jauh nilai observasi +# dalam analisis regresi +# - MSE (mean squared error) +# fungsi untuk mengukur square error +# - RMSLE (root mean square logarithmic error) +# menambahkan satu ke aktual sebelum mengambil +# nilai logaritma natural untuk menghindari +# catching log natural nilai nol +# - MAPE (Mean Absoult Prediction Error) +# fungsi ini untuk mengukur pesentasi akurasi method forecasting + +import numpy as np + + +def fungsi_mae(prediksi: list, nilai_aktual: list) -> float: + """ + >>> nilai_aktual = [1,2,3] + >>> prediksi = [1, 4, 3] + >>> np.around(fungsi_mae(prediksi, nilai_aktual), decimals=2) + 0.67 + """ + prediksi = np.array(prediksi) + nilai_aktual = np.array(nilai_aktual) + perbedaan = abs(prediksi - nilai_aktual) + hasil = perbedaan.mean() + return hasil + + +def fungsi_mse(prediksi: list, nilai_aktual: list) -> float: + """ + >>> nilai_aktual = [1, 1, 1] + >>> prediksi = [1, 1, 1] + >>> fungsi_mse(prediksi, nilai_aktual) + 0.0 + """ + prediksi = np.array(prediksi) + nilai_aktual = np.array(nilai_aktual) + perbedaan = prediksi - nilai_aktual + root_diff = np.square(perbedaan) + hasil = root_diff.mean() + return hasil + + +def fungsi_rmse(prediksi: list, nilai_aktual: list) -> float: + """ + >>> nilai_aktual = [1, 2, 3] + >>> prediksi = [1, 4, 3] + >>> np.around(fungsi_rmse(prediksi, nilai_aktual), decimals=2) + 1.15 + """ + prediksi = np.array(prediksi) + nilai_aktual = np.array(nilai_aktual) + perbedaan = prediksi - nilai_aktual + root_diff = np.square(perbedaan) + mean_square_diff = root_diff.mean() + hasil = np.sqrt(mean_square_diff) + return hasil + + +def fungsi_rmsle(prediksi: list, nilai_aktual: list) -> float: + """ + >>> nilai_aktual = [10, 10, 30] + >>> prediksi = [10, 2, 30] + >>> np.around(fungsi_rmsle(prediksi, nilai_aktual), decimals = 2) + 0.75 + """ + prediksi = np.array(prediksi) + nilai_aktual = np.array(nilai_aktual) + prediksi_log = np.log(prediksi + 1) + nilai_log_aktual = np.log(nilai_aktual + 1) + perbedaan = prediksi_log - nilai_log_aktual + square_diff = np.square(perbedaan) + mean_square_diff = square_diff.mean() + hasil = np.sqrt(mean_square_diff) + return hasil + + +def fungsi_mbd(prediksi: list, nilai_aktual: list) -> float: + """ + Deskripsi: + --- + mean bias deviation adalah merupakan + pengukuran untuk presentasi kualitas + karateristik model + + Parameters: + --- + :param prekdisi: parameter berisi nilai prediksi + :param aktual: parameter berisi nilai prediksi + """ + prediksi = np.array(prediksi) + nilai_aktual = np.array(nilai_aktual) + perbedaan = prediksi - nilai_aktual + numerator = np.sum(perbedaan) / len(prediksi) + denumerator = np.sum(nilai_aktual) / len(prediksi) + hasil = float(numerator) / denumerator * 100 + return hasil + + +def fungsi_mape(prediksi: list, nilai_aktual: list) -> float: + """ + Deskripsi: + --- + Mean Absolute Percentage Error (MAPE) merupakan + pengukuran akurasi nilai prediksi untuk + metode forcesting + Paramaters: + --- + :param prediksi: parameter berisi nilai prediksi + :param aktual: paramter berisi nilai aktual + + Example: + --- + >>> nilai_aktual=[12,10,11] + >>> nilai_prediksi=[12,9,12] + >>> fungsi_mape(nilai_prediksi,nilai_aktual) + 6.363636363636364 + Refensi: + --- + Time Series Forecasting in Python hal.48 + https://en.wikipedia.org/wiki/Mean_absolute_percentage_error + """ + nilai_aktual = np.array(nilai_aktual) + nilai_prediksi = np.array(prediksi) + # numertor pada MAPE dimana absolute + # selesih nilai aktual sama nilai prediksi + # dibagi dengan nilai prediksi tersebut + numerator = np.abs((nilai_aktual - nilai_prediksi) / nilai_aktual) + hasil = np.mean(numerator) * 100 + return hasil + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/implementation/artificial_intelligence/gaussian_naive_bayes.py b/implementation/artificial_intelligence/gaussian_naive_bayes.py new file mode 100644 index 00000000..4c8e186f --- /dev/null +++ b/implementation/artificial_intelligence/gaussian_naive_bayes.py @@ -0,0 +1,94 @@ +import numpy as np + + +class GaussianNB: + """ + # Gaussian Naive Bayes (GaussianNB) + --- + + ## Deskripsi + Gaussian Naive Bayes merupakan salah satu metode di dalam supervised + learning. + gaussian Naive Bayes digunakan klasifikasi data yang berguna untuk mencari tahu + menebak data `label` tersebut + """ + + def __init__(self): + self.features = [] + self.likelihoods = {} + self.class_priors = {} + self.pred_priors = {} + self.X = None + self.Y = None + + def __kalkulasi_probability_class(self, panjang_data): + """ + menghitung peluang dari nilai unique class + """ + for unique_value in np.unique(self.Y): + value_outcome = sum(self.Y == unique_value) + self.class_priors[unique_value] = value_outcome / panjang_data + + def __kalkulasi_kemiripan(self): + for fitur in self.features: + for outcome in np.unique(self.Y): + outcome_count = sum(self.Y == outcome) + feat_kemiripan = self.X[fitur][self.Y[self.Y == outcome].index.values] + feat_kemiripan = feat_kemiripan.value_counts().to_dict() + for feat_val, count in feat_kemiripan.item(): + self.likelihoods[fitur][feat_val + "_" + outcome] = count + self.likelihoods[fitur][feat_val + "_" + outcome] /= outcome_count + + def __kalkulasi_predictor_prior(self): + for fitur in self.features: + feat_vals = X[fitur].value_counts().to_dict() + for feat_val, count in feat_vals.items(): + self.pred_priors[fitur][feat_val] = count / self.X[0] + + def fit(self, x: np.array, y: np.array) -> None: + self.X = np.array(x) + self.Y = np.array(y) + panjang_data, _ = self.X.shape + for fitur in self.features: + self.likelihoods[fitur] = {} + self.pred_priors[fitur] = {} + for feat_val in np.unique(self.X[fitur]): + self.pred_priors[fitur].update({feat_val: 0}) + for outcome in np.unique(self.Y): + self.likelihoods[fitur].update({feat_val + "_" + outcome: 0}) + self.class_priors.update({outcome: 0}) + self.__kalkulasi_probability_class(panjang_data) + self.__kalkulasi_kemiripan() + self.__kalkulasi_predictor_prior() + + def predict(self, x: np.array): + X = np.array(x) + results = [] + for query in X: + probs_outcome = {} + for outcome in np.unique(self.Y): + prior = self.class_priors[outcome] + likelihood = 1 + evidence = 1 + for feat, feat_val in zip(self.features, query): + likelihood *= self.likelihoods[feat][feat_val + "_" + outcome] + evidence *= self.pred_priors[feat][feat_val] + + posterior = (likelihood * prior) / evidence + probs_outcome[outcome] = posterior + + result = max(probs_outcome, key=lambda x: probs_outcome[x]) + results.append(result) + + return np.array(results) + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) + X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]]) + Y = np.array([1, 1, 1, 2, 2, 2]) + clf = GaussianNB() + clf.fit(X, Y) + print(clf.predict([[-0.8, -1]])) diff --git a/implementation/artificial_intelligence/gradient_descent.py b/implementation/artificial_intelligence/gradient_descent.py new file mode 100644 index 00000000..55189115 --- /dev/null +++ b/implementation/artificial_intelligence/gradient_descent.py @@ -0,0 +1,138 @@ +# implementasi algoritma gradient descent untuk meminimalkan cost dari +# fungsi hipotesis linear +import numpy + +train_data = ( + ((5, 2, 3), 15), + ((6, 5, 9), 25), + ((11, 12, 13), 41), + ((1, 1, 1), 8), + ((11, 12, 13), 41), +) +test_data = (((515, 22, 13), 555), ((61, 35, 49), 150)) +parameter_vector = [2, 4, 1, 5] +m = len(train_data) +LEARNING_RATE = 0.009 + + +def _error(contoh_no, data_set="train"): + """ + parameter: + data_set: train data + contoh_no: contoh nomor yang kesalahannya + harus diperiksa + """ + return kalkulasi_nilai_hipotesis(contoh_no, data_set) - output(contoh_no, data_set) + + +def _nilai_hipotesis(data_input_tuple): + """ + menghitung nilai fungsi hipotesis untuk + masukan masukan tertentu + parameter: + data_input_tuple: input data tuple + return: + nilai fungsi hipotesis pada saat itu + perhatikan bahwa ada input bias yang nilainya + ditetapkan sebagai 1. + itu tidak secara eksplisit disebutkan dalam data + input. + """ + hyp_val = 0 + for i in range(len(parameter_vector) - 1): + hyp_val += data_input_tuple[i] * parameter_vector[i + 1] + hyp_val += parameter_vector[0] + return hyp_val + + +def output(contoh_no, data_set): + """ + parameter: + data_set: train data + contoh_no: contoh nilai keluaran yang akan + diambil + return: + output dari contoh data + """ + if data_set == "train": + return train_data[contoh_no][1] + elif data_set == "test": + return test_data[contoh_no][1] + + +def kalkulasi_nilai_hipotesis(contoh_no, data_set): + """ + menghitung nilai hipotesis untuk contoh yang diberikan + param: + data_set : train data + contoh_no: contoh nilai yang akan dihitung + return: + nilai dari contoh yang diberikan + """ + if data_set == "train": + return _nilai_hipotesis(train_data[contoh_no][0]) + elif data_set == "test": + return _nilai_hipotesis(test_data[contoh_no][0]) + + +def jumlah_nilai_derivatif(index, end=m): + """ + menghitung jumlah turunan fungsi + parameter: + index: turunan index wrt yang akan + dihitung + end: nilai dimana penjumlahan berakhir, standarnya + adalah m + """ + summtion_value = 0 + for i in range(end): + if index == -1: + summtion_value += _error(i) + else: + summtion_value += _error(i) * train_data[i][0][index] + return summtion_value + + +def hasil_nilai_derivatif(index): + """ + jika index adalah -1, ini berarti kit akn menghitung penjumlahan + bias + """ + nilai_derivatif = jumlah_nilai_derivatif(index, m) / m + return nilai_derivatif + + +def gradient_descent(): + global parameter_vector + absolute_error_limit = 0.000002 + relative_error_limit = 0 + j = 0 + while True: + j += 1 + temp_parameter_vector = [0, 0, 0, 0] + for i in range(0, len(parameter_vector)): + cost_derivatif = hasil_nilai_derivatif(i - 1) + temp_parameter_vector[i] = ( + parameter_vector[i] - LEARNING_RATE * cost_derivatif + ) + if numpy.allclose( + parameter_vector, + temp_parameter_vector, + atol=absolute_error_limit, + rtol=relative_error_limit, + ): + break + parameter_vector = temp_parameter_vector + print(("nilai iterasi: ", j)) + + +def test_gradient_descent(): + for i in range(len(test_data)): + print(("nilai aktual: ", output(i, "test"))) + print(("nilai hipotesis: ", kalkulasi_nilai_hipotesis(i, "test"))) + + +if __name__ == "__main__": + gradient_descent() + print("\ntesting gradient descent untuk fungsi hipotesis linear.\n") + test_gradient_descent() diff --git a/implementation/artificial_intelligence/k_means_clutser.py b/implementation/artificial_intelligence/k_means_clutser.py new file mode 100644 index 00000000..865cba85 --- /dev/null +++ b/implementation/artificial_intelligence/k_means_clutser.py @@ -0,0 +1,268 @@ +# kmeans clutsering adalah salah satu algoritma +# unsupervised learning yang sangat populer digunakan +# algoritma ini di desain untuk memungkinkan untuk +# mengelompokkan datake dalam grup yang berbeda dengan +# cara yang lebih mudah berdasarkan variable tertentu +# tanpa melakukan proses training +# algoritma k means mengambil dataset yang tidak berlabel +# sebagai input, kemudian menmbagi dataset menjadi sejumlah +# k clutser, dan mengulangi proses tersebut sampai tidak +# menemukan clutser terbaik. maka nilai K harus ditentukan +# sebelumnya dalam algoritma ini. +# tugas utama dari kmeans ini antara lain: +# 1. menentukan nilai terbaik untuk titik pusat K atau +# centroid dengan proses perulangan +# 2. menetapkan setiap titik data ke pusat k terdekat. +# titik yang dekat dengan pusat k tertentu +import warnings +from typing import Optional + +import numpy as np +import pandas as pd +from matplotlib import pyplot as plt +from sklearn import datasets +from sklearn.metrics import pairwise_distances + +warnings.filterwarnings("ignore") +TAG = "K-MEANS-CLUTSER/ " + + +def dapatkan_inisial_centroid(data, k, seed=None): + """ + pilih secara acak titik k sebagai centroid awal + """ + if seed is not None: + np.random.seed(seed) + n = data.shape[0] + + # memilih indeks k dari rentang data [0 , N] + indeks_k = np.random.randint(0, n, k) + + # tahan centroid sebagai format padat, karena + # banyak entri akan menjadi bukan nol karena + # nilai rata-rata. selama tidaknya satu dokumen + # dalam klutser berisi kata, itu kana membawa + # bobot bukan nol dalam vektor TF-IDF dari centroid + centroid = data[indeks_k, :] + return centroid + + +def combine_centroid(x, centroid): + return dapatkan_inisial_centroid(x, centroid, metric="euclidean") + + +def assign_model_clutser(data, centroid): + # hitung jarak antara setiap titik data dan kumpulan + # centroid + jarak_antara_centroid = combine_centroid(data, centroid) + assign_clutser = np.argmin(jarak_antara_centroid, axis=1) + return assign_clutser + + +def fixing_centroid(data, k, assign_clutser): + centroid_baru = [] + for i in range(k): + # pilih semua titik data yang termasuk dalam klutser + # isi bagian yang kososng + member_data_points = data[assign_clutser == 1] + centroid = member_data_points.mean(axis=0) + centroid_baru.append(centroid) + centroid = np.array(centroid_baru) + return centroid_baru + + +def hitung_heterogenity(data, k, centroid, clutser_assign): + heterogenity = 0.0 + # pilih semua titik datayang termasuk dalam klutser + for i in range(k): + member_data_points = data[clutser_assign == i, :] + + # check member data poin apakah tidak kosong + if member_data_points.shape[0] > 0: + jarak = pairwise_distances( + member_data_points, [centroid[i]], metric="euclidean" + ) + pengelompokkan_jarak = jarak**2 + heterogenity += np.sum(pengelompokkan_jarak) + + return heterogenity + + +def plot_heteroginity(heterogenity, k): + plt.figure(figsize=(7, 4)) + plt.plot(heterogenity, linewidth=4) + plt.xlabel("# iterasi") + plt.ylabel("heterogenity") + plt.title(f"klutser, K={k:d}") + plt.rcParams.update({"font.size": 16}) + plt.show() + + +def kmeans( + data: np.ndarray, + k: int, + inisial_centroid: np.ndarray, + maxiter: int = 500, + var_hitung_heterogenity: Optional[list[float]] = None, + verbose: bool = False, +): + centroid = inisial_centroid[:] + prev_assign_clutser = None + + for itr in range(maxiter): + if verbose: + print(itr, end=" ") + + # buat tugas clutser menggunakan centroid + # terdekat + assign_clutser = assign_model_clutser(data, centroid) + + # hitung centroid baru untuk setiap klutser k, rata-ratakan + # semua data + # poin yang ditetapkan ke klutser tersebut + centroid = fixing_centroid(data, k, assign_clutser) + + if prev_assign_clutser is not None and np.array_equal( + prev_assign_clutser, assign_clutser + ): + break + + # tampilkan jumlah dari assignment terbaru + if prev_assign_clutser is not None: + angka_berubah = np.sum(prev_assign_clutser != assign_clutser) + if verbose: + print(f"{angka_berubah:5d} elemen berbuah") + if var_hitung_heterogenity is not None: + skor = hitung_heterogenity(data, k, centroid, assign_clutser) + var_hitung_heterogenity.append(skor) + prev_assign_clutser = assign_clutser.copy() + + return centroid, assign_clutser + + +if False: + dataset = datasets.load_iris() + k: int = 3 + heterogenity: list[float] = [] + inisial_centroid = dapatkan_inisial_centroid(dataset["data"], k, seed=0) + centroid, assign_clutser = kmeans( + dataset["data"], + k, + inisial_centroid, + maxiter=400, + hitung_heterogenity=heterogenity, + verbose=True, + ) + plot_heteroginity(heterogenity, k) + + +def report_generator( + df: pd.DataFrame, clutsering_variable: np.ndarray, fill_missing_report=None +) -> pd.DataFrame: + # isi daata yang hilang dengan rule yang diberikan + if fill_missing_report: + df = df.fillna(value=fill_missing_report) + df["dummy"] = 1 + numeric_cols = df.select_dtypes(np.number).columns + report = ( + df.groupby(["Clutser"])[numeric_cols] + .agg( + [ + ("sum", np.sum), + ("mean_with_zeros", lambda x: np.mean(np.nan_to_num(x))), + ("mean_without_zeros", lambda x: x.replace(0, np.NaN).mean()), + ( + "mean_25-75", + lambda x: np.mean( + np.nan_to_num( + sorted(x)[ + round(len(x) * 25 / 100) : round(len(x) * 75 / 100) + ] + ) + ), + ), + ("mean_with_na", np.mean), + ("min", lambda x: x.min()), + ("5%", lambda x: x.quantile(0.05)), + ("25%", lambda x: x.quantile(0.25)), + ("50%", lambda x: x.quantile(0.50)), + ("75%", lambda x: x.quantile(0.75)), + ("95%", lambda x: x.quantile(0.95)), + ("max", lambda x: x.max()), + ("count", lambda x: x.count()), + ("stdev", lambda x: x.std()), + ("mode", lambda x: x.mode()[0]), + ("median", lambda x: x.median()), + ("# > 0", lambda x: (x > 0).sum()), + ] + ) + .T.reset_index() + .rename(index=str, columns={"level_0": "Features", "level_1": "Type"}) + ) + # menghitung ukuran dari klutser + clutsersize = report["ClutserSize"] + clutsersize.Features = "# of Customer" + clutserproportion = pd.DataFrame( + clutsersize.iloc[:, 2:].values / clutsersize.iloc[:, 2:].values.sum() + ) + clutserproportion["Type"] = "% of Customer" + clutserproportion["Features"] = "ClutserProportion" + cols = clutserproportion.columns.tolist() + cols = cols[-2:] + cols[:-2] + clutserproportion = clutserproportion[cols] + clutserproportion.columns = report.column + a = pd.DataFrame( + abs( + report[report["Type"] == "count"].iloc[:, 2:].values + - clutsersize.iloc[:, 2:].values + ) + ) + # menghasilkan df dengan hitungan nilai nan + a["Features"] = 0 + a["Type"] = "# of nan" + # menigisi nilai agar sesuai dengan report + a.Features = report[report["Type"] == "count"].Features.tolist() + cols = a.columns.tolist() + cols = cols[-2:] + cols[:-2] + # mengatur ulang kolom untuk mencocokkan laporan + a = a[cols] + # ganti nama kolom agar cocok dengan laporan + a.columns = report.columns + report = report.drop(report[report.Type == "count"].index) + report = pd.concat([report, a, clutsersize, clutserproportion], axis=0) + report["Mark"] = report["Features"].isin(clutsering_variable) + cols = report.columns.tolist() + cols = cols[0:2] + cols[-1:] + cols[2:-1] + report = report[cols] + sorter1 = { + "ClusterSize": 9, + "ClusterProportion": 8, + "mean_with_zeros": 7, + "mean_with_na": 6, + "max": 5, + "50%": 4, + "min": 3, + "25%": 2, + "75%": 1, + "# of nan": 0, + "# > 0": -1, + "sum_with_na": -2, + } + report = ( + report.assign( + Sorter1=lambda x: x.Type.map(sorter1), + Sorter2=lambda x: list(reversed(range(len(x)))), + ) + .sort_values(["Sorter1", "Mark", "Sorter2"], ascending=False) + .drop(["Sorter1", "Sorter2"], axis=1) + ) + report.column.name = "" + report = report.reset_index() + report = report.drop(columns=["index"]) + return report + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/implementation/artificial_intelligence/k_nearest_neighbour.py b/implementation/artificial_intelligence/k_nearest_neighbour.py new file mode 100644 index 00000000..2e46a112 --- /dev/null +++ b/implementation/artificial_intelligence/k_nearest_neighbour.py @@ -0,0 +1,60 @@ +# algoritma ini adalah merupakan algoritma machine learning +# sederhana dan mudah diterapkan yang dapat digunakan untuk +# menyelesaikan masalah klasifikasi dan regresi +# algoritma KNN menggunakan sejumlah paramater +# yang fleksibel, dan jumlah parameter seringkali bertambah +# seiring data yang semakin banyak. +# algoritma KNN juga bersifat lazy learning, yang artinya tidak +# menggunaakan titik data training untuk membuat model. singkatnya +# algoritma ini tidak ada fase training, kalaupun juga sangat minim. +# referensi +# - https://www.ibm.com/topics/knn + +from collections import Counter + +import numpy as np +from sklearn import datasets +from sklearn.model_selection import train_test_split + +data = datasets.load_iris() + +X = np.array(data["data"]) +y = np.array(data["target"]) +classes = data["target_names"] + +X_train, X_train, y_train, y_test = train_test_split(X, y) + + +def euclidean_distance(a, b): + """ + memberikan jarak antara dua euclidean + >>> euclidean_distance([0, 0], [3, 4]) + 5.0 + """ + return np.linalg.norm(np.array(a) - np.array(b)) + + +def klasifikasi(train_data, train_target, classes, point, k=5): + """ + mengklasifikasikan titik algoritma menggunakan algortima + KNN, k titik terdekat ditemukan (diurutkan dalam urutan + menaik jarak euclidean) + + >>> X_train = [[0, 0], [1, 0], [0, 1], [0.5, 0.5], [3, 3], [2, 3], [3, 2]] + >>> y_train = [0, 0, 0, 0, 1, 1, 1] + >>> classes = ['A','B']; point = [1.2,1.2] + >>> klasifikasi(X_train, y_train, classes, point) + 'A' + """ + data = zip(train_data, train_target) + jarak = [] + for data_point in data: + jarak_1 = euclidean_distance(data_point[0], point) + jarak.append((jarak_1, data_point[1])) + votes = [i[1] for i in sorted(jarak)[:k]] + hasil = Counter(votes).most_common(1)[0][0] + return classes[hasil] + + +if __name__ == "__main__": + print(klasifikasi(X_train, y_train, classes, [4.4, 3.1, 1.3, 1.4])) diff --git a/implementation/artificial_intelligence/lasso_regession.py b/implementation/artificial_intelligence/lasso_regession.py new file mode 100644 index 00000000..2209cb01 --- /dev/null +++ b/implementation/artificial_intelligence/lasso_regession.py @@ -0,0 +1,122 @@ +import numpy as np + +# refence: +# https://stats.stackexchange.com/questions/\ +# 502376/\ +# what-is-gradient-of-the-objective-function-of-lasso-regression + + +def costFunction( + x_data: np.ndarray, + y_data: np.ndarray, + alpha: float, + theta: np.ndarray, + panjang_data: int, +) -> float: + """ + Program ini merupakan perhitungan untuk mengetahui performa + pemodelan data.cost function ini merupakan turunan dari rumus + rumusan machine learning khususnya + Args: + x_data (np.ndarray): parameter ini merupakan data inputan + yang bersifat independent + y_data (np.ndarray): paramater ini adalah data dependentnya + merupakan nilai dari nilai aktual + alpha (float): merupakan bentuk dari batasan dari persamaan + rigde regession + weigth (np.ndarray): ini merupakan titik berat atau bisa di + bilang theta yang mengandung interpreted + panjang_data (int): merupakan panjang dari baris data (dimensi 2) + + Returns: + float: hasil dari algoritma cost pada lasso + """ + prod = np.dot(theta, x_data) + prod = prod - y_data + sum_element = np.sum(prod**2) + (alpha * np.sum(np.sign(prod.T))) + error = (sum_element) / (2 * panjang_data) + return error + + +def gradient_descent_step( + X_data: np.array, y_data: np.array, alpha: float, theta: np.array, panjang_data: int +) -> float: + prod = np.dot(theta, X_data) + prod = prod - y_data + sum_grad = np.dot(prod, X_data.T) + alpha * np.sign(prod.T) + theta = theta - (alpha / panjang_data) * sum_grad + return theta + + +class Lasso: + def __init__( + self, + alpha: float = 1.0, + fit_intercept: bool = True, + iterable: int = 1000, + learning_path: float = 0.0001, + ) -> None: + """_summary_ + lasso regession merupakan regulasi alternatif + pemodelan linear regession yang bertujuan agar model regessi + tidak overfitting yang mengakibatkan model regessi tersebut + jelek dan tidak bisa digunakan dalam case. + Args: + aplha (float, optional): alpha ini merupakan parameter penalti + untuk mengontrol koefiesien regesi. + Defaults to 1.0. + fit_intercept (bool, optional): parameter ini untuk menambahkan dummy + angka satu. Defaults to True. + iterable (int, optional): parameter banyaknya model tersebut belajar. + (Defaults to 1000.) + learning_path (float, optional): langkah model belajar yang akan + mempengaruhi akurasi model + tersebut. + (Defaults to .0001.) + """ + + self.intercept = fit_intercept + self.iterable = iterable + self.learning_path = learning_path + self.alpha = alpha + self.weight = None + + def fit(self, x: np.array, y: np.array) -> object: + X = np.array(x) + if self.intercept: + X = np.c_[np.ones((X.shape[0], 1)), X] + panjang_data, panjang_fitur = X.shape + Y = np.array(y) + self.weight = np.zeros(panjang_fitur) + for i in range(1, self.iterable): + self.weight = gradient_descent_step( + X, Y, self.alpha, self.weight, panjang_data + ) + error = costFunction(X, Y, self.alpha, self.weight, panjang_data) + print(f"iter:{i},theta:{self.weight},error:{error}") + return self.weight + + def transforms(self, x: np.array) -> np.array: + X = np.array(x) + if self.intercept: + X = np.c_[np.ones((X.shape[0], 1)), X] + self.predictions = X.dot(self.weight) + return self.predictions + + +def main(): + X_train = np.array([[1, 2], [3, 4], [5, 6]]) + y_train = np.array([3, 5, 7]) + + lasso = Lasso(alpha=0.5) + lasso.fit(X_train, y_train) + + X_test = np.array([[2, 3], [4, 5]]) + predictions = lasso.transform(X_test) + print(predictions) + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/implementation/artificial_intelligence/linear_regression.py b/implementation/artificial_intelligence/linear_regression.py new file mode 100644 index 00000000..4fb43d88 --- /dev/null +++ b/implementation/artificial_intelligence/linear_regression.py @@ -0,0 +1,114 @@ +# regresi linear adalah jenis regresi paling dasar yang +# biasa digunakan untuk analisis predktif. cukup sederhana, +# kita memiliki kumpulan datadan kita memiliki fitur yang +# terkait dengannya. fitur harus dipilih dengan sangat +# hati-hati karena menentukan seberapa banyak yang kita +# dapat buat prediksi di masa mendatang. kita akan mencoba +# mengatur bobot dari fitur ini, melalui banyak iterasi +# sehingga cocok dengan kumpulan data kita. +import numpy as np +import requests + + +def collect_dataset(): + """ + mengambil dataset + kita menggunakan dataset CSGO, dalam konten ini + mengandung data ADR vs rating dari player + """ + respon = requests.get( + "https://raw.githubusercontent.com/yashLadha/The_Math_of_Intelligence/" + "master/Week1/ADRvsRating.csv" + ) + line = respon.text.splitlines() + data = [] + for item in line: + item = item.split(",") + data.append(item) + # fungsi ``pop()`` digunkan untuk menghapus label dari list + data.pop(0) + dataset = np.matrix(data) + return dataset + + +def jalankan_step_gradient_descent(data_x, data_y, panjang_data, alpha, theta): + """ + jalankan fungsi gradient descent dan update fitur vector + berdasarkan + :param data_x: dataset + :param data_y: berisi output yang terkait dengan setiap entri data + :param panjang_data: panjang dari data + :param alpha: rating pembelajaran dari model + :param theta: fitur model atau ukuran dari model + """ + n = panjang_data + + prod = np.dot(theta, data_x.T) + prod -= data_y.T + sum_grad = np.dot(prod, data_x) + theta = theta - (alpha / n) * sum_grad + return theta + + +def jumlah_kesalahan_perhitungan(data_x, data_y, panjang_data, theta): + """ + return jumlah kesalahan untuk perhitungan + :param data_x: dataset + :param data_y: berisi output (vector) + :param len_data: panjang dari dataset + :param theta: fitur vector + """ + prod = np.dot(theta, data_x.T) + prod -= data_y.T + sum_error = np.sum(np.square(prod)) + error = sum_error / (2 * panjang_data) + return error + + +def jalankan_linear_regression(data_x, data_y): + """ + implementasikan linear regression pada dataset + :param data_x: dataset + :param data_y: output + """ + iterasi = 100000 + alpha = 0.0001550 + + tanpa_fitur = data_x.shape[1] + panjang_data = data_x.shape[0] - 1 + theta = np.zeros((1, tanpa_fitur)) + + for i in range(0, iterasi): + theta = jalankan_step_gradient_descent( + data_x, data_y, panjang_data, alpha, theta + ) + error = jumlah_kesalahan_perhitungan(data_x, data_y, panjang_data, theta) + print(f"pada iterasi {i + 1} - error : {error:.5f}") + + return theta + + +def mean_absolute_error(prediksi_y, original_y): + total = sum(abs(y - prediksi_y[i]) for i, y in enumerate(original_y)) + return total / len(original_y) + + +def main(): + """ + fungsi untuk menjalankan fungsi-fungsi + diatas + """ + data = collect_dataset() + panjang_data = data.shape[0] + data_x = np.c_[np.ones(panjang_data), data[:, :-1]].astype(float) + data_y = data[:, -1].astype(float) + print(data_x.shape, data_y.shape) + theta = jalankan_linear_regression(data_x, data_y) + panjang_hasil = theta.shape[1] + print("resultan fitur vector: ") + for i in range(0, panjang_hasil): + print(f"{theta[0, i]:.5f}") + + +if __name__ == "__main__": + main() diff --git a/implementation/artificial_intelligence/logistic_regression.py b/implementation/artificial_intelligence/logistic_regression.py new file mode 100644 index 00000000..b64bcef7 --- /dev/null +++ b/implementation/artificial_intelligence/logistic_regression.py @@ -0,0 +1,77 @@ +# logistik regression adalah teknik analisis data yang +# menggunakan matematika untuk menemukan antara dua +# faktor data. kemudian menggunakan hubungan ini untuk +# memprediksi nilai dari salah satu faktor tersebut +# berdasarkan faktor yang lain. prediksi biasanya +# memiliki jumlh hasil yang terbata, antara ya dan tidak. +import numpy as np +from matplotlib import pyplot as plt +from sklearn import datasets + + +def fungsi_cost(h, y): + """ + untuk memetakan proses atau nilai dari + satu atau lebih bariabel ke bilangan rill + secara intuitif mewakili berapa biaya yang + terkait dengan proses + """ + return (-y * np.log(h) - (1 - y) * np.log(1 - h)).mean() + + +def kemungkinan_maksimum(x, y, ukuran): + """ + ini adalah metode untuk memperkirakan parameter + dari distribusi probabilitas yang diasumsukan, + mengingat beberapa data yang diamati. + """ + skor = np.dot(x, ukuran) + return np.sum(y * skor - np.log(1 + np.exp(skor))) + + +def fungsi_sigmoid(n): + return 1 / (1 + np.exp(-n)) + + +def logsitik_regresi( + alpha: float, x: np.ndarray, y: np.ndarray, max_iterasi: int = 70000 +): + theta = np.zeros(x.shape[1]) + + for iterasi in range(max_iterasi): + z = np.dot(x, theta) + h = fungsi_sigmoid(z) + gradient = np.dot(x.T, h - y) / y.size + theta = theta - alpha * gradient + z = np.dot(x, theta) + h = fungsi_sigmoid(z) + j = fungsi_cost(h, y) + if iterasi % 100 == 0: + print(f"loss {j} \t") + return theta + + +if __name__ == "__main__": + iris = datasets.load_iris() + x = iris.data[:, :2] + y = (iris.target != 0) * 1 + + alpha = 0.1 + theta = logsitik_regresi(alpha, x, y, max_iterasi=70000) + print("theta: ", theta) + + def prediksi_probabilitas(x: np.ndarray): + return fungsi_sigmoid(np.dot(x, theta)) + + plt.figure(figsize=(10, 6)) + plt.scatter(x[y == 0][:, 0], x[y == 0][:, 1], color="b", label="0") + plt.scatter(x[y == 1][:, 0], x[y == 1][:, 1], color="r", label="1") + (x1_min, x1_max) = (x[:, 0].min(), x[:, 0].max()) + (x2_min, x2_max) = (x[:, 1].min(), x[:, 1].max()) + (xx1, xx2) = np.meshgrid(np.linspace(x1_min, x1_max), np.linspace(x2_min, x2_max)) + grid = np.c_[xx1.ravel(), xx2.ravel()] + probs = prediksi_probabilitas(grid).reshape(xx1.shape) + plt.contour(xx1, xx2, probs, [0.5], linewidths=1, colors="black") + + plt.legend() + plt.show() diff --git a/implementation/artificial_intelligence/lstm.py b/implementation/artificial_intelligence/lstm.py new file mode 100644 index 00000000..54cdf0cf --- /dev/null +++ b/implementation/artificial_intelligence/lstm.py @@ -0,0 +1,52 @@ +# contoh sederahana dari long short term memory +# dataset bisa dilihat pada file ``dataset_lstm.csv`` +# pengertian dari lstm bisa dilihat disini +# https://en.wikipedia.org/wiki/Long_short-term_memory +import numpy as np +import pandas as pd +from sklearn.preprocessing import MinMaxScaler +from tensorflow.keras.layers import LSTM, Dense +from tensorflow.keras.models import Sequential + +if __name__ == "__main__": + # pertama menyiaapkan data yang sudah kita + # siapkan + df = pd.read_csv("dataset_lstm.csv", header=None) + panjang_data = df.shape[0] + + # jika dataset yang diinputkan lain, pastikan + # input tujun dari target dataset + data_aktual = df.iloc[:, 1:2] + data_aktual = data_aktual.values.reshape(panjang_data, 1) + data_aktual = MinMaxScaler().fit_transform(data_aktual) + data_sebelumnya = 10 + hari_berikut = 5 + periode = 20 + pembagi_data = panjang_data - periode * data_sebelumnya + training_data = data_aktual[:pembagi_data] + testing_data = data_aktual[pembagi_data - data_sebelumnya :] + train_x, train_y = [], [] + test_x, test_y = [], [] + + for i in range(0, len(training_data) - hari_berikut - data_sebelumnya + 1): + train_x.append(training_data[i : i + data_sebelumnya]) + train_y.append( + training_data[i + data_sebelumnya : i + data_sebelumnya + hari_berikut] + ) + for i in range(0, len(testing_data) - hari_berikut - data_sebelumnya + 1): + test_x.append(testing_data[i : i + data_sebelumnya]) + test_y.append(testing_data[i + data_sebelumnya + hari_berikut]) + x_train = np.array(train_x) + x_test = np.array(test_x) + y_train = np.array([list(i.ravel()) for i in train_y]) + y_test = np.array([list(i.ravel()) for i in test_y]) + + model = Sequential() + model.add(LSTM(128, input_shape=(data_sebelumnya, 1), return_sequences=True)) + model.add(LSTM(64, input_shape=(128, 1))) + model.add(Dense(hari_berikut)) + model.compile(loss="mean_squared_error", optimizer="adam") + history = model.fit( + x_train, y_train, epochs=150, verbose=1, shuffle=True, batch_size=4 + ) + prediksi = model.predict(x_test) diff --git a/implementation/artificial_intelligence/normalization_data_tranform.py b/implementation/artificial_intelligence/normalization_data_tranform.py new file mode 100644 index 00000000..68d2485b --- /dev/null +++ b/implementation/artificial_intelligence/normalization_data_tranform.py @@ -0,0 +1,139 @@ +import numpy as np + + +def Z_score(data: np.array) -> np.array: + """ + Deskripsi: + --- + + Z_score atau biasa lebih terkenal dengan Standard scaler + nama yang sering jumpai pada memakai library + pada sklearn + + Param + --- + :param data: parameter untuk input data bisa dalam bentuk + 1-D array maupun 2-D array + + Return: + :result: yaitu hasi dari input tersebut dengan menggunakan + input ouput z_score + """ + x = np.array(data) + if x.ndim == 1: + mean_x = np.mean(x) + std_x = np.std(x) + else: + mean_x = np.mean(x, axis=1) + std_x = np.std(x, axis=1) + + return (x - mean_x) / std_x + + +def min_max_normalization( + data: np.array, new_min: float = 0.0, new_max: float = 1.0 +) -> np.array: + """ + Deskripsi: + --- + + Melakukan normalisasi Min-Max pada data adalah + suatu teknik yang digunakan untuk mengubah rentang nilai data + menjadi interval yang ditentukan, biasanya dari 0 hingga 1. + Tujuan dari normalisasi ini adalah agar data memiliki skala + yang seragam dan dapat dibandingkan secara relatif. + + Parameter: + --- + :param data: paramter input data + :param new_min: paramter memasukan input baru untuk min + :param new_max: paramter memasukan input baru untuk max + + """ + x = np.array(data) + if x.ndim == 1: + min_x = np.min(x) + max_x = np.max(x) + else: + min_x = np.min(x, axis=1) + max_x = np.max(x, axis=1) + + result = ((data - min_x) / (max_x - min_x)) * (new_max - new_min) + new_min + + return result + + +def MaxAbsScaler(data: np.array): + """ + Deskripsi + --- + Melakukan MaxAbs scaling pada data. + StandardScaler rentan terhadap outlier karena + outlier mempengaruhi rata-rata + + Parameter: + --- + :param data: Data yang akan di-scaled. + + Return: + :result: Hasil scaling MaxAbs pada data. + + """ + x = np.array(data) + + if x.ndim == 1: + value_max = np.max(np.abs(x)) + result = x / value_max + return result + + if x.ndim == 2: + value_max = np.max(np.abs(x), axis=1) + result = x / value_max[:, np.newaxis] + return result + + +def RobustScaler(data: np.array): + """ + Deskripsi + --- + Melakukan Robust Scaling pada data. + Scaler ini menghapus median dan menskalakan + data sesuai dengan rentang kuartil + + Parameter: + --- + :param data: Data yang akan di-scaled. + + Return: + :result: Hasil scaling Robust pada data. + """ + x = np.array(data) + numerator = x / np.quantile(x, 0.5) + denumerator = np.quantile(x, 0.75) - np.quantile(x, 0.25) + + result = numerator / denumerator + + return result + + +def log_scaling(data: np.array): + """ + Melakukan scaling logaritmik pada data. + + Parameter: + --- + :param data: Data yang akan di-scaled. + + Return: + :result: Hasil scaling logaritmik pada data. + + """ + x = np.array(data) + formula = np.log(x) + return formula + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/implementation/artificial_intelligence/polynominal.py b/implementation/artificial_intelligence/polynominal.py new file mode 100644 index 00000000..a9496889 --- /dev/null +++ b/implementation/artificial_intelligence/polynominal.py @@ -0,0 +1,80 @@ +import numpy as np + + +class PolynomialRegression: + def __init__(self, degree, learning_rate: float = 0.00001, iterations: int = 10000): + """ + # PolynomialRegression + ---------- + + Polynominal Regression adalah merupakan model melatih + hubungan parameter non-linear dengan paramter β dengan + membentuk garis curved seperti persamaan polinominal + dibandingkan dengan simple linear regession,simple + linear regession hanya bekerja ketika hubungan para- + meter datanya bersifat linear + + # Paramters: + ------------ + :param degree: parameter derajat ini merupakan + regestor model data train + :param learning_rate: parameter ini merupakan update + estimasi hasil pembelajaran setiap + berapa kali di belajar + :param iterations: parameter ini merupakan merupakan berapa + ke berapa kali data itu belajar + """ + self.degree = degree + self.learning_rate = learning_rate + self.iterations = iterations + + def transform(self, X): + X_transform = np.ones((self.m, 1)) + for j in range(self.degree + 1): + if j != 0: + x_pow = np.power(X, j) + X_transform = np.append(X_transform, x_pow.reshape(-1, 1), axis=1) + return X_transform + + def normalize(self, X): + X[:, 1:] = (X[:, 1:] - np.mean(X[:, 1:], axis=0)) / np.std(X[:, 1:], axis=0) + return X + + def fit(self, X: np.array, Y: np.array): + """ + # Parameters: + :param X: merupakan data input bersifat independent + :param y: merupakan data real output bersifat + dependent + # Returns: + :param return: berupa nama Class + """ + self.X = X + self.Y = Y + self.m, self.n = self.X.shape + self.W = np.zeros(self.degree + 1) + X_transform = self.transform(self.X) + X_normalize = self.normalize(X_transform) + for _ in range(self.iterations): + h = self.predict(self.X) + error = h - self.Y + self.W = self.W - self.learning_rate * (1 / self.m) * np.dot( + X_normalize.T, error + ) + return self + + def fit_tranform(self, X): + """ + menjalankan fungsi dari Polynomial regression + >> X = np.array([[1], [2], [3], [4], [5], [6], [7]]) + >> Y = np.array([45000, 50000, 60000, 80000, 110000, 150000, 200000]) + >> model = PolynomialRegression(degree=2, learning_rate=0.01, iterations=500) + """ + X_transform = self.transform(X) + return np.dot(X_transform, self.W) + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/implementation/artificial_intelligence/random_forest.py b/implementation/artificial_intelligence/random_forest.py new file mode 100644 index 00000000..34bccd3d --- /dev/null +++ b/implementation/artificial_intelligence/random_forest.py @@ -0,0 +1,245 @@ +""" + Algoritme hutan acak bekerja dengan membuat ansambel pohon keputusan, + di mana setiap pohon dilatih pada subset acak dari data pelatihan. + Selama prediksi, + setiap pohon di hutan secara independen memprediksi label untuk sampel masukan + yang diberikan, + dan prediksi akhir ditentukan oleh suara terbanyak. + Pendekatan ansambel ini membantu meningkatkan akurasi dan ketahanan model + secara keseluruhan. +""" + +import numpy as np +from typing import Union + + +class DecisionTree: + def __init__(self, max_depth=5, min_samples_leaf=2): + """ + Kelas DecisionTree mewakili pohon keputusan tunggal di hutan acak. + Itu diinisialisasi dengan parameter max_depth (kedalaman maksimum pohon) + dan min_samples_leaf (jumlah minimum sampel yang + diperlukan untuk membuat simpul daun). + """ + self.max_depth = max_depth + self.min_samples_leaf = min_samples_leaf + self.tree = {} + + def fit(self, X: np.ndarray, y: np.ndarray): + """ + Metode fit membangun pohon keputusan secara rekursif dengan memanggil + fungsi build_tree. + argumen: + X(np.ndarray) : Nilai numerik array 2D + y(np.ndarray) : Array 1D dari int + kedalaman (object):nama objek + """ + self.tree = self.build_tree(X, y, depth=0) + + def build_tree(self, X: np.ndarray, y: np.ndarray, depth: int): + """ + Fungsi build_tree secara rekursif membagi data berdasarkan fitur dan nilai + terbaik, dengan mempertimbangkan perolehan informasi + argumen: + X(np.ndarray) : Nilai numerik array 2D + y(np.ndarray) : Array 1D dari int + kedalaman (int):int + """ + n_samples, n_features = X.shape + labels = np.unique(y) + + # Base cases + if ( + depth == self.max_depth + or n_samples < self.min_samples_leaf + or len(labels) == 1 + ): + label_counts = np.bincount(y) + return {"label": np.argmax(label_counts), "count": len(y)} + + # Randomly select features for splitting + feature_indices = np.random.choice( + n_features, int(np.sqrt(n_features)), replace=False + ) + + # Find the best split based on information gain + best_gain = -1 + best_feature = None + best_value = None + best_partitions = None + + for feature in feature_indices: + values = np.unique(X[:, feature]) + for value in values: + left_indices = np.where(X[:, feature] <= value)[0] + right_indices = np.where(X[:, feature] > value)[0] + gain = self.information_gain(y, left_indices, right_indices) + + if gain > best_gain: + best_gain = gain + best_feature = feature + best_value = value + best_partitions = (left_indices, right_indices) + + # Recursively build the left and right subtrees + left_tree = self.build_tree( + X[best_partitions[0]], y[best_partitions[0]], depth + 1 + ) + right_tree = self.build_tree( + X[best_partitions[1]], y[best_partitions[1]], depth + 1 + ) + + return { + "feature": best_feature, + "value": best_value, + "left": left_tree, + "right": right_tree, + } + + def information_gain( + self, + y: np.ndarray, + left_indices: Union[np.ndarray, list[int | float]], + right_indices: Union[np.ndarray, list[int | float]], + ): + """ + Fungsi information_gain menghitung perolehan informasi untuk pembagian tertentu. + Args: + y (np.ndarray):1D array of int + left_indices (np.ndarray or list[int|float]): Indeks-indeks data + yang termasuk dalam + kelompok kiri + right_indices (np.ndarray or list[int|float]): Indeks-indeks data + yang termasuk dalam + kelompok kanan + """ + parent_entropy = self.calculate_entropy(y) + left_entropy = self.calculate_entropy(y[left_indices]) + right_entropy = self.calculate_entropy(y[right_indices]) + + n_samples = len(y) + left_weight = len(left_indices) / n_samples + right_weight = len(right_indices) / n_samples + + gain = parent_entropy - ( + left_weight * left_entropy + right_weight * right_entropy + ) + return gain + + def calculate_entropy(self, y: np.ndarray): + """ + fungsi count_entropy menghitung entropi dari sekumpulan label. + argumen: + y (_type_): larik int 1D. + """ + class_counts = np.bincount(y) + probabilities = class_counts / len(y) + entropy = -np.sum(probabilities * np.log2(probabilities + 1e-10)) + return entropy + + # Metode prediksi memprediksi label untuk sekumpulan sampel input. + # Dengan memanggil fungsi predict_sample untuk setiap sampel. + + def prediksi(self, X: np.ndarray): + """ + Metode memprediksi label untuk satu set sampel input. + Dengan memanggil fungsi predict_sample untuk setiap sampel. + argumen: + X (_type_): larik 2D dari nilai numerik + + Pengembalian: + _type_: Larik label 1D (int) + """ + return np.array([self.predict_sample(x) for x in X]) + + def predict_sample(self, x: np.ndarray): + """ + Fungsi predict_sample menelusuri pohon keputusan untuk menentukan prediksi + label untuk masukan satu sampel. + argumen: + x (np.ndarray): larik 2D dari nilai numerik + + Pengembalian: + int: kembalikan label(int) + """ + node = self.tree + while "label" not in node: + if x[node["feature"]] <= node["value"]: + node = node["left"] + else: + node = node["right"] + return node["label"] + + +class RandomForest: + def __init__(self, num_trees=10, max_depth=5, min_samples_leaf=2): + """ + Kelas RandomForest mewakili ansambel hutan acak. + Args: + num_trees (int, optional):jumlah pohon di hutan Defaults to 10. + max_depth (int, optional):kedalaman maksimum setiap pohon Defaults to 5. + min_samples_leaf (int, optional):jumlah minimum sampel yang diperlukan + untuk membuat simpul daun. Defaults to 2. + """ + self.num_trees = num_trees + self.max_depth = max_depth + self.min_samples_leaf = min_samples_leaf + self.trees = [] + + def fit(self, X: np.ndarray, y: np.ndarray): + """ + #Metode fit melatih hutan acak dengan membuat pohon keputusan num_trees dan + # menyesuaikannya pada himpunan bagian acak dari data. + argumen: + X(np.ndarray) : Nilai numerik array 2D + y(np.ndarray) : Array 1D dari int + """ + for _ in range(self.num_trees): + tree = DecisionTree( + max_depth=self.max_depth, min_samples_leaf=self.min_samples_leaf + ) + indices = np.random.choice(len(X), len(X), replace=True) + tree.fit(X[indices], y[indices]) + self.trees.append(tree) + + def prediksi(self, X: np.ndarray): + """Metode prediksi membuat prediksi untuk sekumpulan sampel input dengan + menggabungkan prediksi dari setiap pohon dan mengambil suara mayoritas. + argumen: + X (np.ndarray): Nilai numerik larik 2D + + Pengembalian: + np.array: Larik label 1D (int) + """ + predictions = np.zeros((len(X), len(self.trees))) + for i, tree in enumerate(self.trees): + predictions[:, i] = tree.prediksi(X) + return np.array([np.bincount(row.astype(int)).argmax() for row in predictions]) + + +def main(): + # Example usage + X_train = np.array([[1, 2], [2, 3], [3, 4], [4, 5]]) + y_train = np.array([1, 2, 2, 3]) + + # Buat dan latih model hutan acak + num_trees = 10 + max_depth = 3 + min_samples_leaf = 2 + model = RandomForest( + num_trees=num_trees, max_depth=max_depth, min_samples_leaf=min_samples_leaf + ) + model.fit(X_train, y_train) + + # + X_test = np.array([[2, 3], [8, 7]]) + + # Siapkan data uji + predictions = model.prediksi(X_test) + + # Cetak prediksi + print("Predictions:", predictions) + + +if __name__ == "__main__": + main() diff --git a/implementation/artificial_intelligence/rigde_regession.py b/implementation/artificial_intelligence/rigde_regession.py new file mode 100644 index 00000000..f5e2dab5 --- /dev/null +++ b/implementation/artificial_intelligence/rigde_regession.py @@ -0,0 +1,186 @@ +# ridge regession adalah dimana merupakan tipe +# regessi untuk modifikasi OLS regesi yang bertujuan +# agar membantu untuk menolak overfitting +# overfiting itu adalah pemodelan matematis +# bahwa koresponden yang terlalu dekat dengan nilai +# actual yang bisa menggangu akurasi pemodelan kita + +import numpy as np + + +def costfunction( + x_data: np.ndarray, + y_data: np.ndarray, + alpha: float, + weigth: np.ndarray, + panjang_data: int, +) -> float: + """ + Program ini merupakan perhitungan untuk mengetahui performa + pemodelan data.cost function ini merupakan turunan dari rumus + rumusan machine learning khususnya + Args: + x_data (np.ndarray): parameter ini merupakan data inputan + yang bersifat independent + y_data (np.ndarray): paramater ini adalah data dependentnya + merupakan nilai dari nilai aktual + alpha (float): merupakan bentuk dari batasan dari persamaan + rigde regession + weigth (np.ndarray): _description_ + panjang_data (int): _description_ + + Returns: + float: _description_ + """ + prod = np.dot(weigth, x_data) + prod = prod - y_data + sum_element = np.sum(prod**2) + (alpha * np.sum(weigth.T**2)) + error = (sum_element) / (2 * panjang_data) + return error + + +def step_gradient_descent( + data_x: np.ndarray, + data_y: np.ndarray, + alpha: float, + weight: np.ndarray, + panjang_data: int, +) -> float: + """ + gradient descent merupakan rumusan turunan dari cost function + dan ridge regession yang berguna untuk menghitung performa + gradient descent biasa digunakan bukan hanya machine learning + model,tetapi juga neural network juga + Args: + data_x (np.ndarray): parameter ini merupakan input data ber- + sifat dependent + data_y (np.ndarray): parameter ini merupakan input data(aktual) + bersifat independent + alpha (float): merupakan bentuk batasan-batasan dari persamaan + rigde regession + weight (np.ndarray): merupakan bobot array tersebut + panjang_data (int): merupakan panjang dari parameter data independent + + Returns: + float: hasil kakulasi berupa angka desimal + """ + prod = np.dot(weight, data_x) + prod = prod - data_y + # kita hitung perjumlahan nilai weight dengan alpha + # yang dikalikan dengan weight transpose + sum_grad = np.dot(prod, data_x.T) + alpha * weight.T + weight = weight - (alpha / panjang_data) * sum_grad + return weight + + +class Ridge: + def __init__( + self, + alpha: float = 1.0, + fit_intercept: bool = True, + iterable=100000, + learning_path: float = 0.0001550, + ) -> None: + """ + merupakan salah satu model machine learning pada supervised learning, + yang berkembangan dari + model persamaan multi linear regession + Args: + alpha (float, optional): merupakan bentuk batasan persamaan. + Defaults to 1.0. + fit_intercept (bool, optional): merupakan penambahan bias 1 array pada data + input independent. + Defaults to True. + iterable (int, optional): merupakan banyaknya permodelan + melakukan pembelajaran. + Defaults to 1000. + learning_path (float, optional): merupakan langkah diambil dalam + melakukan pembelajaran. + Defaults to 0.00001. + refence : + https://towardsdatascience.com \ + /from-linear-regression-to-ridge-regression-\ + the-lasso-and-the-elastic-net-4eaecaf5f7e6 + + Example: + >>> import numpy as np + >>> n_samples, n_features = 10, 5 + >>> rng = np.random.RandomState(0) + >>> y = rng.randn(n_samples) + >>> X = rng.randn(n_samples, n_features) + >>> clf = Ridge(alpha=1.0) + >>> clf.fit(X, y) + """ + self.alpha = alpha + self.intercept = fit_intercept + self.iterasi = iterable + self.learning = learning_path + self.weight = None + + def fit(self, x: np.ndarray, y: np.ndarray) -> object: + """ + Parameters: + --- + :param X: merupakan data yang bersifat bebas + :param y: merupakan data input yang bersifat target + + Return: + --- + :param self: merupakan object yang disimpan dengan variabel + """ + X = np.array(x) + if self.intercept: + X = np.c_[np.ones((X.shape[0], 1)), X] + panjang_data, panjang_fitur = X.shape + Y = np.array(y) + W = np.zeros(panjang_fitur) + for i in range(0, self.iterasi): + W = step_gradient_descent(X, Y, self.learning, W, panjang_data) + error = costfunction(X, Y, self.learning, W, panjang_data) + print(f"pada iterasi {i + 1} - error : {error:.5f}") + self.weight = W + return self + + def transform(self, x: np.ndarray) -> np.ndarray: + """ + Parameter: + --- + :param x:merupakan data input yang ingin mendapatkan + ouput dari hasil algoritma + Returns: + --- + :param self.predictions: merupakan hasil dari outputnya + """ + X = np.array(x) + if self.intercept: + X = np.c_[np.ones((X.shape[0], 1)), X] + self.predictions = X.dot(self.weight) + return self.predictions + + def error_value(self, x: np.ndarray, y: np.ndarray): + """ + ini merupakan salah satu metode loss function yang digunakan + untuk mengtahui + Args: + x (np.ndarray): input data besifat bebas(independent) + y (np.ndarray): input data bersifat pastu (dependent) + Returns: + _type_: _description_ + """ + X = np.array(x) + y = np.array(y) + self.fit(X, y) + error = y - self.transform(X) + return error + + def score(self, y_actual: np.array, y_predict: np.array) -> float: + tss = np.sum((y_actual - np.mean(y_actual)) ** 2) + rss = np.sum((y_actual - y_predict) ** 2) + r_squared = 1 - rss / tss + return r_squared + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/implementation/artificial_intelligence/similarity_searching.py b/implementation/artificial_intelligence/similarity_searching.py new file mode 100644 index 00000000..326f1043 --- /dev/null +++ b/implementation/artificial_intelligence/similarity_searching.py @@ -0,0 +1,126 @@ +from __future__ import annotations +import math +import numpy as np +from numpy.linalg import norm + + +def euclidean(input_a: np.ndarray, input_b: np.ndarray) -> float: + """ + menghitung jarak euclidean antara dua data + + Args: + input_a (np.ndarray): array dari vektor pertama + input_b (np.ndarray): array dari vektor kedua + + Return: + (float) : jarak euclidean antara input_a dan input_b + dengan menggunakan math.sqrt() + + Contoh: + + >>> euclidean(np.array([0]), np.array([1])) + 1.0 + """ + return math.sqrt(sum(pow(a - b, 2) for a, b in zip(input_a, input_b))) + + +def similar_search( + dataset: np.ndarray, value_array: np.ndarray +) -> list[list[float] | float]: + """ + similiar search atau pencarian kemiripan adalah teknik machine + learning yang digunakan untuk menenumkan dokumen, gambar, + atau data lainnya yang mirip dengan query yang diberikan + + referensi: + https://www.pinecone.io/learn/what-is-similarity-search/ + https://en.wikipedia.org/wiki/Similarity_learning + https://encord.com/blog/vector-similarity-search/ + + Args: + dataset (np.ndarray): kumpulan vektor-vektor + value_array (np.ndarray): vektor yang ingin kita ketahui vektor + terdekat dari dataset + + Return: + berupa sebuah daftar yang berisi vektor terdekat, jarak dari + vektor-vektor tersebut + + Contoh: + + >>> dataset = np.array([[0], [1], [2]]) + >>> value_array = np.array([[0]]) + >>> similar_search(dataset, value_array) + [[[0], 0.0]] + + >>> dataset = np.array([[0, 0, 0], [1, 1, 1], [2, 2, 2]]) + >>> value_array = np.array([[0, 0, 0], [0, 0, 1]]) + >>> similar_search(dataset, value_array) + [[[0, 0, 0], 0.0], [[0, 0, 0], 1.0]] + """ + if dataset.ndim != value_array.ndim: + pesan = ( + f"dimensi data input salah, dataset: {dataset.ndim} : " + f"{value_array.ndim}" + ) + raise ValueError(pesan) + + try: + if dataset.shape[1] != value_array.shape[1]: + pesan = ( + f"bentuk data input salah, dataset {dataset.shape[1]}, " + f"value_array: {value_array.shape[1]}" + ) + raise ValueError(pesan) + except IndexError as index_error: + if dataset.ndim != value_array.ndim: + print(index_error) + raise TypeError("bentuk salah...") + + if dataset.dtype != value_array.dtype: + pesan = ( + f"tipe data input berbeda, dataset: {dataset.dtype}," + f"value_array: {value_array.dtype}" + ) + raise TypeError(pesan) + + answer: list = [] + + for value in value_array: + dist = euclidean(value, dataset[0]) + vector = dataset[0].tolist() + + for dataset_value in dataset[1:]: + temp_dist = euclidean(value, dataset_value) + if dist > temp_dist: + dist = temp_dist + vector = dataset_value.tolist() + answer.append([vector, dist]) + + return answer + + +def cosine_similarity(input_a: np.ndarray, input_b: np.ndarray) -> float: + """ + menghitung kesamaan kosinus antara dua data + + Args: + input_a (np.ndarray): array dari vektor pertama + input_b (np.ndarray): array dari vektor kedua + + Return: + (float) : kesamaan kosinus input_a dan input_b. dengan menggunakan + math.sqrt() + """ + return np.dot(input_a, input_b) / (norm(input_a) * norm(input_b)) + + +if __name__ == "__main__": + import doctest + + # dataset = np.array([[0], [1], [2]]) + # value_array = np.array([[0]]) + # result = similar_search(dataset, value_array) + # print(result) + + doctest.testmod() diff --git a/implementation/audio_filter/audio_response.py b/implementation/audio_filter/audio_response.py new file mode 100644 index 00000000..62f062df --- /dev/null +++ b/implementation/audio_filter/audio_response.py @@ -0,0 +1,77 @@ +from __future__ import annotations + +from math import pi +from typing import Protocol + +import matplotlib.pyplot as plt +import numpy as np + + +class TipeFilter(Protocol): + def proses(self, sample: float): + """ + kalkulasi y[n] + + >>> issubclass(TipeFilter, Protocol) + True + """ + return 0.0 + + +def batasan(hasil_fft: np.ndarray, samplerate: int) -> tuple[int | float, int | float]: + """ + >>> import numpy + >>> array = numpy.linspace(-20.0, 20.0, 1000) + >>> batasan(array, 1000) + (-20, 20) + """ + terendah = min([-20, np.min(hasil_fft[1 : samplerate // 2 - 1])]) + tertinggi = max([20, np.max(hasil_fft[1 : samplerate // 2 - 1])]) + return terendah, tertinggi + + +def tampilan_frekuensi(tipe_filter: TipeFilter, samplerate: int) -> None: + ukuran = 512 + inputs = [1] + [0] * (ukuran - 1) + outputs = [tipe_filter.proses(item) for item in inputs] + + filter_output = [0] * (samplerate - ukuran) + outputs += filter_output + fft_keluar = np.abs(np.fft.fft(outputs)) + fft_db = 20 * np.log10(fft_keluar) + + plt.xlim(24, samplerate / 2 - 1) + plt.xlabel("frekuensi (Hz)") + plt.xscale("log") + + bound = batasan(fft_db, samplerate) + plt.ylim(max([-80, bound[0]]), min([80, bound[1]])) + plt.ylabel("desibel (dB)") + + plt.plot(fft_db) + plt.show() + + +def tampilan_fase_respon(tipe_filter: TipeFilter, samplerate: int) -> None: + ukuran = 512 + inputs = [1] + [0] * (ukuran - 1) + outputs = [tipe_filter.proses(item) for item in inputs] + + filter_response = [0] * (samplerate - ukuran) + outputs += filter_response + output_fft = np.angle(np.fft.fft(outputs)) + + plt.xlim(24, samplerate / 2 - 1) + plt.xlabel("frekuensi (Hz)") + plt.xscale("log") + + plt.ylim(-2 * pi, 2 * pi) + plt.ylabel("radian") + plt.plot(np.unwrap(output_fft, -2 * pi)) + plt.show() + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/implementation/audio_filter/iir_filter.py b/implementation/audio_filter/iir_filter.py new file mode 100644 index 00000000..fa9509e5 --- /dev/null +++ b/implementation/audio_filter/iir_filter.py @@ -0,0 +1,64 @@ +from __future__ import annotations + + +class IRFilter: + def __init__(self, order: int) -> None: + self.order = order + + # a_{0} ... a_{k} + self.a_coeffs = [1.0] + [0.0] * order + # b_a{0} ... b_{k} + self.b_coeffs = [1.0] + [0.0] * order + + # x[n-1] ... x[n-k] + self.input_history = [0.0] * self.order + # y[n-1] ... y[n-k] + self.output_history = [0.0] * self.order + + def set_coefficients(self, a_coeffs: list[float], b_coeffs: list[float]) -> None: + """ + menetapkan koefisien untuk filter IIR. + keduanya harus sesuai urutan ukuran +1 + a_0 dapat ditinggalkan, dan akan menggunakan + 1.0 sebagai nilai default + + metode ini bekerja dengan baik dengan + fungsi desain filter scipy + >>> import scipy.signal + >>> b_coeffs, a_coeffs = scipy.signal.butter(2, 1000, + ... btype='lowpass', + ... fs=48000) + >>> filt = IIRFilter(2) + >>> filt.set_coefficients(a_coeffs, b_coeffs) + """ + if len(a_coeffs) < self.order: + a_coeffs = [1.0] + a_coeffs + + if len(a_coeffs) != self.order + 1: + raise ValueError( + f"b_coeffs harus {self.order + 1} elemen untuk {self.order}" + f"-order filter, got {len(a_coeffs)}" + ) + + self.a_coeffs = a_coeffs + self.b_coeffs = b_coeffs + + def process(self, sample: float) -> float: + result = 0.0 + + # mulai dari index 1 dan lakukan indeks 0 + # di bagian akhir + for i in range(1, self.order + 1): + result += ( + self.b_coeffs[i] * self.input_history[i - 1] + - self.a_coeffs[i] * self.output_history[i - 1] + ) + + result = ( + result + self.b_coeffs[0] * self.b_coeffs[0] * sample + ) / self.a_coeffs[0] + + self.input_history[1:] = self.input_history[:-1] + self.output_history[1:] = self.output_history[:-1] + + return result diff --git a/implementation/blockchain/chinese_remainder.py b/implementation/blockchain/chinese_remainder.py index 86f98d0b..2fdc4e3f 100644 --- a/implementation/blockchain/chinese_remainder.py +++ b/implementation/blockchain/chinese_remainder.py @@ -2,10 +2,8 @@ # untuk mempercepat dan meningkatkan efisiensi performa sistem kriptografi RSA # https://en.wikipedia.org/wiki/Chinese_remainder_theorem -from typing import Tuple - -def extended_euclid(a: int, b: int) -> Tuple[int, int]: +def extended_euclid(a: int, b: int) -> tuple[int, int]: """ >>> extended_euclid(10, 6) (-1, 2) diff --git a/implementation/blockchain/diophantine_equation.py b/implementation/blockchain/diophantine_equation.py index cfb605ce..98d7c8bc 100644 --- a/implementation/blockchain/diophantine_equation.py +++ b/implementation/blockchain/diophantine_equation.py @@ -1,14 +1,12 @@ # https://en.wikipedia.org/wiki/Diophantine_equation -from typing import Tuple - -def diophantine(a: int, b: int, c: int) -> Tuple[float, float]: +def diophantine(a: int, b: int, c: int) -> tuple[float, float]: """ Persamaan Diophantine : Diberikan bilangan bulat a,b,c ( setidaknya satu dari a dan b != 0), persamaan diophantine a*x + b*y = c - memiliki solusi (di mana x dan y adalah bilangan bulat) + memiliki solusi (dimana x dan y adalah bilangan bulat) jika gcd(a,b) membagi c. >>> diophantine(10,6,14) (-7.0, 14.0) @@ -69,7 +67,7 @@ def greatest_common_divisor(a: int, b: int) -> int: return b -def extended_gcd(a: int, b: int) -> Tuple[int, int, int]: +def extended_gcd(a: int, b: int) -> tuple[int, int, int]: """ Extended Euclid's Algorithm : Jika d membagi a dan b dan d = a*x + b*y untuk bilangan bulat diff --git a/implementation/blockchain/modular_division.py b/implementation/blockchain/modular_division.py index 51c21aa7..19cd3a87 100644 --- a/implementation/blockchain/modular_division.py +++ b/implementation/blockchain/modular_division.py @@ -1,6 +1,3 @@ -from typing import Tuple - - def modular_division(a: int, b: int, n: int) -> int: """ Algoritma yang efisien untuk membagi b dengan modulo n. @@ -48,7 +45,7 @@ def modular_division2(a: int, b: int, n: int) -> int: return x -def extended_gcd(a: int, b: int) -> Tuple[int, int, int]: +def extended_gcd(a: int, b: int) -> tuple[int, int, int]: """ Extended Euclid's Algorithm : Jika d membagi a dan b dan d = a*x + b*y untuk bilangan bulat x @@ -74,7 +71,7 @@ def extended_gcd(a: int, b: int) -> Tuple[int, int, int]: return (d, x, y) -def extended_euclid(a: int, b: int) -> Tuple[int, int]: +def extended_euclid(a: int, b: int) -> tuple[int, int]: """ >>> extended_euclid(10, 6) (-1, 2) diff --git a/implementation/celular_automata/README.md b/implementation/celular_automata/README.md index c3defd2a..8fa95494 100644 --- a/implementation/celular_automata/README.md +++ b/implementation/celular_automata/README.md @@ -1,4 +1,5 @@ ## Celular Automata +Celullar automata adalah cara untuk mensimulasikan perilaku "kehidupan", tidak peduli apakah itu robot atau sel. Mereka biasanya mengikuti aturan sederhana tetapi dapat mengarah pada penciptaan bentuk yang kompleks. - -Materi Selanjutnya: [Chiper](../chiper) \ No newline at end of file +- [game of life](game_of_life.py) +- [one dimensional](one_dimensional.py) diff --git a/implementation/celular_automata/game_of_life.py b/implementation/celular_automata/game_of_life.py new file mode 100644 index 00000000..b5862e75 --- /dev/null +++ b/implementation/celular_automata/game_of_life.py @@ -0,0 +1,127 @@ +# implementasi game of life +# peraturan main game of life +# 1. setiap sel hdup kurang dari dua maka mati, seolah olah +# disebabkan oleh kekurangan populasi +# 2. setiap sel hidup dengan dua atau tiga orang hidup hidup +# ke generasi berikutnya +# 3. setiap sel hidup dengan lebih dari tiga orang hidup mati, +# seolah olah oleh populasi berlebihan +# 4. setiap sel mati dengan tepat tiga orang hidup menjadi sel hidup, +# seolah olah dengan reproduksi (repopulasi) + +from __future__ import annotations + +import random +import sys + +import numpy as np +from matplotlib import pyplot as plt +from matplotlib.colors import ListedColormap + +usage_doc = "Usaage of script: script_nama " + +choice = [0] * 100 + [1] * 10 +random.shuffle(choice) + + +def create_canvas(size: int) -> list[list[bool]]: + """ + membuat canvas + @param size: ukuran canvas = int + @return: canvas = list[list[bool]] + >>> create_canvas(2) + [[False, False], [False, False]] + """ + canvas = [[False for i in range(size)] for j in range(size)] + return canvas + + +def seed(canvas: list[list[bool]]) -> None: + for i, row in enumerate(canvas): + for j, _ in enumerate(row): + canvas[i][j] = bool(random.getrandbits(1)) + + +def run(canvas: list[list[bool]]) -> list[list[bool]]: + """ + fungsi ini menjalankan aturan permainan melalui semua poin + dan mengubah status yang sesuai + @param canvas: canvas = list[list[bool]] + @return: canvas = list[list[bool]] + >>> run([[False, False], [False, False]]) + [[False, False], [False, False]] + """ + current_canvas = np.array(canvas) + next_gen_canvas = np.array(create_canvas(current_canvas.shape[0])) + for r, row in enumerate(current_canvas): + for c, pt in enumerate(row): + next_gen_canvas[r][c] = __judge_point( + pt, current_canvas[r - 1 : r + 2, c - 1 : c + 2] + ) + + current_canvas = next_gen_canvas + # bersihkan canvas (memori) + del next_gen_canvas + return_canvas: list[list[bool]] = current_canvas.tolist() + + return return_canvas + + +def __judge_point(pt, neighbours): + dead = 0 + alive = 0 + + # menghitung jumlah hidup dan mati + for i in neighbours: + for status in i: + if status: + alive += 1 + else: + dead += 1 + + # penanganan entri duplikat untuk fokus pt + if pt: + alive -= 1 + else: + dead -= 1 + + # membuat peraturan dari game + state = pt + if pt: + if alive < 2: + state = False + elif alive == 2 or alive == 3: + state = True + elif alive > 3: + state = False + else: + if alive == 3: + state = True + + return state + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) + + if len(sys.argv) != 2: + raise Exception(usage_doc) + + canvas_size = int(sys.argv[1]) + + c = create_canvas(canvas_size) + seed(c) + fig, ax = plt.subplots() + fig.show() + + cmap = ListedColormap(["w", "k"]) + try: + while True: + c = run(c) + ax.matshow(c, cmap=cmap) + fig.canvas.draw() + ax.cla() + except KeyboardInterrupt: + pass diff --git a/implementation/celular_automata/nagel_schrekenberg.py b/implementation/celular_automata/nagel_schrekenberg.py new file mode 100644 index 00000000..a03e3f71 --- /dev/null +++ b/implementation/celular_automata/nagel_schrekenberg.py @@ -0,0 +1,143 @@ +# Simulasikan evolusi jalan +# raya dengan hanya satu jalan yaitu loop. +# Jalan raya dibagi dalam sel, setiap sel dapat +# memiliki paling banyak satu mobil di dalamnya. +# Jalan raya adalah lingkaran sehingga ketika +# sebuah mobil datang ke satu ujung, +# itu akan keluar di ujung yang lain. +# Setiap mobil diwakili oleh kecepatannya (dari 0 hingga 5). + +# Beberapa informasi tentang kecepatan: +# -1 berarti sel di jalan raya kosong +# 0 hingga 5 adalah kecepatan mobil +# dengan 0 terendah dan 5 tertinggi + +# jalan raya: list[int] Di mana setiap +# posisi dan kecepatan setiap mobil akan disimpan + +# Probabilitas Probabilitas bahwa seorang +# pengemudi akan melambat + +# initial_speed Kecepatan mobil saat start + +# frekuensi Berapa banyak sel +# yang ada di antara dua mobil di awal? + +# max_speed Kecepatan maksimum yang dapat dicapai mobil +# number_of_cells Berapa banyak sel yang ada di jalan raya +# number_of_update Berapa kali posisi akan diperbarui + +# informasi lebih lanjut +# jalan raya: list[int] Di mana setiap +# posisi dan kecepatan setiap mobil akan disimpan + +# informasi lebih lanjut +# https://en.wikipedia.org/wiki/Nagel%E2%80%93Schreckenberg_model + +from __future__ import annotations + +from random import randint, random + + +def construct_highway( + number_of_cells: int, + frequency: int, + initial_speed: int, + random_frequency: bool = False, + random_speed: bool = False, + max_speed: int = 5, +) -> list: + """ + membuat jalan raya dengan mengikuti parameter + >>> construct_highway(10, 2, 6) + [[6, -1, 6, -1, 6, -1, 6, -1, 6, -1]] + """ + + # membuat jalan tanpa ada kendaraan + highway = [[-1] * number_of_cells] + i = 0 + if initial_speed < 0: + initial_speed = 0 + while i < number_of_cells: + # menamruh kendaran + highway[0][i] = randint(0, max_speed) if random_speed else initial_speed + i += randint(1, max_speed * 2) if random_frequency else frequency + return highway + + +def get_distance(highway_now: list, car_index: int) -> int: + """ + membuat jarak antara kendaraan dan kendaraan selanjutnya + >>> get_distance([6, -1, 6, -1, 6], 2) + 1 + """ + distance = 0 + cells = highway_now[car_index + 1 :] + for cell in range(len(cells)): + if cells[cell] != -1: + return distance + distance += 1 + return distance + get_distance(highway_now, -1) + + +def update(highway_now: list, probability: float, max_speed: int) -> list: + """ + update dari kecepatan kendaraan + >>> update([-1, -1, -1, -1, -1, 2, -1, -1, -1, -1, 3], 0.0, 5) + [-1, -1, -1, -1, -1, 3, -1, -1, -1, -1, 4] + >>> update([-1, -1, 2, -1, -1, -1, -1, 3], 0.0, 5) + [-1, -1, 3, -1, -1, -1, -1, 1] + """ + number_of_cells = len(highway_now) + + # sebelum kalkulasi + next_highway = [-1] * number_of_cells + + for car_index in range(number_of_cells): + if highway_now[car_index] != -1: + # menambahkan 1 dari kecepatan sekarang kendaraan + next_highway[car_index] = min(highway_now[car_index] + 1, max_speed) + # jumlah dari sel yang kosong sebelum masuk kendaraan + dn = get_distance(highway_now, car_index) - 1 + next_highway[car_index] = min(next_highway[car_index], dn) + if random() < probability: + # mengacak, kendaraa mencoba melambat + next_highway[car_index] = max(next_highway[car_index] - 1, 0) + + return next_highway + + +def simulasi( + highway: list, + number_of_update: int, + probability: float, + max_speed: int, +) -> list: + """ + >>> simulasi([[-1, 2, -1, -1, -1, 3]], 2, 0.0, 3) + [[-1, 2, -1, -1, -1, 3], [-1, -1, -1, 2, -1, 0], [1, -1, -1, 0, -1, -1]] + >>> simulasi([[-1, 2, -1, 3]], 4, 0.0, 3) + [[-1, 2, -1, 3], [-1, 0, -1, 0], [-1, 0, -1, 0], [-1, 0, -1, 0], [-1, 0, -1, 0]] + """ + number_of_cells = len(highway[0]) + + for i in range(number_of_update): + next_speeds_calculated = update(highway[i], probability, max_speed) + real_next_speeds = [-1] * number_of_cells + + for car_index in range(number_of_cells): + speed = next_speeds_calculated[car_index] + if speed != -1: + # mengganti posisi berdasarkan kecepatan + index = (car_index + speed) % number_of_cells + # commit merubah posisi + real_next_speeds[index] = speed + highway.append(real_next_speeds) + + return highway + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/implementation/chiper/README.md b/implementation/chiper/README.md index 5d309d5c..9e8bf95d 100644 --- a/implementation/chiper/README.md +++ b/implementation/chiper/README.md @@ -1,5 +1,5 @@ # Apa itu Kriptografi ? -Kriptografi adalah ilmu tentang teknik enkripsi dimana sebuah “naskah/teks asli” (*plaintext*) diacak menggunakan suatu kunci enkripsi menjadi “naskah/teks acak" (*ciphertext*) yang akan sulit dibaca oleh seseorang yang tidak memiliki kunci dekripsi. Untuk mendapatkan kembali "naskah/teks asli", diperlukan sebuah kunci dekripsi yang. +Kriptografi adalah ilmu tentang teknik enkripsi dimana sebuah “naskah/teks asli” (*plaintext*) diacak menggunakan suatu kunci enkripsi menjadi “naskah/teks acak" (*ciphertext*) yang akan sulit dibaca oleh seseorang yang tidak memiliki kunci dekripsi. Untuk mendapatkan kembali "naskah/teks asli", diperlukan sebuah kunci dekripsi. (Sumber : https://www.it-jurnal.com/pengertian-dan-sejarah-kriptografi/) diff --git a/implementation/chiper/caesar.py b/implementation/chiper/caesar.py index 070e7c59..213c71db 100644 --- a/implementation/chiper/caesar.py +++ b/implementation/chiper/caesar.py @@ -1,8 +1,7 @@ from string import ascii_letters -from typing import Optional -def encrypt(input_string: str, key: int, alphabet: Optional[str] = None) -> str: +def encrypt(input_string: str, key: int, alphabet: str | None = None) -> str: """ Mengkodekan string yang diberikan dengan sandi caesar dan mengembalikan kode yang disandikan pesan @@ -27,7 +26,7 @@ def encrypt(input_string: str, key: int, alphabet: Optional[str] = None) -> str: return result -def decrypt(input_string: str, key: int, alphabet: Optional[str] = None) -> str: +def decrypt(input_string: str, key: int, alphabet: str | None = None) -> str: """ Mendekode string teks sandi yang diberikan dan mengembalikan teks biasa yang didekodekan diff --git a/implementation/chiper/hill_chiper.py b/implementation/chiper/hill_chiper.py index f04250ea..e2a33f23 100644 --- a/implementation/chiper/hill_chiper.py +++ b/implementation/chiper/hill_chiper.py @@ -19,6 +19,7 @@ panjang teks mencapai kelipatan dari break_key. Jadi teks setelah dekripsi mungkin sedikit berbeda dari teks aslinya. """ + import string import numpy diff --git a/implementation/compression/huffman.py b/implementation/compression/huffman.py index caabefdc..76982da0 100644 --- a/implementation/compression/huffman.py +++ b/implementation/compression/huffman.py @@ -35,7 +35,7 @@ def parse_file(file_path): if not c: break chars[c] = chars[c] + 1 if c in chars.keys() else 1 - return sorted([Letter(c, f) for c, f in chars.items()], key=lambda l: l.freq) + return sorted((Letter(c, f) for c, f in chars.items()), key=lambda l: l.freq) def tree(letters): diff --git a/implementation/computer_vision/README.md b/implementation/computer_vision/README.md new file mode 100644 index 00000000..05ae90b2 --- /dev/null +++ b/implementation/computer_vision/README.md @@ -0,0 +1,9 @@ +# computer vision + +Computer vision adalah bagian dari ilmu komputer yang bekerja dengan melihat, mengidentifikasi serta memproses gambar yang bagaimana manusia lakukan dalam mengidentifikai gambar dan memberikan output yang diinginkan. + +computer vision memanfaatkan kecerdasan buatan dalam mengklasifikan sebuah gambar, memproses gambar. + +| Nama | File | +| ------------- |:-----:| +| klasifikasi CNN | [file](klasifikasi_cnn.py) | diff --git a/implementation/computer_vision/klasifikasi_cnn.py b/implementation/computer_vision/klasifikasi_cnn.py new file mode 100644 index 00000000..a32dc402 --- /dev/null +++ b/implementation/computer_vision/klasifikasi_cnn.py @@ -0,0 +1,78 @@ +# convolutional neural network +# referensi dari CNN +# https://en.wikipedia.org/wiki/Convolutional_neural_network +# dataset +# https://lhncbc.nlm.nih.gov/LHC-publications/pubs/TuberculosisChestXrayImageDataSets.html + +import numpy as np +import tensorflow as tf +from tensorflow.keras import layers, models + +if __name__ == "__main__": + # install cnn + classifier = models.Sequential() + + # Tahap 1 - membuat konvolusi + classifier.add( + layers.Conv2D(32, (3, 3), input_shape=(64, 64, 3), activation="relu") + ) + + # Tahap 2 - membuat pooling + classifier.add(layers.MaxPooling2D(pool_size=(2, 2))) + + # membuat layar konvolusi kedua + classifier.add(layers.Conv2D(32, (3, 3), activation="relu")) + classifier.add(layers.MaxPooling2D(pool_size=(2, 2))) + + # Tahap 3 - Flattening + classifier.add(layers.Flatten()) + + # Tahap 4 - membuat koneksi cnn + classifier.add(layers.Dense(units=128, activation="relu")) + classifier.add(layers.Dense(units=1, activation="sigmoid")) + + # Compile CNN + classifier.compile( + optimizer="adam", loss="binary_crossentropy", metrics=["accuracy"] + ) + + # bagian kedua - menyesuaikan CNN dengan gambar + + # load model yang sudah disiapkan + + # from keras.models import load_model + # regressor=load_model('cnn.h5') + + train_datagen = tf.keras.preprocessing.image.ImageDataGenerator( + rescale=1.0 / 255, shear_range=0.2, zoom_range=0.2, horizontal_flip=True + ) + + test_datagen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1.0 / 255) + + training_set = train_datagen.flow_from_directory( + "dataset/training_set", target_size=(64, 64), batch_size=32, class_mode="binary" + ) + + test_set = test_datagen.flow_from_directory( + "dataset/test_set", target_size=(64, 64), batch_size=32, class_mode="binary" + ) + + classifier.fit_generator( + training_set, steps_per_epoch=5, epochs=30, validation_data=test_set + ) + + classifier.save("cnn.h5") + + # Tahap 3 - membuat prediksi terbaru + + test_image = tf.keras.preprocessing.image.load_img( + "dataset/single_prediction/image.png", target_size=(64, 64) + ) + test_image = tf.keras.preprocessing.image.img_to_array(test_image) + test_image = np.expand_dims(test_image, axis=0) + result = classifier.predict(test_image) + training_set.class_indices + if result[0][0] == 0: + prediction = "Normal" + if result[0][0] == 1: + prediction = "Abnormalitas terdeteksi" diff --git a/implementation/electro/ohm.py b/implementation/electro/ohm.py index 9e53e605..703b59b6 100644 --- a/implementation/electro/ohm.py +++ b/implementation/electro/ohm.py @@ -1,7 +1,4 @@ -from typing import Dict - - -def ohm(voltage: float, current: float, resistance: float) -> Dict[str, float]: +def ohm(voltage: float, current: float, resistance: float) -> dict[str, float]: """ Terapkan Hukum Ohm, pada dua nilai listrik yang diberikan, yang dapat berupa tegangan, arus, diff --git a/implementation/file_transfer/receive_file.py b/implementation/file_transfer/receive_file.py index ad569804..74460856 100644 --- a/implementation/file_transfer/receive_file.py +++ b/implementation/file_transfer/receive_file.py @@ -13,7 +13,7 @@ print("menerima data") while True: data = sock.recv(1024) - print(f"{data = }") + print(f"{data}") if not data: break out_file.write(data) diff --git a/implementation/file_transfer/send_file.py b/implementation/file_transfer/send_file.py index 1d20b893..394d89b9 100644 --- a/implementation/file_transfer/send_file.py +++ b/implementation/file_transfer/send_file.py @@ -14,7 +14,7 @@ def send_file(filename: str = "textfile.txt", testing: bool = False) -> None: conn, addr = sock.accept() print(f"terkoneksi.. ke {addr}") data = conn.recv(1024) - print(f"diterima .. {data = }") + print(f"diterima .. {data}") with open(filename, "rb") as in_file: data = in_file.read(1024) diff --git a/implementation/finansial/angsuran.py b/implementation/finansial/angsuran.py new file mode 100644 index 00000000..fe4d2871 --- /dev/null +++ b/implementation/finansial/angsuran.py @@ -0,0 +1,40 @@ +# program untuk menghitung jumlah +# amortisasi perbulan, diberikan +# - pinjaman utama +# - tingkat bunga per tahun +# - tahun untuk membayar kembali pinjaman + + +def angsuran(pinjaman: float, bunga: float, bayar_kembali: int) -> float: + """ + rumus + A = p * r * (1 + r) ^n / ((1 + r)^n - 1) + p = pinjaman + r = bunga + n = jumlah pembayaran + + >>> angsuran(25000, 0.12, 3) + 830.3577453212793 + """ + if pinjaman <= 0: + raise Exception("yang harus dipinjam > 0") + if bunga < 0: + raise Exception("bunga harus >= 0") + if bayar_kembali <= 0 or not isinstance(bayar_kembali, int): + raise Exception("tahun pembayaran harus integer > 0") + + pinjaman_bul = bunga / 12 + jumlah_pembayaran = bayar_kembali * 12 + + return ( + pinjaman + * pinjaman_bul + * (1 + pinjaman_bul) ** jumlah_pembayaran + / ((1 + pinjaman_bul) ** jumlah_pembayaran - 1) + ) + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/implementation/fractal/README.md b/implementation/fractal/README.md index 63ea7e87..492b7b8b 100644 --- a/implementation/fractal/README.md +++ b/implementation/fractal/README.md @@ -1,4 +1,5 @@ ## Fractal +Fractal adalah pola yang tidak pernah berakhir. Fraktal adalah pola kompleks tak terhingga yang serup diri di seluruh skala yang berbeda. Mereka dibuat dengan mengulangi proses sederhana berulang-ulang dalam lingkaran umpan balik yang berkejelanjutan. Materi Selanjutnya: [Geodesy Engineering](../geodesy_engineering) \ No newline at end of file diff --git a/implementation/fractal/sierpinski_triangle.py b/implementation/fractal/sierpinski_triangle.py index c4287499..e64c89a2 100644 --- a/implementation/fractal/sierpinski_triangle.py +++ b/implementation/fractal/sierpinski_triangle.py @@ -21,7 +21,6 @@ def get_mid(p1, p2): def triangle(points, depth): - drawing.up() drawing.goto(points[0][0], points[0][1]) drawing.down() @@ -45,7 +44,6 @@ def triangle(points, depth): if __name__ == "__main__": - drawing = turtle.Turtle() # drawing.ht() # drawing.speed(5) diff --git a/implementation/fuzzy_logic/fuzzy_logic.py b/implementation/fuzzy_logic/fuzzy_logic.py new file mode 100644 index 00000000..df79403f --- /dev/null +++ b/implementation/fuzzy_logic/fuzzy_logic.py @@ -0,0 +1,53 @@ +import numpy as np + + +def fuzzy_operations(n: int | float, close_number) -> float: + """ + Fuzzy logic adalah suatu sistem logika yang memungkinkan untuk + mengatasi ketidakpastian + atau ambiguitas dalam pengambilan keputusan, + dengan menggunakan nilai-nilai yang tidak hanya bersifat benar atau salah, + tetapi juga dapat diukur dalam bentuk derajat kebenaran yang kabur. + Misalnya,penggunaan fuzzy logic dalam kendali otomatis + dapat membantu memperbaiki kinerja sistem, + karena dapat mengakomodasi variasi dan ketidakpastian + dalam lingkungan yang dioperasikan. + **Params** + + ------- + n:variabel n ini merupakan input angka baik bentuk bulat maupun desimal + close_number:angka ini merupakan angka terdekat + + **Return** + + ----------- + keluar dari output ini berupa bilangan desimal di karenakan rumusnya + **refence** + http://staff.cs.upt.ro/~todinca/cad/Lectures/cad_fuzzysets.pdf(PDF file) + """ + formula = 1 / (1 + pow(n - close_number, 2)) + + return formula + + +def fuzzy_set(vector: np.array, close_number) -> float: + """ + Fuzzy set dalam fuzzy logic adalah himpunan yang terdiri + dari elemen-elemen yang memiliki derajat keanggotaan yang kabur atau tidak tegas. + Dengan menggunakan konsep fuzzy set, fuzzy logic dapat menggambarkan secara + matematis pengambilan keputusan yang kompleks, + seperti pada sistem kendali otomatis yang mengandalkan + masukan berupa variabel-variabel kabur + yang dapat dinyatakan dalam bentuk fungsi keanggotaan. + """ + result = 0 + for value in vector: + formula = fuzzy_operations(value, close_number) / value + result += formula + return result + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/implementation/graphic/bezier_curve.py b/implementation/graphic/bezier_curve.py new file mode 100644 index 00000000..90d825b5 --- /dev/null +++ b/implementation/graphic/bezier_curve.py @@ -0,0 +1,125 @@ +# kurva bezier adalah kurva parametrik yang sering +# digunkan dalam pemodelan permukaan halus dalam +# grafik komputer dan banuak bidang terkait lainnya. +# kurva ini dapat diskalakan tanpa batas. +# digunakan juga dalam mengendalikan animasi. + +from __future__ import annotations + +from scipy.special import comb # type: ignore + + +class BezierCurve: + def __init__(self, list_of_points: list[tuple[float, float]]): + """ + list_of_points: titik kontrol pada bidang xy yang akan + di interpolasi. ini poin mengontrol dari kurva bezier. + """ + self.list_of_points = list_of_points + + # mementukan fleksibilitas kurva + # derajat = 1 akan menghasilkan garis lurus + self.degree = len(list_of_points) - 1 + + def basis_function(self, t: float) -> list[float]: + """ + fungsi basis menentukan bobot setiap titik kendali + pada waktu t. + t: nilai waktu antar 0 dan 1 inklusif untuk evaluasi + basis kurva. + return: mengembalikan nilai x, y dari fungsi dasar + pada waktu t. + + >>> curve = BezierCurve([(1, 1), (1, 2)]) + >>> curve.basis_function(0) + [1.0, 0.0] + >>> curve.basis_function(1) + [0.0, 1.0] + """ + assert 0 <= t <= 1, "waktu t harus antara 0 dan 1." + output_values: list[float] = [] + for i in range(len(self.list_of_points)): + # basis fungsi dari setiap 1 + output_values.append( + comb(self.degree, i) * (1 - t) ** (self.degree - i) * (t**i) + ) + + assert round(sum(output_values), 5) == 1 + + return output_values + + def bezier_curve_function(self, t: float) -> tuple[float, float]: + """ + fungsi untuk menghasilkan nilai kurva bezier pada waktu t. + t: nilai waktu untuk evaluasi fungsi bezier + return: mengembalikan kordinaat x, y dari kurva bezier + pada waktu t. + + titik pertama kurva adalah ketika t = 0 + titik terakhir dalam kurva adalah ketika t = 1 + + >>> curve = BezierCurve([(1, 1), (1, 2)]) + >>> curve.bezier_curve_function(0) + (1.0, 1.0) + >>> curve.bezier_curve_function(1) + (1.0, 2.0) + """ + + assert 0 <= t <= 1, "waktu t harus antara 0 dan 1." + + basis_function = self.basis_function(t) + x = 0.0 + y = 0.0 + + for i in range(len(self.list_of_points)): + x += basis_function[i] * self.list_of_points[i][0] + y += basis_function[i] * self.list_of_points[i][1] + + return (x, y) + + def plot_curve(self, step_size: float = 0.01): + """ + plit kurva bezier menggunakan matplotlib + step_size: mendefinisikan langkah untuk + mengevaluassi kurva bezier. + + semakin kecil ukurang langkah, semakin halus + kurva yang dihasilkan. + """ + from matpltlib import pyplot as plt # type: ignore + + to_plot_x: list[float] = [] + to_plot_y: list[float] = [] + + t = 0.0 + while t <= 1: + value = self.bezier_curve_function(t) + to_plot_x.append(value[0]) + to_plot_y.append(value[1]) + t += step_size + + x = [i[0] for i in self.list_of_points] + y = [i[1] for i in self.list_of_points] + + plt.plot( + to_plot_x, + to_plot_y, + color="blue", + label="derajat kurva " + + str( + self.degree, + ), + ) + plt.scatter(x, y, color="red", label="Control Point") + plt.legend() + plt.show() + + +if __name__ == "__main__": + import doctest + + doctest.testmod() + + BezierCurve([(1, 2), (3, 5)]).plot_curve() + BezierCurve([(0, 0), (5, 5), (5, 0)]).plot_curve() + BezierCurve([(0, 0), (5, 5), (5, 0), (2.5, -2.5)]).plot_curve() diff --git a/implementation/image_processing/data_image/README.txt b/implementation/image_processing/data_image/README.txt new file mode 100644 index 00000000..46ca8d2e --- /dev/null +++ b/implementation/image_processing/data_image/README.txt @@ -0,0 +1,9 @@ +[INFORMASI] + +Sumber Gambar Dari Dylann Hendricks yang berjudul "a stone staircase leading up to a building" + +Source dari gambar dan pemilik gambar bisa dilihat dibawah ini + +Gambar: https://unsplash.com/photos/a-stone-staircase-leading-up-to-a-building-oaoZXg5GAm8 + +User: https://unsplash.com/@dylanhendricks diff --git a/implementation/image_processing/data_image/__init__.py b/implementation/image_processing/data_image/__init__.py new file mode 100644 index 00000000..e69de29b diff --git a/implementation/image_processing/data_image/example_image.jpg b/implementation/image_processing/data_image/example_image.jpg new file mode 100644 index 00000000..30afcbc0 Binary files /dev/null and b/implementation/image_processing/data_image/example_image.jpg differ diff --git a/implementation/image_processing/gambar_sepia.py b/implementation/image_processing/gambar_sepia.py new file mode 100644 index 00000000..092c9084 --- /dev/null +++ b/implementation/image_processing/gambar_sepia.py @@ -0,0 +1,78 @@ +import numpy as np +from cv2 import destroyAllWindows, imread, imshow, waitKey + + +def gambar_sepia(img, skala: int) -> np.ndarray: + """ + sepia adalah nuansa warna tua yang terbentuk dari campuran warna coklat dan + abu-abu. nama "Sepia" berasal dari tinta berwarna coklat yang ditemukan + dalam cumi-cumi jenis sepia + + Args: + img (np.ndarray): gambar masukkan, representasi dari numpy array + skala (int): skala sepia yang diterapkan. skala lebih tinggi akan + menghasilkan efek sepia yang lebih kuat. + + Return: + (np.ndarray) : gambar dengan efek sepia yang dihasilkan dalam bentuk + array numpy + """ + piksel_h, piksel_v = img.shape[0], img.shape[1] + + def ke_grayscale(biru: int, hijau: int, merah: int) -> float: + """ + fungsi untuk menciptkan representasi grayscale dari piksel + + Args: + biru (int): nilai warna dari biru 0 - 255 + hijau (int): nilai warna dari hijau 0 - 255 + merah (int): nilai warna dari merah 0 - 255 + + Return: + (float): representasi grayscale dari piksel + """ + return 0.2126 * merah + 0.587 * hijau + 0.114 * biru + + def normalisasi_nilai_warna(nilai: int) -> int: + """ + fungsi untuk normalisasi nilai warna dari merah hijau biru + jika nilai tersebut lebih dari 255 + + Args: + nilai (int): nilai yang diberikan + + Return: + (int): mengembalikan nilai minimal dari 255 + """ + return min(nilai, 255) + + for i in range(piksel_h): + for j in range(piksel_v): + grayscale = int(ke_grayscale(*img[i][j])) + img[i][j] = [ + normalisasi_nilai_warna(grayscale), + normalisasi_nilai_warna(grayscale + skala), + normalisasi_nilai_warna(grayscale + 2 * skala), + ] + + return img + + +if __name__ == "__main__": + import doctest + + doctest.testmod() + + gambar = { + presentasi: imread("data_image/example_image.jpg", 1) + for presentasi in (10, 20, 30, 40) + } + + for presentasi, img in gambar.items(): + gambar_sepia(img, presentasi) + + for presentasi, img in gambar.items(): + imshow(f"gambar asli dari sepia (skala: {presentasi})", img) + + waitKey(0) + destroyAllWindows() diff --git a/implementation/linear_algebra/Faktorisasi_LU.py b/implementation/linear_algebra/Faktorisasi_LU.py new file mode 100644 index 00000000..c219e35d --- /dev/null +++ b/implementation/linear_algebra/Faktorisasi_LU.py @@ -0,0 +1,41 @@ +# https://en.wikipedia.org/wiki/LU_decomposition#Algorithms + +from typing import Union + + +def LU(A: list[list[Union[int, float]]]) -> list[list[Union[int, float]]]: + """ + >>> A = [[2, 3, 1], [4, 7, 7], [-2, 4, 5]] + >>> L, U = LU(A) + >>> L + [[1, 0, 0], [2.0, 1, 0], [-1.0, 7.0, 1]] + >>> U + [[2, 3, 1], [0.0, 1.0, 5.0], [0.0, 0.0, -29.0]] + """ + n = len(A) + L = [[1 if i == j else 0 for j in range(n)] for i in range(n)] + U = [[A[i][j] for j in range(n)] for i in range(n)] + + for k in range(n - 1): + if U[k][k] == 0: + + raise ValueError("Faktorisasi LU tidak ada") + for i in range(k + 1, n): + L[i][k] = U[i][k] / U[k][k] + for j in range(k, n): + U[i][j] -= L[i][k] * U[k][j] + return L, U + + +def main(args=None): + import doctest + + doctest.testmod() + A = [[2, 3, 1], [4, 7, 7], [-2, 4, 5]] + L, U = LU(A) + print(L) + print(U) + + +if __name__ == "__main__": + main() diff --git a/implementation/linear_algebra/LDLT_decomposition.py b/implementation/linear_algebra/LDLT_decomposition.py new file mode 100644 index 00000000..92a9131c --- /dev/null +++ b/implementation/linear_algebra/LDLT_decomposition.py @@ -0,0 +1,52 @@ +# https://en.wikipedia.org/wiki/Cholesky_decomposition#LDL_decomposition + + +def transpose(x: list[list[int]]) -> list[list[int]]: + """ + >>> transpose([[1, 2], [3, 4]]) + [[1, 3], [2, 4]] + """ + x = [[x[j][i] for j in range(len(x))] for i in range(len(x[0]))] + return x + + +def LDLT_decomposition(x: list[list[int]]) -> list[list[int]]: + """ + >>> L, D, Lt = LDLT_decomposition([[2, 4, 6], [4, 9, 14], [6, 14, 19]]) + >>> L + [[1, 0, 0], [2.0, 1, 0], [3.0, 2.0, 1]] + >>> D + [2.0, 1.0, -3.0] + >>> Lt + [[1, 2.0, 3.0], [0, 1, 2.0], [0, 0, 1]] + """ + if transpose(x) == x: + n = len(x) + L = [[0 for _ in range(len(x))] for _ in range(len(x))] + d = [0 for _ in range(len(x))] + for i in range(n): + sum_val = 0.0 + for k in range(i): + sum_val += (L[i][k] ** 2) * d[k] + d[i] = x[i][i] - sum_val + + for j in range(i + 1, n): + sum_val = 0.0 + for k in range(i): + sum_val += L[j][k] * L[i][k] * d[k] + L[j][i] = (x[j][i] - sum_val) / d[i] + L[i][i] = 1 + Lt = transpose(L) + return L, d, Lt + else: + return ValueError("Matriks tidak simetri") + + +def main(args=None): + import doctest + + doctest.testmod() + + +if __name__ == "__main__": + main() diff --git a/implementation/linear_algebra/LU_decomposition.py b/implementation/linear_algebra/LU_decomposition.py new file mode 100644 index 00000000..c5d141a7 --- /dev/null +++ b/implementation/linear_algebra/LU_decomposition.py @@ -0,0 +1,42 @@ +# https://en.wikipedia.org/wiki/LU_decomposition#Algorithms +from typing import Union + + +def LU(A: list[list[Union[int, float]]]) -> list[list[Union[int, float]]]: + """ + >>> A = [[2, 3, 1], [4, 7, 7], [-2, 4, 5]] + >>> L, U = LU(A) + >>> L + [[1, 0, 0], [2.0, 1, 0], [-1.0, 7.0, 1]] + >>> U + [[2, 3, 1], [0.0, 1.0, 5.0], [0.0, 0.0, -29.0]] + """ + n = len(A) + L = [[1 if i == j else 0 for j in range(n)] for i in range(n)] + U = [[A[i][j] for j in range(n)] for i in range(n)] + + for k in range(n - 1): + if U[k][k] == 0: + raise ValueError("Faktorisasi LU tidak ada") + for i in range(k + 1, n): + L[i][k] = U[i][k] / U[k][k] + for j in range(k, n): + U[i][j] -= L[i][k] * U[k][j] + return L, U + + +def main(args=None): + import doctest + + doctest.testmod() + A = [[2, 3, 1], [4, 7, 7], [-2, 4, 5]] + L, U = LU(A) + for row in L: + print(row) + print("\n") + for row in U: + print(row) + + +if __name__ == "__main__": + main() diff --git a/implementation/linear_algebra/README.md b/implementation/linear_algebra/README.md index f7fdcfca..b2ee353c 100644 --- a/implementation/linear_algebra/README.md +++ b/implementation/linear_algebra/README.md @@ -1,4 +1,5 @@ ## Linear Algebra +Linear algebra atau aljabar linear, adalah salah satu disiplin matematika yang berhubungan dengan vektor dan matriks, lebih umum, dengan ruang vektor dan transformasi linear. Tidak seperti bagian lain dari matematika yang sering disergakan oleh ide-ide baru dan masalah yang belum terpecahkan, aljabar linear sangat dipahami dengan baik. Nlainya terletka pada banyak aplikasinya, dari fisika matematika hingga aljabar modern dan teori pengkodean. Materi Selanjutnya: [Physics](../physics) \ No newline at end of file diff --git a/implementation/linear_algebra/conjugate_gradient.py b/implementation/linear_algebra/conjugate_gradient.py index 518bc5f1..966ec046 100644 --- a/implementation/linear_algebra/conjugate_gradient.py +++ b/implementation/linear_algebra/conjugate_gradient.py @@ -1,5 +1,3 @@ -from typing import Any - import numpy as np @@ -14,10 +12,10 @@ def is_matrix_spd(matrix: np.ndarray) -> bool: >>> is_matrix_spd(set_matrix) True """ - assert np.shape(matrix)[0] == np.shape(matrix)[1] + assert matrix.shape[0] == matrix.shape[1] # Jika matriks tidak simetris, exit - if np.allclose(matrix, matrix.T) is False: + if not np.allclose(matrix, matrix.T): return False # Dapatkan nilai eigen dan @@ -27,7 +25,7 @@ def is_matrix_spd(matrix: np.ndarray) -> bool: return bool(np.all(eigen_value > 0)) -def create_spd_matrix(dimension: int) -> Any: +def create_spd_matrix(dimension: int) -> np.ndarray: """ Mengembalikan matriks definit positif simetris yang diberi dimensi. @@ -44,7 +42,7 @@ def conjugate_gradient( load_vector: np.ndarray, max_iterations: int = 1000, tol: float = 1e-8, -) -> Any: +) -> np.ndarray: """ return solusi linear sistem np.dot(spd_matrix, x) = b >>> import numpy as np @@ -61,21 +59,18 @@ def conjugate_gradient( [-0.01561498], [ 0.13979294]]) """ - assert np.shape(spd_matrix)[0] == np.shape(spd_matrix)[1] - assert np.shape(load_vector)[0] == np.shape(spd_matrix)[0] + assert spd_matrix.shape[0] == spd_matrix.shape[1] + assert load_vector.shape[0] == spd_matrix.shape[0] + assert is_matrix_spd(spd_matrix) x0 = np.zeros((np.shape(load_vector)[0], 1)) r0 = np.copy(load_vector) p0 = np.copy(r0) - error_residual = 1e9 # lgtm [py/multiple-definition] - error_x_solution = 1e9 # lgtm [py/multiple-definition] error = 1e9 - iterations = 0 while error > tol: - w = np.dot(spd_matrix, p0) alpha = np.dot(r0.T, r0) / np.dot(p0.T, w) # update solusi @@ -91,7 +86,7 @@ def conjugate_gradient( # kalkulasi error error_residual = np.linalg.norm(r - r0) error_x_solution = np.linalg.norm(x - x0) - error = np.maximum(error_residual, error_x_solution) + error = max(error_residual, error_x_solution) # update variabel x0 = np.copy(x) diff --git a/implementation/linear_algebra/operasi_matriks.py b/implementation/linear_algebra/operasi_matriks.py new file mode 100644 index 00000000..40b7b443 --- /dev/null +++ b/implementation/linear_algebra/operasi_matriks.py @@ -0,0 +1,123 @@ +# macam - macam operasi matriks +from typing import Union + + +def penjumlahan( + matriks_1: list[list[Union[int, float]]], matriks_2: list[list[Union[int, float]]] +) -> list[list[Union[int, float]]]: + """ + Fungsi untuk melakukan penjumlahan 2 matrriks + + >>> penjumlahan([[2, 3], [3, 4]], [[3, 2], [2, 1]]) + [[5, 5], [5, 5]] + """ + if len(matriks_1) != len(matriks_2): + return ValueError("Ukuran Matriks Harus Sama") + else: + result = [] + n = len(matriks_1) + for i in range(n): + row = [] + for j in range(n): + operation = matriks_1[i][j] + matriks_2[i][j] + row.append(operation) + result.append(row) + return result + + +def pengurangan( + matriks_1: list[list[Union[int, float]]], matriks_2: list[list[Union[int, float]]] +) -> list[list[Union[int, float]]]: + """ + Fungsi untuk melakukan kalkulasi pengurangan matriks + + >>> pengurangan([[3, 3], [3, 3]], [[2, 1], [2, 1]]) + [[1, 2], [1, 2]] + """ + if len(matriks_1) != len(matriks_2): + return ValueError("Ukuran Matriks Sama") + else: + result = [] + n = len(matriks_1) + for i in range(n): + row = [] + for j in range(n): + operation = matriks_1[i][j] - matriks_2[i][j] + row.append(operation) + result.append(row) + return result + + +def perkalian( + matriks_1: list[list[Union[int, float]]], matriks_2: list[list[Union[int, float]]] +) -> list[list[Union[int, float]]]: + """ + Fungsi untuk melakukan kalkulasi perkalian matriks + + >>> perkalian([[1, 2], [3, 4]], [[5, 6], [7, 8]]) + [[19, 22], [43, 50]] + """ + baris1 = len(matriks_1) + kolom1 = len(matriks_1[0]) + baris2 = len(matriks_2) + kolom2 = len(matriks_2[0]) + if kolom1 != baris2: + return ValueError("Ukuran baris dan kolom mesti sama") + + result = [[0 for _ in range(kolom2)] for _ in range(baris1)] + for i in range(baris1): + for j in range(kolom2): + for k in range(kolom1): + result[i][j] += matriks_1[i][k] * matriks_2[k][j] + return result + + +def perkalian_skalar_matriks( + matriks: list[list[Union[int, float]]], x: int +) -> list[list[Union[int, float]]]: + """ + Fungsi untuk kalkulasi skalar dan matriks + + >>> perkalian_skalar_matriks([[1, 2, 3], [4, 5, 6], [7, 8, 9]], 2) + [[2, 4, 6], [8, 10, 12], [14, 16, 18]] + """ + result = [] + n = len(matriks) + for i in range(n): + row = [] + for j in range(n): + multi = x * matriks[i][j] + row.append(multi) + result.append(row) + return result + + +def matriks_identitas(n: int) -> list[list[int]]: + """ + Funsi untuk menghasilkan matriks identitas + + >>> matriks_identitas(2) + [[1, 0], [0, 1]] + >>> matriks_identitas(3) + [[1, 0, 0], [0, 1, 0], [0, 0, 1]] + """ + if n < 0: + return ValueError("ukuran harus positif") + else: + return [[1 if j == i else 0 for j in range(int(n))] for i in range(int(n))] + + +def main(args=None): + import doctest + + print(penjumlahan([[2, 3], [3, 4]], [[3, 2], [2, 1]])) + print(pengurangan([[3, 3], [3, 3]], [[2, 1], [2, 1]])) + print(perkalian([[1, 2], [3, 4]], [[5, 6], [7, 8]])) + print(perkalian_skalar_matriks([[1, 2, 3], [4, 5, 6], [7, 8, 9]], 2)) + print(matriks_identitas(3)) + + doctest.testmod() + + +if __name__ == "__main__": + main() diff --git a/implementation/linear_algebra/polynom_for_point.py b/implementation/linear_algebra/polynom_for_point.py index 4ebdb9ca..d7b95bc5 100644 --- a/implementation/linear_algebra/polynom_for_point.py +++ b/implementation/linear_algebra/polynom_for_point.py @@ -1,7 +1,4 @@ -from typing import List - - -def points_to_polynomial(coordinates: List[List[int]]) -> str: +def points_to_polynomial(coordinates: list[list[int]]) -> str: """ koordinat matriks dua dimensi: [[x, y], [x, y], ...] jumlah poin yang ingin gunakan @@ -55,12 +52,12 @@ def points_to_polynomial(coordinates: List[List[int]]) -> str: if check == 1: count_of_line = 0 - matrix: List[List[float]] = [] + matrix: list[list[float]] = [] # put the x and x to the power values in a matrix while count_of_line < x: count_in_line = 0 a = coordinates[count_of_line][0] - count_line: List[float] = [] + count_line: list[float] = [] while count_in_line < x: count_line.append(a ** (x - (count_in_line + 1))) count_in_line += 1 @@ -69,7 +66,7 @@ def points_to_polynomial(coordinates: List[List[int]]) -> str: count_of_line = 0 # put the y values into a vector - vector: List[float] = [] + vector: list[float] = [] while count_of_line < x: vector.append(coordinates[count_of_line][1]) count_of_line += 1 @@ -94,7 +91,7 @@ def points_to_polynomial(coordinates: List[List[int]]) -> str: count = 0 # make solutions - solution: List[str] = [] + solution: list[str] = [] while count < x: solution.append(str(vector[count] / matrix[count][count])) count += 1 @@ -103,7 +100,7 @@ def points_to_polynomial(coordinates: List[List[int]]) -> str: solved = "f(x)=" while count < x: - remove_e: List[str] = solution[count].split("E") + remove_e: list[str] = solution[count].split("E") if len(remove_e) > 1: solution[count] = remove_e[0] + "*10^" + remove_e[1] solved += "x^" + str(x - (count + 1)) + "*" + str(solution[count]) diff --git a/implementation/linear_algebra/transformation_2d.py b/implementation/linear_algebra/transformation_2d.py index 82eb14da..210e1863 100644 --- a/implementation/linear_algebra/transformation_2d.py +++ b/implementation/linear_algebra/transformation_2d.py @@ -2,10 +2,9 @@ # kode untuk matriks refleksi, proyeksi, penskalaan, dan rotasi 2D. from math import cos, sin -from typing import List -def scaling(scaling_factor: float) -> List[List[float]]: +def scaling(scaling_factor: float) -> list[list[float]]: """ >>> scaling(5) [[5.0, 0.0], [0.0, 5.0]] @@ -14,7 +13,7 @@ def scaling(scaling_factor: float) -> List[List[float]]: return [[scaling_factor * int(x == y) for x in range(2)] for y in range(2)] -def rotation(angle: float) -> List[List[float]]: +def rotation(angle: float) -> list[list[float]]: """ >>> rotation(45) # doctest: +NORMALIZE_WHITESPACE [[0.5253219888177297, -0.8509035245341184], @@ -24,7 +23,7 @@ def rotation(angle: float) -> List[List[float]]: return [[c, -s], [s, c]] -def projection(angle: float) -> List[List[float]]: +def projection(angle: float) -> list[list[float]]: """ >>> projection(45) # doctest: +NORMALIZE_WHITESPACE [[0.27596319193541496, 0.446998331800279], @@ -35,7 +34,7 @@ def projection(angle: float) -> List[List[float]]: return [[c * c, cs], [cs, s * s]] -def reflection(angle: float) -> List[List[float]]: +def reflection(angle: float) -> list[list[float]]: """ >>> reflection(45) # doctest: +NORMALIZE_WHITESPACE [[0.05064397763545947, 0.893996663600558], diff --git a/implementation/physics/n_body_simulation.py b/implementation/physics/n_body_simulation.py index 8441feb8..a6426045 100644 --- a/implementation/physics/n_body_simulation.py +++ b/implementation/physics/n_body_simulation.py @@ -131,14 +131,12 @@ def update_system(self, delta_time: float) -> None: dif_x = body2.position_x - body1.position_x dif_y = body2.position_y - body1.position_y - distance = (dif_x ** 2 + dif_y ** 2 + self.softening_factor) ** ( - 1 / 2 - ) + distance = (dif_x**2 + dif_y**2 + self.softening_factor) ** (1 / 2) force_x += ( - self.gravitation_constant * body2.mass * dif_x / distance ** 3 + self.gravitation_constant * body2.mass * dif_x / distance**3 ) force_y += ( - self.gravitation_constant * body2.mass * dif_y / distance ** 3 + self.gravitation_constant * body2.mass * dif_y / distance**3 ) body1.update_velocity(force_x, force_y, delta_time * self.time_factor) diff --git a/implementation/physics/pendulum.py b/implementation/physics/pendulum.py new file mode 100644 index 00000000..ec465cb9 --- /dev/null +++ b/implementation/physics/pendulum.py @@ -0,0 +1,100 @@ +# https://en.wikipedia.org/wiki/Pendulum +import numpy as np +import matplotlib.pyplot as plt +from matplotlib.animation import FuncAnimation + + +def parameter(g=9.8, L=1.0, a=float, b=float) -> float: + time_step = a / b + time_stap = np.linspace(0, a, b) + return g, L, time_step, time_stap + + +def full_pendulum(g, L, theta, theta_velocity, time_step): + """ + fungsi untuk menghitung persamaan pendulum. + """ + theta_acceleration = -(g / L) * np.sin(theta) + theta_velocity += time_step * theta_acceleration + theta += time_step * theta_velocity + return theta, theta_velocity + + +def calculate_pendulum() -> float: + """ + Melakukan kalkulasi pendulum + """ + theta = [np.radians(90)] + theta_velocity = 0 + + for _ in time_stap: + theta_new, theta_velocity = full_pendulum( + g, L, theta[-1], theta_velocity, time_step + ) + theta.append(theta_new) + + # persamaan proyeksi panjang tali + x = L * np.sin(theta) + y = -L * np.cos(theta) + return x, y + + +def setup_axis(axis) -> None: + """ + Setup sumbu x dan y. + """ + axis.set_xlim(-L - 0.2, L + 0.2) + axis.set_ylim(-L - 0.2, L) + axis.grid() + return axis + + +def create_plot_elements(axis) -> None: + """ + Membuat elemen plot yang akan dianimasu. + """ + (rod_line,) = axis.plot([], [], lw=2) + (mass_point,) = axis.plot([], [], marker="o", markersize=10) + (trace,) = axis.plot([], [], "-", lw=1, alpha=0.6) + return rod_line, mass_point, trace + + +def animate(frame, x, y, rod_line, mass_point, trace) -> None: + """ + Fungsi ini berguna untuk mengambil setiap hasil hitungan + dan menjadikan setiap hitungan frame. + """ + rod_line.set_data([0, x[frame]], [0, y[frame]]) + mass_point.set_data([x[frame]], [y[frame]]) + trace.set_data(x[:frame], y[:frame]) + return rod_line, mass_point, trace + + +if __name__ == "__main__": + g, L, time_step, time_stap = parameter(a=20, b=300) + x, y = calculate_pendulum() + fig, axis = plt.subplots() + axis = setup_axis(axis) + rod_line, mass_point, trace = create_plot_elements(axis) + + def init(): + """ + Parameter awal. + """ + rod_line.set_data([], []) + mass_point.set_data([], []) + trace.set_data([], []) + return rod_line, mass_point, trace + + animation = FuncAnimation( + fig=fig, + func=animate, + fargs=(x, y, rod_line, mass_point, trace), + init_func=init, + frames=len(time_stap), + interval=25, + blit=True, + ) + + print(animation) + plt.show() diff --git a/implementation/statistic/LabelEncoding.py b/implementation/statistic/LabelEncoding.py new file mode 100644 index 00000000..32c21199 --- /dev/null +++ b/implementation/statistic/LabelEncoding.py @@ -0,0 +1,48 @@ +from typing import Union + +import numpy as np +import pandas as pd + + +class LabelEncoding: + """ + Deskripsi: + + --- + Label Enconding adalah algoritma untuk tanda setiap value + agar bisa di kategorikan + + Example: + + ---- + + """ + + def __init__(self): + self.unique_values = [] + self.label_map = {} + + def fit(self, data: Union[np.array, pd.DataFrame]): + if isinstance(data, pd.DataFrame): + data = data.value + self.unique_values = np.unique(data) + return self + + def transform(self, data: np.array): + labels = [] + for row in data: + row_labels = [] + for value in row: + if value not in self.label_map: + self.label_map[value] = len(self.label_map) + row_labels.append(self.label_map[value]) + labels.append(row_labels) + return np.array(labels) + + +if __name__ == "__main__": + data = np.array([[1, 2, 1, 2], [1, 2, 2, 1]]) + # df = pd.DataFrame({"S": data[0], "B": data[1]}) + label = LabelEncoding() + label.fit(data) + print(label.transform(data)) diff --git a/implementation/statistic/correlation.py b/implementation/statistic/correlation.py new file mode 100644 index 00000000..0af89805 --- /dev/null +++ b/implementation/statistic/correlation.py @@ -0,0 +1,46 @@ +import numpy as np +import requests + + +def dataset() -> np.array: + respon = requests.get( + "https://raw.githubusercontent.com/yashLadha/The_Math_of_Intelligence/" + "master/Week1/ADRvsRating.csv" + ) + line = respon.text.splitlines() + data = [] + for item in line: + item = item.split(",") + data.append(item) + data.pop(0) + dataset = np.matrix(data).astype(float) + return dataset + + +def correlation(matrix: np.array) -> np.array: + """ + correlation merupakan hubungan dua variabel + atau lebih baik variabel bersifat bebas atau + terikat. + Parama: + ------- + params:matrix: merupakan bentuk array bersifat multivariat + refence: + https://en.wikipedia.org/wiki/Correlation + """ + n = matrix.shape[0] + mean_ = np.mean(matrix, axis=0) + X = matrix - mean_ + cov = (X.T @ X) / (n) + std_dev = np.sqrt(np.diag(cov)) + inv_std_dev = np.diag(1 / std_dev) + return inv_std_dev @ cov @ inv_std_dev + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) + matrix = dataset() + print(dataset()) + print(correlation(matrix)) diff --git a/implementation/statistic/covariance.py b/implementation/statistic/covariance.py new file mode 100644 index 00000000..02a61659 --- /dev/null +++ b/implementation/statistic/covariance.py @@ -0,0 +1,52 @@ +import numpy as np +import requests + + +def dataset_collect(): + collect = requests.get( + "https://raw.githubusercontent.com/yashLadha/The_Math_of_Intelligence/" + "master/Week1/ADRvsRating.csv" + ) + line = collect.text.splitlines() + data = [] + for item in line: + item = item.split(",") + data.append(item) + data.pop(0) + dataset = np.matrix(data).astype(float) + return dataset + + +def cov(vector: np.array) -> np.array: + """ + covariasi adalah pengukuran untuk hubungan dua variabel + apabaila ada salah satu variabel meningkat maka variabel lain + nya akan mengningkat pula + + Parameter: + + ---------- + vector: kumpulan data yang dimensi 2 + + Return: + + -------- + vector: output ini berupa float di bungkus dgn vector + + refence: + https://stats.stackexchange.com/questions/467306/how-calculate-variance-covariance-matrix-of-coefficients-for-multivariate-multi + https://en.wikipedia.org/wiki/Covariance + """ + n_sample = vector.shape[0] - 1 + mean_ = np.mean(vector, axis=0) + X = vector - mean_ + return (X.T @ X) / n_sample + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) + df = dataset_collect() + covariance = cov(df) + print(covariance) diff --git a/implementation/statistic/entropy.py b/implementation/statistic/entropy.py new file mode 100644 index 00000000..48d169dd --- /dev/null +++ b/implementation/statistic/entropy.py @@ -0,0 +1,37 @@ +import numpy as np + + +def entropy(labels, base=None) -> float: + """ + menghitung entropy dari suatu fitur pada suatu dataset. + + Parameter: + + ----------- + labels:numpy.array + Array 1-D yang berisi fitur yang akan dihitung entropynya + base: int + base ini merupakan basis log yang diingikan oleh pemakai + refensi: + https://www.youtube.com/watch?v=2s3aJfRr9gE (Video Tutorial) + https://en.wikipedia.org/wiki/Entropy_(information_theory) (online reading) + https://towardsdatascience.com/entropy-how-decision-trees-make-decisions-2946b9c18c8 + (Towards Data Science) + + example: + + -------- + >>> label=[1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,0,0,0,0,0,0,0,0,0,0,0,0,0,0] + >>> entropy(label,base=2) + 0.9967916319816366 + """ + _, counts = np.unique(labels, return_counts=True) + probs = counts / len(labels) + logs = np.log(probs) if base is None else np.log(probs) / np.log(base) + return np.sum(abs(probs * logs)) + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/implementation/statistic/factorAnalitic.py b/implementation/statistic/factorAnalitic.py new file mode 100644 index 00000000..328f7146 --- /dev/null +++ b/implementation/statistic/factorAnalitic.py @@ -0,0 +1,90 @@ +import numpy as np +from sklearn.utils.extmath import randomized_svd + + +class StandardScaler: + def __init__(self): + self.mean_ = None + + def fit_transform(self, data, axis=0): + self.mean_ = np.mean(data, axis=axis) + std_data = np.std(data, axis=axis) + if axis == 1: + result = (data - self.mean_[:, np.newaxis]) / std_data[:, np.newaxis] + else: + result = (data - self.mean_) / std_data + return result + + +class Factor_Analisis: + def __init__(self, n_factors): + """ + factory analisis adalah salah satu + Params: + n_factors :n_factor merupakan fitur dalam + factor_loading:factor loading merupakan metode + untuk melihat variasi data yang + kita gunakan observasikan + explained_variance:instance ini merupakan untuk mengukur + secara model matematis yang memperhitungkan + variasi dari kumpulan data yang diberikan + factor_score:instance ini merupakan nilai numeric dengan menghasilkan + person's releative di atas latent factor + """ + self.n_factors = n_factors + self.factor_loadings = None + self.explained_variance = None + self.factor_score = None + + def fit(self, x: np.array): + X = np.asarray(x) + # transformasi data dulu + scaler = StandardScaler() + X_scaled = scaler.fit_transform(X, axis=1) + + # Menghitung matriks kovarians + covariance_matrix = np.cov(X_scaled, rowvar=False) + + # Menghitung eigenvalues dan eigenvectors dari matriks kovarians + if X_scaled.shape[0] < X_scaled.shape[1]: + # kodinfi ini apabila jumlah sample jumlah dari jumlah fitur + _, S, V = randomized_svd(covariance_matrix, n_components=self.n_factors) + eigenvalues = S**2 + eigenvectors = V.T + else: + # Menggunakan eigendecomposition biasa jika jumlah sampel lebih besar + # atau sama dengan jumlah fitur + eigenvalues, eigenvectors = np.linalg.eig(covariance_matrix) + + idx = np.argsort(eigenvalues)[::-1] + # Mengurutkan eigenvalues dan eigenvectors dalam urutan menurun + eigenvalues = eigenvalues[idx] + eigenvectors = eigenvectors[:, idx] + + # Memilih n faktor teratas + self.factor_loadings = eigenvectors[:, : self.n_factors] + + # Menghitung variance yang dijelaskan oleh setiap faktor + self.explained_variance = eigenvalues[: self.n_factors] / np.sum(eigenvalues) + + return self + + def fit_transform(self, X: np.array): + self.fit(X) + scaler = StandardScaler() + X_scaled = scaler.fit_transform(X, axis=1) + self.factor_score = np.dot(X_scaled, self.factor_loadings) + return self.factor_score + + +if __name__ == "__main__": + import doctest + + from sklearn.datasets import load_digits + + digits = load_digits() + X = digits.data + fa = Factor_Analisis(n_factors=2) + X_transformed = fa.fit_transform(X) + print("bikin sendiri", X_transformed) + doctest.testmod(verbose=True) diff --git a/implementation/statistic/information_gain.py b/implementation/statistic/information_gain.py new file mode 100644 index 00000000..ddd8487d --- /dev/null +++ b/implementation/statistic/information_gain.py @@ -0,0 +1,41 @@ +import numpy as np +from entropy import entropy + + +def informain_gain(feature_df, label_df, base=None) -> float: + """ + Menghitung information gain dari suatu fitur pada suatu dataset. + + Parameter: + + ----------- + feature_arr: numpy.ndarray + Array 1D yang berisi fitur yang akan dihitung information gain-nya. + label_arr: numpy.ndarray + Array 1D yang berisi label dari dataset. + base:int + base ini digunakan untuk basis log + + Return: + ------- + float + infomasi gain dari fitur + refence: + https://homes.cs.washington.edu/~shapiro/EE596/notes/InfoGain.pdf + https://towardsdatascience.com/entropy-how-decision-trees-make-decisions-2946b9c18c8 + """ + # Menghitung entropy label + parent_entropy = entropy(label_df, base) + + # Menghitung entropy setiap feature + child_entropy = 0 + for value in np.unique(feature_df): + group_entropy = entropy(label_df[feature_df == value], base) * np.sum( + feature_df == value + ) + child_entropy += group_entropy + + # Menghitung information gain + information_gain = parent_entropy - child_entropy / len(feature_df) + + return information_gain diff --git a/implementation/statistic/median.py b/implementation/statistic/median.py new file mode 100644 index 00000000..0965dd53 --- /dev/null +++ b/implementation/statistic/median.py @@ -0,0 +1,43 @@ +def median(arr: list) -> int | float: + """ + median adalah nilai yang dapat membagi data menjadi dua bagian yang sama. + dengan kata lain bagaimana cara + + **Params** + + ----- + arr: tipe data ini adalah + + **Return** + + ----- + value : value ini tergantung pada ganjil atau genapnya jumlah panjang data + + **Contoh** + + --- + >>> data=[1,2,3,4,5,6] + >>> median(data) + 3.5 + >>> data=[1,1,2,2,2,3,3] + >>> median(data) + 2 + """ + + # mengurutkan dari terkecil ke besar + arr.sort() + panjang_data = len(arr) + + if panjang_data % 2 == 0: + index = panjang_data - 1 + hasil = (arr[index // 2] + arr[(index // 2) + 1]) / 2 + else: + index = panjang_data - 1 + hasil = arr[(index + 1) // 2] + return hasil + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/implementation/statistic/modus.py b/implementation/statistic/modus.py new file mode 100644 index 00000000..29abf8b6 --- /dev/null +++ b/implementation/statistic/modus.py @@ -0,0 +1,40 @@ +def mode(arr: list[int | float]) -> int | float: + """ + mode atau dalam bahasa indonesia adalah modus + modus dalam statiska merupaka nilai yang sering muncul + dalam suatu kumpulan data. + + **Parameter** + + --- + :param arr: parameter ini bertipe data list + + **Return** + :param return: output ini muncul sebagai sesuai dengan item yang sering terjadi + + **Contoh** + >>> data=[1,1,2,2,2,3,3] + >>> mode(data) + 2 + """ + count = [] + for value in arr: + # kita hitung jumlah frekuensi pada setiap value di array tersebut + count.append(arr.count(value)) + combine = dict(zip(arr, count)) + memo = [a for a, b in combine.items() if b == max(count)] + min_value = memo[0] + result = None + for value in memo: + if value < min_value: + min_value = value + result = min_value + if result == 1: + raise ValueError("nan") + return result + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/implementation/statistic/multivariate_normal.py b/implementation/statistic/multivariate_normal.py new file mode 100644 index 00000000..f84dd6c5 --- /dev/null +++ b/implementation/statistic/multivariate_normal.py @@ -0,0 +1,94 @@ +import numpy as np +import requests + + +def dataset() -> np.array: + respon = requests.get( + "https://raw.githubusercontent.com/yashLadha/The_Math_of_Intelligence/" + "master/Week1/ADRvsRating.csv" + ) + line = respon.text.splitlines() + data = [] + for item in line: + item = item.split(",") + data.append(item) + data.pop(0) + dataset = np.matrix(data).astype(float) + dataset = dataset[:, [0, 1]] + return dataset + + +def multivariate_normal(vector: np.array, mean=None, cov=None) -> np.array: + """ + multivariate_normal adalah merupakan + tipe peluang continues bertujuan menciptakan + data random yang mirip value aslinya + + Param: + ------ + vector:array dengan dimensi 2D + + Return: + ----- + array: berisi number yang telah dilakukan normal distrbution + + Refence: + -------- + https://towardsdatascience.com/gaussian-mixture-models-implemented-from-scratch-1857e40ea566 + https://github.com/Nuage21/Machine-Learning-from-Scratch/blob/master/Mgd.py + Example: + -------- + >>> x=np.random.randint(1,100,size=(100,2)) + >>> y=multivariate_normal(x) + >>> y + array( + [-1.26135853e-18, 4.13560174e-19, 1.36474857e-18, -1.49915563e-19, + -9.51188399e-19, 1.44746061e-19, -1.24068052e-18, -7.85764330e-19, + -6.41018269e-19, -2.63644611e-19, -9.04662880e-20, 1.22000251e-18, + 3.87712663e-20, 1.03390043e-19, -5.47967230e-19, -8.16781343e-19, + 1.69559671e-18, 1.42678260e-18, -1.84034277e-18, -1.61546943e-21, + 1.69559671e-18, -1.69559671e-18, 1.83517327e-19, -8.89154373e-19, + -2.89492121e-19, 1.11661247e-18, 7.80594827e-19, -5.47967230e-19, + -4.34238182e-19, 6.41018269e-19, 3.10170130e-19, -1.65424069e-18, + 8.16781343e-19, -5.78984243e-19, 9.09832382e-19, 1.62839318e-19, + -8.52967858e-20, 2.23322494e-18, 6.82374286e-19, -3.78019846e-20, + 1.59220667e-18, -7.96103334e-19, 1.48881662e-18, 1.03390043e-18, + -0.00000000e+00, -1.65424069e-18, -9.82205412e-19, 1.86102078e-18, + -3.17924383e-19, -2.94661624e-19, -1.01322243e-18, -1.34407056e-18, + -4.00636418e-20, 1.53017264e-18, 7.03052295e-19, -8.16781343e-19, + 3.82543160e-19, -2.89492121e-19, -7.23730304e-20, -1.08559546e-19, + -9.40849395e-19, 3.10170130e-19, 2.68814113e-19, 5.47967230e-19, + 2.58475108e-19, 1.03390043e-20, 5.27289221e-19, 6.82374286e-19, + 7.50224002e-19, 1.34407056e-18, 1.38542658e-18, -7.85764330e-19, + 3.46356645e-19, 1.96441082e-19, -8.68476364e-19, 2.06780087e-19, + -1.81966476e-18, 1.73695273e-18, 8.58137360e-19, -2.15051290e-18, + 7.65086321e-19, -1.73178323e-19, 7.65086321e-19, -1.81966476e-18, + -1.24068052e-18, -3.56695650e-19, 1.03390043e-19, 1.91271580e-19, + -5.47967230e-19, -1.59220667e-18, 8.06442338e-19, 1.75763074e-18, + -5.99662252e-19, 7.85764330e-19, -1.44746061e-18, -1.42678260e-18, + -7.65086321e-19, 1.98508883e-18, -7.75425325e-19, -1.05457844e-18] + ) + """ + # apabila ada mean sama dengan None + if mean is None: + mean = np.mean(vector, axis=0) + if cov is None: + X = vector - mean + cov = X.T @ X + # check apakah vectornya berdimensi 2 + if vector.ndim != 2: + raise ValueError("Matrixnya harus berdimensi 2") + _, m = vector.shape + formula = ( + 1.0 + / np.sqrt((2 * np.pi) ** m * np.linalg.det(cov)) + * (-0.5 * np.sum(X @ (np.linalg.inv(cov) @ X.T), axis=1)) + ) + output = formula.squeeze() + return output + + +if __name__ == "__main__": + data = np.random.normal(loc=0, scale=1, size=(100, 2)) + print(multivariate_normal(dataset())) + print(multivariate_normal(data)) diff --git a/implementation/statistic/normalDistribution_multivariate.py b/implementation/statistic/normalDistribution_multivariate.py new file mode 100644 index 00000000..ebbafbb3 --- /dev/null +++ b/implementation/statistic/normalDistribution_multivariate.py @@ -0,0 +1,50 @@ +import numpy as np +import requests + + +def dataset() -> np.array: + respon = requests.get( + "https://raw.githubusercontent.com/yashLadha/The_Math_of_Intelligence/" + "master/Week1/ADRvsRating.csv" + ) + line = respon.text.splitlines() + data = [] + for item in line: + item = item.split(",") + data.append(item) + data.pop(0) + dataset = np.matrix(data).astype(float) + dataset = dataset[:, [0, 1]] + return dataset + + +def gauss_distribution_multivariate(vector: np.array) -> np.array: + """ + gauss distribusi normal adalah merupakan + tipe peluang continues bertujuan menciptakan + data random yang mirip value aslinya + + Param: + ------ + vector:array dengan dimensi 2D + + Return: + ----- + array: berisi number yang telah dilakukan normal distrbution + """ + n, m = vector.shape + mean_ = np.mean(vector, axis=0) + X = vector - mean_ + cov = (X.T @ X) / (n - 1) + formula = ( + 1.0 + / np.sqrt((2 * np.pi) ** m * np.linalg.det(cov)) + * (-0.5 * np.sum(X @ (np.linalg.inv(cov) @ X.T), axis=1)) + ) + return formula + + +if __name__ == "__main__": + data = np.random.normal(loc=0, scale=1, size=(100, 2)) + print(gauss_distribution_multivariate(dataset())) + print(gauss_distribution_multivariate(data)) diff --git a/implementation/statistic/rata_rata.py b/implementation/statistic/rata_rata.py new file mode 100644 index 00000000..11df708c --- /dev/null +++ b/implementation/statistic/rata_rata.py @@ -0,0 +1,34 @@ +def rata_rata(arr: list[int | float]) -> float: + """ + rata-rata adalah menghitung seluruh nilai pada data dengan + panjangnya data tersebut + + **Parameter** + + ---- + :param arr:parameter ini bertipe data list mengandung bisa berupa bulat dan desimal + + **Parameter** + + ---- + **Return** + :param return: paramater ini beroutput angka desimal + **Contoh** + >>> data=[1,1,2,2,2,3,3] + >>> rata_rata(data) + 2.0 + """ + arr = arr.copy() + panjang_data = 0 + perjumlahan = 0 + for value in arr: + panjang_data += 1 + perjumlahan += value + hasil = perjumlahan / panjang_data + return hasil + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/implementation/statistic/softmax.py b/implementation/statistic/softmax.py new file mode 100644 index 00000000..2cc6246c --- /dev/null +++ b/implementation/statistic/softmax.py @@ -0,0 +1,21 @@ +import numpy as np + + +def softmax(array: np.array) -> None: + """ + Softmax adalah salah satu fungsi aktivasi yang sering + digunakan pada jaringan saraf buatan untuk memetakan input ke + dalam probabilitas keluaran yang sesuai dengan nilai target. + """ + x = np.array(array) + if x.ndim == 1: + return np.exp(x) / np.sum(np.exp(x)) + elif x.ndim == 2: + n, _ = x.shape + return np.exp(x[:, n]) / np.sum(np.exp(x), axis=1) + + +if __name__ == "__main__": + data = np.array([[1, 2, 3, 4, 5], [1, 2, 3, 4, 5]]) + softmax_result = softmax(data) + print(softmax_result) diff --git a/implementation/statistic/standard_deviasi.py b/implementation/statistic/standard_deviasi.py new file mode 100644 index 00000000..2289d2db --- /dev/null +++ b/implementation/statistic/standard_deviasi.py @@ -0,0 +1,11 @@ +import numpy as np + + +def standard_dev(vector: np.array) -> float: + x_sum = np.sum([(value - np.mean(vector)) ** 2 for value in vector]) + result = np.sqrt(x_sum / len(vector)) + return result + + +data = [1, 2, 3, 1] +print(standard_dev(data)) diff --git a/implementation/statistic/variance.py b/implementation/statistic/variance.py new file mode 100644 index 00000000..57501042 --- /dev/null +++ b/implementation/statistic/variance.py @@ -0,0 +1,27 @@ +import numpy as np + + +def variance(arr: np.array, ddof=0) -> float: + """ + variance adalah untuk mengetahui keragaraman data terhadap selisih dari + rata-rata tersebut + + **Params** + ---------- + arr:parameter ini berfungsi untuk input data + + **Return** + + ---------- + float:hasil dari operasi ini berbentuk bilangan desimal + """ + banyak_data = len(arr) - ddof + formula = sum((arr - arr.mean()) ** 2) / banyak_data + + return formula + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/math/ runge_kutta.py b/math/ runge_kutta.py index b1caab1d..fa7014f2 100644 --- a/math/ runge_kutta.py +++ b/math/ runge_kutta.py @@ -2,7 +2,7 @@ import numpy as np -def runge_kutta(f: float, y0: int, x0: float, h: float, x_end: float) -> float: +def runge_kutta(f, y0, x0, h, x_end): """ Hitung solusi numerik pada setiap langkah ke ODE f(x, y) menggunakan RK4 diff --git a/math/convolution.py b/math/convolution.py new file mode 100644 index 00000000..5c42e130 --- /dev/null +++ b/math/convolution.py @@ -0,0 +1,23 @@ +import numpy as np + + +def simple_convolution(arr1: np.array, arr2: np.array): + """ + fungsi merupakan calculasi dari rumus sederhana + dari convolution + Args: + arr1 (np.array): Inputan berupa array 1 dimensi + arr2 (np.array): Inputan berupa array 1 dimensi + """ + m, n = arr1.shape[0], arr2.shape[0] + + # indenfikasi kalau ukuran array input harus sama + if m != n: + raise ValueError("Dimensi array harus sama") + + # kalkulasi tersebut + result = np.zeros(m + n - 1) + for i in range(m): + for j in range(n): + result[i + j] += arr1[i] * arr2[j] + return result diff --git a/math/cos.py b/math/cos.py new file mode 100644 index 00000000..91e38c58 --- /dev/null +++ b/math/cos.py @@ -0,0 +1,56 @@ +# Menghitung cosisnus dengan menggunakan deret taylor +# https://en.wikipedia.org/wiki/Taylor_series#Trigonometric_functions +import math + + +def factorial(x) -> int: + if x < 0: + return ValueError("Angkanya harus bilangan real") + if x == 0 or x == 1: + return 1 + else: + return x * (factorial(x - 1)) + + +def cosinus(sudut) -> float: + """ + Cosinus adalah sebuah perbandingan dari sisi samping dan + miring segitiga siku-siku. + + >>> cosinus(0) + 1.0 + >>> cosinus(30) + 0.8660254037844386 + >>> cosinus(45) + 0.7071067811865475 + >>> cosinus(60) + 0.5000000000000001 + >>> cosinus(90) + -3.3769215522516056e-15 + """ + result = 0.0 + interable = 10 + radian = sudut * math.pi / 180 + for i in range(interable): + numerator = math.pow(radian, 2 * i) * math.pow(-1, i) + detector = factorial(2 * i) + result = result + (numerator / detector) + + return float(result) + + +def main(args=None): + import doctest + + doctest.testmod() + + # base case + print(cosinus(0)) # 1.0 + print(cosinus(30)) # 0.8660254037844386 + print(cosinus(45)) # 0.7071067811865475 + print(cosinus(60)) # 0.5000000000000001 + print(cosinus(90)) # -3.3769215522516056e-15 + + +if __name__ == "__main__": + main() diff --git a/math/counter.py b/math/counter.py new file mode 100644 index 00000000..5c371a1d --- /dev/null +++ b/math/counter.py @@ -0,0 +1,66 @@ +from heapq import nlargest +from operator import itemgetter +from typing import Any, Dict, List, Optional, Tuple + + +class Counter(dict): + """ + Counter merupakan Class untuk menghitung data-data unique + pada setiap nilai. + + Args: + dict: parameter bersifat map. + + """ + + def __init__( + self, iterable: Optional[Dict[Any, int]] = None, **kwargs: int + ) -> None: + """ + counter ini bisa digunakan dalam bentuk apapun + baik bentuk sting,list maupun yang lain + >>> Counter("hallo") + {'h': 1, 'a': 1, 'l': 2, 'o': 1} + >>> Counter({'a':3,'b':2,'c':1}) + {'a': 3, 'b': 2, 'c': 1} + """ + super().__init__() + self.update(iterable, **kwargs) + + def update(self, iterable: Optional[Dict[Any, int]] = None, **kwargs: int) -> None: + if iterable is not None: + if hasattr(iterable, "items"): + if self: + self_get = self.get + for element, count in iterable.items(): + self[element] = self_get(element, 0) + count + else: + dict.update(self, iterable) + else: + self_get = self.get + for element in iterable: + self[element] = self_get(element, 0) + 1 + if kwargs: + self.update(kwargs) + + def paling_muncul(self, n: Optional[int] = None) -> List[Tuple[Any, int]]: + """ + fungsi ini merupakan menampilkan angka + yang sering dicaribisa dikatakan bahwa + nilai yang dominan + Args: + n (int, optional): ingin menampilkan sampai ke + berapa. + Returns: + _type_: berupa value di urut dari terbesar + """ + if n is None: + return sorted(self.items(), key=itemgetter(1), reverse=True) + else: + return nlargest(n, self.items(), key=itemgetter(1)) + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/math/deret_taylor.py b/math/deret_taylor.py new file mode 100644 index 00000000..2cf30a4d --- /dev/null +++ b/math/deret_taylor.py @@ -0,0 +1,124 @@ +# macam - macam deret taylor +# https://en.wikipedia.org/wiki/Taylor_series +import math + + +def faktorial(n: int) -> int: + """ + Fungsi untuk kalkulasi faktorial + parameter : + n = bilangan bulat + return : + hasil = hasil dari operasi faktorial + """ + if n == 1 or n == 0: + return 1 + if n > 1: + return n * faktorial(n - 1) + else: + return ValueError("Nilai Tidak valid") + + +def sin(x: float) -> float: + """ + Fungsi untuk kalkulasi dari deret sin. + Input dari fungsi ini dikonvergensi menjadi + radian. + >>> sin(0) + 0.0 + >>> sin(45) + 0.7071067811865475 + """ + result = 0.0 + interable = 10 + radian = x * math.pi / 180 + for i in range(interable + 1): + numerator = math.pow(radian, (1 + i * 2)) * math.pow(-1, i) + detector = faktorial((1 + 2 * i)) + result = result + (numerator / detector) + return float(result) + + +def cos(x: float) -> float: + """ + Fungsi untuk kalkulasi dari deret cosinus. + Input dari fungsi ini dikonvergensi menjadi + radian. + >>> cos(0) + 1.0 + >>> cos(45) + 0.7071067811865475 + """ + result = 0.0 + interable = 10 + radian = x * math.pi / 180 + for i in range(interable): + numerator = math.pow(radian, 2 * i) * math.pow(-1, i) + detector = faktorial(2 * i) + result = result + (numerator / detector) + return float(result) + + +def euler(x: int = 1) -> float: + """ + Fungsi untuk kalkulasi dari deret + taylor euler e^x + >>> euler(1) + 2.7182815255731922 + >>> euler(2) + 7.3887125220458545 + """ + result = 0.0 + interable = 10 + for i in range(interable): + numerator = math.pow(x, (i)) + detector = faktorial(i) + result = result + (numerator / detector) + return float(result) + + +def ln(x: float) -> float: + """ + Fungsi untuk melakukan kalkulasi deret taylor + ln(x + 1).Dengan batas -1 < x <= 1. + >>> ln(0.5) + 0.4054346478174603 + >>> ln(1) + 0.6456349206349207 + """ + if x > -1 and x <= 1: + result = 0.0 + interable = 10 + for i in range(1, interable + 1): + numerator = math.pow(x, i) * math.pow(-1, i + 1) + detector = i + result = result + (numerator / detector) + return float(result) + else: + return ValueError("Angka tidak valid") + + +def main(args=None): + import doctest + + doctest.testmod() + + # test untuk fungsi cos + print(cos(0)) + print(cos(45)) + + # test untuk fungsi sin + print(sin(0)) + print(sin(45)) + + # test untuk fungsi euler + print(euler(1)) + print(euler(2)) + + # test untuk fungsi ln(1 + x) + print(ln(0.5)) + print(ln(1)) + + +if __name__ == "__main__": + main() diff --git a/math/exponential_function.py b/math/exponential_function.py new file mode 100644 index 00000000..0c63cfee --- /dev/null +++ b/math/exponential_function.py @@ -0,0 +1,29 @@ +from math import factorial + + +def exponent(x: int | float): + """_summary_ + + Args: + x (_type_): _description_ + + Returns: + _type_: _description_ + Contoh: + >>> exponent(2) + 7.38905609893 + >>> exponent(1) + 2.71828182846 + """ + n_term: int = 100 + result: float = 0.0 + for n in range(n_term): + result += x**n / factorial(n) + + return round(result, 11) + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/math/faktorial_looping.py b/math/faktorial_looping.py new file mode 100644 index 00000000..5e481578 --- /dev/null +++ b/math/faktorial_looping.py @@ -0,0 +1,46 @@ +def faktorial_looping(angka: int) -> int: + """ + Faktorial adalah hasil perkalian dari semua bilangan positif yang dimulai + dari 1 hingga bilangan tersebut, notasi dalam faktorial dilambangan dengan + exclamation `angka!` / `n!` / `number!` + + pendekatan perhitungan ini menggunakan metode looping, salah satunya dengan + menggunakan looping `for` statement. + + sebagai contoh: + + 5 x 4 x 3 x 2 x 1 = 120, jika nilai yang diberikan nol maka hasilnya adalah 1 + + Parameter: + angka (int): nilai yang dikalkulasi faktorialnya + + Return: + int: hasil nilai yang akan diberikan dari `angka!` + + Contoh: + >>> faktorial(5) + 120 + >>> faktorial(2) + 2 + >>> faktorial(10) + 3628800 + """ + if not isinstance(angka, int): + raise TypeError("fungsi faktorial() hanya bekerja dengan tipe data integer") + + if angka < 0: + raise ValueError("parameter angka tidak boleh negatif") + + nilai: int = 1 + for i in range(1, angka + 1): + nilai *= i + return nilai + + +if __name__ == "__main__": + import doctest + + doctest.testmod() + + angka: int = 3 + print(f"faktorial dari {angka} adalah: {faktorial_looping(3)}") diff --git a/math/faktorial_rekursif.py b/math/faktorial_rekursif.py new file mode 100644 index 00000000..5c9ad028 --- /dev/null +++ b/math/faktorial_rekursif.py @@ -0,0 +1,43 @@ +def faktorial_rekursif(angka: int) -> int: + """ + Faktorial adalah hasil perkalian dari semua bilangan positif yang dimulai + dari 1 hingga bilangan tersebut, notasi dalam faktorial dilambangan dengan + exclamation `angka!` / `n!` / `number!` + + pendekatan perhitungan ini menggunakan pendekatan rekursif, dengan memanggil + fungsinya sendiri hingga mencapai base casenya. + + sebagai contoh: + + 5 x 4 x 3 x 2 x 1 = 120, jika nilai yang diberikan nol maka hasilnya adalah 1 + + Parameter: + angka (int): nilai yang dikalkulasi faktorialnya + + Return: + int: hasil nilai yang akan diberikan dari `angka!` + + Contoh: + >>> faktorial(5) + 120 + >>> faktorial(2) + 2 + >>> faktorial(10) + 3628800 + """ + if not isinstance(angka, int): + raise TypeError("fungsi faktorial() hanya bekerja dengan tipe data integer") + + if angka < 0: + raise ValueError("parameter angka tidak boleh negatif") + + return 1 if angka in {0, 1} else angka * faktorial_rekursif(angka - 1) + + +if __name__ == "__main__": + import doctest + + doctest.testmod() + + angka: int = 3 + print(f"faktorial dari {angka} adalah: {faktorial_rekursif(3)}") diff --git a/math/fft.py b/math/fft.py new file mode 100644 index 00000000..0b86e9df --- /dev/null +++ b/math/fft.py @@ -0,0 +1,33 @@ +import cmath +import numpy as np + + +def fft(A): + """ + Fungsi untuk kalkulasi Fast Fourier Transform + + >>> y = [i for i in range(1, 10)] + >>> fft(y) + array([45. -0.j , 3.27090469+9.43955428j, + 4.30540729+3.93923101j, 4.77196636+1.65987555j, + 5. +0.j , 4.25695936-1.83110215j, + 5.69459271-3.93923101j, 7.70016959-9.26832768j, + 0. +0.j ]) + """ + N = len(A) + if N == 1: + return A + odd = fft(A[1::2]) + even = fft(A[::2]) + res = [0] * N + for i in range(N // 2): + W = cmath.exp(-1j * 2 * cmath.pi * i / N) + res[i] = even[i] + W * odd[i] + res[i + N // 2] = even[i] - W * odd[i] + return np.array(res) + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/math/fibonacci.py b/math/fibonacci.py new file mode 100644 index 00000000..18564bc7 --- /dev/null +++ b/math/fibonacci.py @@ -0,0 +1,27 @@ +def fibonacci(n: int) -> list[int]: + """ + fibbonacci adalah urutan angka dari jumlah dari dua bilangan sebelumnya,. + kecuali dengan bilangan pertama dan kedua yang nilainya adalah 0 dan 1. + >>> fibonacci(5) + [0, 1, 1, 2, 3, 5] + >>> fibonacci(10) + [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55] + """ + if n < 0: + assert "Input integer value tidak boleh negatif" + + a = 0 + b = 1 + result = [] + for _ in range(n + 1): + result.append(a) + + a, b = b, a + b + + return result + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/math/fungsi_gamma.py b/math/fungsi_gamma.py new file mode 100644 index 00000000..51b10a67 --- /dev/null +++ b/math/fungsi_gamma.py @@ -0,0 +1,63 @@ +import math + + +def fungsi_gamma(nilai: float) -> float: + """ + Hitung nilai fungsi gamma untuk `nilai` + fungsi ini hanya mengdukung bilangan bulat seperti + (1, 2, 3, 4 ... n) atau nilai pecahan, berkoma + (0.1, 2.5, 3.4, 3.3 ... n) + + informasi relevan tentang fungsi gamma: + - https://en.wikipedia.org/wiki/Gamma_function + - https://mathworld.wolfram.com/GammaFunction.html + + Parameter: + nilai(float): nilai yang diberikan + + Return: + (float): hasil kalkulasi fungsi gamma + + Contoh: + >>> fungsi_gamma(0.5) + 1.7724538509055159 + >>> hitung_gamma(1) + 1.0 + >>> hitung_gamma(3.5) + 3.3233509704478426 + """ + # memastikan nilai tidak kurang atau sama dengan 0 + # atau negatif + if nilai <= 0: + raise ValueError("nilai harus lebih besar dari nol") + + # membuat batasan maks dari nilai yang diberikan + # fungsi logika ini hanya bersifat opsional + if nilai > 175.5: + raise OverflowError("nilai rentang terlalu besar") + + # memastikan nilai adalh bilangan bulat atau pecahan + if nilai - int(nilai) not in (0, 0.5): + raise NotImplementedError("nilai harus bilangan bulat atau berkoma") + + # buat basis rekursi dari gamma gamma(0.5) = sqrt(pi) + if nilai == 0.5: + return math.sqrt(math.pi) + + # buat basis rekursi jika gamma(1) = 1 + if nilai == 1: + return 1.0 + + return (nilai - 1) * fungsi_gamma(nilai - 1) + + +if __name__ == "__main__": + import doctest + + doctest.testmod() + + # contoh pemanggilan + # print(fungsi_gamma(1)) + + # nilai: float = 2.5 + # print(f"hasil fungsi_gamma({nilai}) adalah: {fungsi_gamma(nilai)}") diff --git a/math/iteration_power.py b/math/iteration_power.py new file mode 100644 index 00000000..01425d47 --- /dev/null +++ b/math/iteration_power.py @@ -0,0 +1,35 @@ +def iteration_power(number: int, exp: int) -> int: + """ + Perpangkatan dengan metode iteratif atau perulangan + rumus matematika: number^exp + >>> iteration_power(2, 5) + 32 + >>> iteration_power(100, 0) + 1 + >>> iteration_power(0, 100) + 0 + >>> iteration_power(1, 100) + 1 + """ + result = 1 + for _ in range(exp): + result *= number + return result + + +if __name__ == "__main__": + import doctest + + doctest.testmod() + + # Pangkat lebih dari 1 + print(iteration_power(number=2, exp=5)) + + # Pangkat sama dengan 0 + print(iteration_power(number=100, exp=0)) + + # Angka 0 dengan pangkat lebih dari 1 + print(iteration_power(number=0, exp=100)) + + # Angka 1 dengan pangkat lebih dari 1 + print(iteration_power(number=1, exp=100)) diff --git a/math/jumlah_deret_geomteri.py b/math/jumlah_deret_geomteri.py index 9e708a49..f88290d5 100644 --- a/math/jumlah_deret_geomteri.py +++ b/math/jumlah_deret_geomteri.py @@ -17,7 +17,7 @@ def jumlah_deret_geometri(utama: int, rasio_umum: int, jumlah: int) -> int: return jumlah * utama # Rumus untuk mencari jumlah n suku dari Progresi Geometris - return (utama / (1 - rasio_umum)) * (1 - rasio_umum ** jumlah) + return (utama / (1 - rasio_umum)) * (1 - rasio_umum**jumlah) if __name__ == "__main__": diff --git a/math/kombinasi_permutasi.py b/math/kombinasi_permutasi.py new file mode 100644 index 00000000..9a289d8d --- /dev/null +++ b/math/kombinasi_permutasi.py @@ -0,0 +1,58 @@ +# https://en.wikipedia.org/wiki/Combination +# https://en.wikipedia.org/wiki/Permutation + + +def faktorial(n: int) -> int: + """ + Fungsi untuk menghitung faktorial + + >>> faktorial(5) + 120 + """ + if n <= 0: + return ValueError("Nilai tidak boleh kurang dari nol") + else: + f = 1 + for i in range(1, n + 1): + f *= i + return f + + +def kombinasi(n: int, r: int) -> int: + """ + Fungsi untuk kalkulasi kombinasi + + >>> kombinasi(5, 2) + 10.0 + """ + if n <= 0 or r <= 0: + return ValueError("Nilai tidak boleh kurang dari nol") + else: + penyebut = faktorial(n) + pembilang = faktorial(r) * faktorial(n - r) + return penyebut / pembilang + + +def permutasi(n: int, r: int) -> int: + """ + Fungsi untuk kalkulasi permutasi + + >>> permutasi(6, 2) + 30.0 + """ + if n <= 0 or r <= 0: + return ValueError("Nilai tidak boleh kurang dari nol") + else: + penyebut = faktorial(n) + pembilang = faktorial(n - r) + return penyebut / pembilang + + +def main(args=None): + import doctest + + doctest.testmod() + + +if __name__ == "__main__": + main() diff --git a/math/midpoint.py b/math/midpoint.py index f4ec7d54..66a58148 100644 --- a/math/midpoint.py +++ b/math/midpoint.py @@ -6,7 +6,6 @@ def midpoint( func: Callable[..., float], a: float, b: float, eps: float = 0.0001, *args, **kwargs ) -> float: - """ Aturan titik tengah berfungsi mengoptimasi metode segiempat Dengan aturan ini, metode segiempat membagi domain integrasi @@ -29,13 +28,13 @@ def midpoint( n = 100 x = np.linspace(a, b, n) dx = x[1] - x[0] - L0 = sum([dx * func(i + dx / 2, *args, **kwargs) for i in x]) + L0 = sum(dx * func(i + dx / 2, *args, **kwargs) for i in x) err = 1 while err > eps: n += 1 x = np.linspace(a, b, n) dx = x[1] - x[0] - L1 = sum([dx * func(i + dx / 2, *args, **kwargs) for i in x]) + L1 = sum(dx * func(i + dx / 2, *args, **kwargs) for i in x) err = np.abs(L1 - L0) / np.abs(L1) L0 = L1 except Exception: @@ -49,7 +48,7 @@ def f(x: float) -> float: """ Test Function """ - return x ** 3 + return x**3 print(midpoint(f, 0, 1)) diff --git a/math/pascal_triangle.py b/math/pascal_triangle.py new file mode 100644 index 00000000..465af9b7 --- /dev/null +++ b/math/pascal_triangle.py @@ -0,0 +1,51 @@ +def PascalTriangle(n: int) -> list[list[int]]: + """Fungsi untuk mendapatkan segitiga pascal sebanyak n-baris + + Args: + n (int): n baris bilangan yang diinginkan + + Returns: + List[List[int]]: Kumpulan bilangan pascal + + >>> print(PascalTriangle(1)) + [[1]] + + >>> print(PascalTriangle(3)) + [[1], [1, 1], [1, 2, 1]] + + >>> print(PascalTriangle(5)) + [[1], [1, 1], [1, 2, 1], [1, 3, 3, 1], [1, 4, 6, 4, 1]] + """ + result = [[1] * (row + 1) for row in range(n)] + + for list_num in range(n): + for position in range(1, list_num): + result[list_num][position] = ( + result[list_num - 1][position - 1] + result[list_num - 1][position] + ) + return result + + +def pascal_matriks(n: int) -> list[list[int]]: + """ + Fungsi untuk membuata matriks segitiga pascal + + >>> print(pascal_matriks(3)) + [[1, 0, 0], [1, 1, 0], [1, 2, 1]] + >>> print(pascal_matriks(4)) + [[1, 0, 0, 0], [1, 1, 0, 0], [1, 2, 1, 0], [1, 3, 3, 1]] + """ + result = [[0 for _ in range(n)] for _ in range(n)] + for i in range(n): + for j in range(i + 1): + if j == 0 or j == i: + result[i][j] = 1 + else: + result[i][j] = result[i - 1][j - 1] + result[i - 1][j] + return result + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/math/persamaan_kuadarat_bilangan_kompleks.py b/math/persamaan_kuadarat_bilangan_kompleks.py index df8d7300..0835171c 100644 --- a/math/persamaan_kuadarat_bilangan_kompleks.py +++ b/math/persamaan_kuadarat_bilangan_kompleks.py @@ -28,13 +28,18 @@ def akar_kuadrat(a: int, b: int, c: int) -> tuple[complex, complex]: delta = b * b - 4 * a * c - akar_1 = (-b + sqrt(delta)) / (2 * a) - akar_2 = (-b - sqrt(delta)) / (2 * a) + if delta > 0: + akar_1: complex = (-b + sqrt(delta)) / (2 * a) + akar_2: complex = (-b - sqrt(delta)) / (2 * a) - return ( - akar_1.real if not akar_1.imag else akar_1, - akar_2.real if not akar_2.imag else akar_2, - ) + return akar_1, akar_2 + + elif delta == 0: + return 0 + + else: + msg: str = "persamaanya menjadi imajiner" + return msg def main() -> None: diff --git a/math/prime_number_library.py b/math/prime_number_library.py new file mode 100644 index 00000000..0440c7ce --- /dev/null +++ b/math/prime_number_library.py @@ -0,0 +1,27 @@ +from sympy import isprime, nextprime, prevprime, prime, primepi, primerange, randprime + +# Mengecek apakah sebuah nilai adalah bilangan prima +print("Apakah 10 angka prima?", isprime(10)) +print("Apakah 11 angka prima?", isprime(11)) + +# Men-generate bilangan prima dalam batasan tertentu +print("Tampilkan angka prima dari 1 sampai 10:") +for i in primerange(1, 10): + print(i) + +# Mengembalikan nilai random bilangan prima dalam batasan tertentu +print("Angka prima acak antara 1 sampai 100:", randprime(1, 100)) + +# Mengembalikan banyaknya bilangan prima kurang dari sama dengan nilai yang diinputkan +print("Jumlah angka prima kurang dari sama dengan 10:", primepi(10)) + +# Mengembalikan nilai ke n +# misalkan bilangan prima pertama adalah 2 +# maka input yang diberikan adalah 1 +print("Angka prima ke 1:", prime(1)) + +# Mengembalikan 1 angka prima sebelum angka input +print("Angka prima sebelum angka 7:", prevprime(7)) + +# Mengembalikan 1 angka prima setelah angka input +print("Angka prima setelah angka 7:", nextprime(7)) diff --git a/math/proth_number.py b/math/proth_number.py new file mode 100644 index 00000000..4f93bbc5 --- /dev/null +++ b/math/proth_number.py @@ -0,0 +1,58 @@ +# kalkulasi nth angka proth +# https://handwiki.org/wiki/Proth_number +import math + + +def proth(angka: int) -> int: + """ + >>> proth(-3) + Traceback (most recent call last): + ... + ValueError: angka tidak boleh kurang dari 1 + >>> proth(6.0) + Traceback (most recent call last): + ... + TypeError: Angka harus integer + """ + if not isinstance(angka, int): + raise TypeError("Angka harus integer") + + if angka < 1: + raise ValueError("angka tidak boleh kurang dari 1") + + elif angka == 1: + return 3 + + elif angka == 2: + return 5 + + else: + # +1 untuk biner yang dimulai pada 0 contoh 2 ^0, 2 ^1 dan lainnya + block_index = int(math.log(angka // 3, 2)) + 2 + proth_list = [3, 5] + proth_index = 2 + increment = 3 + + for block in range(1, block_index): + for _ in range(increment): + proth_list.append(2 ** (block + 1) + proth_list[proth_index - 1]) + proth_index += 1 + increment *= 2 + + return proth_list[angka - 1] + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) + + for angka in range(11): + value = 0 + try: + value = proth(angka) + except ValueError: + print(f"{angka}") + continue + + print(f"{angka}, angka proth: {value}") diff --git a/math/r2_score.py b/math/r2_score.py new file mode 100644 index 00000000..7e81979e --- /dev/null +++ b/math/r2_score.py @@ -0,0 +1,26 @@ +import numpy as np + + +def r2_score(y_predict, y_actual): + """ + R2_score adalah ukuran yang digunakan dalam statistik untuk mengukur•• + seberapa baik model regresi cocok dengan data yang diamati•• + R2_score memberikan informasi seberapa dekat•• + titik data dengan garis regresi yang dihasilkan oleh model. + + >>> r2_score(np.array([12,34,12,23]),np.array([11,2,11,22])) + -4.109452736318408 + >>> r2_score(np.array([12,34,12,23]),np.array([12,30,11,23])) + 0.9319999999999999 + """ + + sse = sum((y_actual - y_predict) ** 2) + sst = sum((y_actual - np.mean(y_actual)) ** 2) + + return 1 - (sse / sst) + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/math/random_generator.py b/math/random_generator.py new file mode 100644 index 00000000..7c387faf --- /dev/null +++ b/math/random_generator.py @@ -0,0 +1,75 @@ +import os + + +def seed(n: int = 1, byteorder: str = "little"): + """random seed + + random seed merupakan fungsi random yang + mengacak secara psuode code bukan value + random seed ini di perlukan dalam untuk + mengvalidasi hasil suatu perhitungan atau + model dalam perhitungan + Args: + n (int, optional): ini merupakan size ukuran bytes. + Defaults to 1. + Returns: + type: hasil pseucode dalam ukuran besar atau kecil + """ + bytes_need = (n + 7) // 8 + randbytes = os.urandom(bytes_need) + bit = int.from_bytes(randbytes, byteorder=byteorder) + return bit + + +def random(): + """Random + Describe: + merupakan algoritma yang menghasilkan angka desimal + random ini menggunakan algoritma lcg (linear congruential + generator) + refence: + https://www.firstpr.com.au/dsp/rand31/p1192-park.pdf + """ + a = 1664525 + c = 1013904223 + m = 2**32 + result = (a * (seed() * 1000) + c) % m + return result / m + + +def generator_bit(n: int | float): + """_summary_ + + Args: + n (int | float)=input nilai yang mau ke dalam bit + + Raises: + ValueError: inputnya harus bilangan positif + + Returns: + _type_: float + """ + if n <= 0: + raise ValueError("inputnya harus bilangan positif") + k = n.bit_length() + return seed(k) % n + + +def randomint(low=0, high=1): + """ + Fungsi ini merupakan algoritma untuk menghasilkan output acak + yang sesuai dengan batas low dan high + Args: + low (int, optional): input untuk batas bawah atau mini. Defaults to 0. + high (int, optional): _description_. Defaults to 1. + + Returns: + int:hasil dari latihan + """ + return generator_bit(high - low + 1) + low + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/math/rectangle.py b/math/rectangle.py index 83fe303e..19c26931 100644 --- a/math/rectangle.py +++ b/math/rectangle.py @@ -6,7 +6,6 @@ def rectangle( func: Callable[..., float], a: float, b: float, eps: float = 0.0001, *args, **kwargs ) -> float: - """ Metode segi empat adalah metode integrasi paling sederhana. Metode ini membagi domain integrasi sebanyak n buah @@ -28,13 +27,13 @@ def rectangle( n = 100 x = np.linspace(a, b, n) dx = x[1] - x[0] - L0 = sum([dx * func(i, *args, **kwargs) for i in x]) + L0 = sum(dx * func(i, *args, **kwargs) for i in x) err = 1 while err > eps: n += 1 x = np.linspace(a, b, n) dx = x[1] - x[0] - L1 = sum([dx * func(i, *args, **kwargs) for i in x]) + L1 = sum(dx * func(i, *args, **kwargs) for i in x) err = np.abs(L1 - L0) / np.abs(L1) L0 = L1 except Exception: @@ -48,7 +47,7 @@ def f(x: float) -> float: """ Test Function """ - return x ** 2 + return x**2 print(rectangle(f, 0, 2)) diff --git a/math/rieman_integral.py b/math/rieman_integral.py new file mode 100644 index 00000000..3f6b84ec --- /dev/null +++ b/math/rieman_integral.py @@ -0,0 +1,61 @@ +from typing import Callable +import math + + +def rieman_integral( + fungsiHitung: Callable[[float], float], a: float, b: float, n: int, approx: str +) -> float: + """ + >>> rieman_integral(math.sin,0,math.pi/2,100,"tengah") + 1.0000102809119051 + >>> rieman_integral(math.sin,0,math.pi/2,100,"kanan") + 1.007833419873582 + >>> rieman_integral(math.sin,0,math.pi/2,100,"kiri") + 0.9921254566056331 + """ + delta_x = (b - a) / n + sigma = 0.0 + approx = approx.lower() + + for i in range(n): + left = a + i * delta_x + right = left + delta_x + + if not callable(fungsiHitung): + raise TypeError("Fungsi harus cabble") + if approx == "kiri": + x_i = left + elif approx == "kanan": + x_i = right + elif approx == "tengah": + x_i = left + 0.5 * delta_x + else: + raise ValueError("masukkan approx benar") + + sigma += fungsiHitung(x_i) + + return delta_x * sigma + + +def main(args=None): + import doctest + + doctest.testmod() + + # persamaan x + def f(x): + return x + + print(rieman_integral(f, 0, 1, 1, "tengah")) # 0.5 + + # persamaan 4/(1+x^2) + def g(x): + return (4) / (1 + x**2) + + print(rieman_integral(g, 0, 1, 1000, "tengah")) # 3.1415927369231227 + + print(rieman_integral(math.sin, 0, math.pi / 2, 100, "kiri")) # 0.9921254566056331 + + +if __name__ == "__main__": + main() diff --git a/math/sieve_of_eratosthenes.py b/math/sieve_of_eratosthenes.py new file mode 100644 index 00000000..42d02234 --- /dev/null +++ b/math/sieve_of_eratosthenes.py @@ -0,0 +1,54 @@ +# Saringan Eratosthenes adalah algoritma yang digunakan +# untuk mencari bilangan prima, kurang dari atau +# sama dengan nilai yang diberikan. +# informasi lebih lanjut +# https://en.wikipedia.org/wiki/Sieve_of_Eratosthenes + +from __future__ import annotations + +import math + + +def prime_sieve(angka: int) -> list[int]: + """ + mengembalikan daftar dengan semua bilangan prima + hingga ke n + >>> prime_sieve(25) + [2, 3, 5, 7, 11, 13, 17, 19, 23] + >>> prime_sieve(10) + [2, 3, 5, 7] + >>> prime_sieve(2) + [2] + >>> prime_sieve(1) + [] + """ + if angka <= 0: + raise ValueError("angka harus positif atau tidak boleh 0") + + sieve = [True] * (angka + 1) + prime = [] + start = 2 + end = int(math.sqrt(angka)) + + while start <= end: + if sieve[start] is True: + prime.append(start) + + # atur kelipatan awal menjadi false + for i in range(start * start, angka + 1, start): + if sieve[i] is True: + sieve[i] = False + + start += 1 + + for j in range(end + 1, angka + 1): + if sieve[j] is True: + prime.append(j) + + return prime + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/math/simpson.py b/math/simpson.py index e7f8c1ba..c17cdde6 100644 --- a/math/simpson.py +++ b/math/simpson.py @@ -1,4 +1,6 @@ # type: ignore[arg-type] + + from typing import Callable import numpy as np @@ -7,7 +9,6 @@ def simpson_13( func: Callable[..., float], a: float, b: float, eps: float = 0.0001, *args, **kwargs ) -> float: - """ Metode simpson 1/3 menggunakan kurva polinomial ordo 2 untuk melakukan @@ -49,7 +50,6 @@ def simpson_13( def simpson_38( func: Callable[..., float], a: float, b: float, eps: float = 0.0001, *args, **kwargs ) -> float: - """ Metode simpson 3/8 menggunakan kurva polinomial ordo 3 untuk melakukan @@ -116,7 +116,7 @@ def f(x: float) -> float: """ Test Function """ - return x ** 4 + return x**4 print(simpson_13(f, 0, 1)) print(simpson_38(f, 0, 1)) diff --git a/math/sin.py b/math/sin.py new file mode 100644 index 00000000..548472ec --- /dev/null +++ b/math/sin.py @@ -0,0 +1,48 @@ +# Menghitung sinus dengan deret taylor +# https://en.wikipedia.org/wiki/Taylor_series#Trigonometric_functions +import math + + +def factorial(n: int) -> int: + if n < 0: + raise ValueError("angkanya harus bilangan real") + if n == 0 or n == 1: + return 1 + else: + return n * factorial(n - 1) + + +def sinus(sudut : float | int, iterable: int = 10): + """ + Sinus ini merupakan perhitungan dasar yang ada pada + teori pythagoras + Args: + sudut (float | int): input ini merupakan value dari sudut yang kita + inputkan + Returns: + (float): hasil dari pembagian numerator dengan denominator + + >>> sinus(0) + 0.0 + >>> sinus(30) + 0.49999999999999994 + >>> sinus(45) + 0.7071067811865475 + >>> sinus(60) + 0.8660254037844385 + >>> sinus(90) + 1.0 + """ + result = 0.0 + radian = sudut * math.pi / 180 + for n in range(iterable): + numerator = math.pow(radian, 2 * n + 1) * math.pow(-1, n) + denominator = factorial(2 * n + 1) + result += numerator / denominator + return float(result) + + +if __name__ == "__main__": + list_sudut = [0, 30, 45, 60, 90] + for sudut in list_sudut: + print(f"Sudut : {sudut}, Sin : {sinus(sudut)}") diff --git a/math/sock_merchant.py b/math/sock_merchant.py new file mode 100644 index 00000000..add33a22 --- /dev/null +++ b/math/sock_merchant.py @@ -0,0 +1,21 @@ +# solusi dari problem maths hackerrank sockmerchank + +from __future__ import annotations + +from collections import Counter + + +def sock_merchant(colors: list[int]) -> int: + """ + >>> sock_merchant([10, 20, 20, 10, 10, 30, 50, 10, 20]) + 3 + >>> sock_merchant([1, 2, 1, 2, 1, 3, 2]) + 2 + """ + return sum(socks_by_color // 2 for socks_by_color in Counter(colors).values()) + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/math/softmax.py b/math/softmax.py new file mode 100644 index 00000000..f89b151f --- /dev/null +++ b/math/softmax.py @@ -0,0 +1,53 @@ +# demonstrasi darii implementasi fungsi softmax + +# Ini adalah fungsi yang mengambil vektor dari K +# bilangan real sebagai input, dan menormalkan +# ke dalam distribusi probabilitas yang terdiri +# dari K probabilitas proporsional +# ke eksponensial dari angka input. +# Setelah softmax, elemen dari +# vektor selalu berjumlah 1. + +# referensi +# https://en.wikipedia.org/wiki/Softmax_function + +import numpy as np + + +def softmax(vector): + """ + Menerapkan fungsi softmax + Parameter: + vector (np.array,list,tuple): Array berbentuk numpy (1,n) + terdiri dari nilai-nilai nyata atau daftar serupa,tuple + Pengembalian: + softmax_vec (np.array): + Input array numpy setelah diterapkan + softmax. + Vektor softmax menambahkan hingga satu. + Kita perlu membatasi untuk + presisi + + >>> vec = np.array([5, 5]) + >>> softmax(vec) + array([0.5, 0.5]) + + >>> softmax([0]) + array([1.]) + """ + exponent_vector = np.exp(vector) + + # Jumlahkan semua eksponensialnya + sum_exponent = np.sum(exponent_vector) + + # bagi setiap eksponen dengan jumlah + # semua eksponen + softmax_vector = exponent_vector / sum_exponent + + return softmax_vector + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/math/sum_geometric_progression.py b/math/sum_geometric_progression.py index 8a5b215c..8c08ccad 100644 --- a/math/sum_geometric_progression.py +++ b/math/sum_geometric_progression.py @@ -21,4 +21,4 @@ def sum_geometric_progression( # rumus untuk menemukan hasil dari suku ke n dari # geometric progression - return (ist_pertama / (1 - rasio_umum)) * (1 - rasio_umum ** ist_bilangan) + return (ist_pertama / (1 - rasio_umum)) * (1 - rasio_umum**ist_bilangan) diff --git a/math/trapezoid.py b/math/trapezoid.py index 0e8a894e..0350acca 100644 --- a/math/trapezoid.py +++ b/math/trapezoid.py @@ -6,7 +6,6 @@ def trapezoid( func: Callable[..., float], a: float, b: float, eps: float = 0.0001, *args, **kwargs ) -> float: - """ Metode integrasi trapesium mengganti bentuk segiempat yang sebelumnya digunakan untuk mengintegrasi menjadi @@ -51,7 +50,7 @@ def f(x: float) -> float: """ Test Function """ - return x ** 4 + return x**4 import doctest diff --git a/math/two_sum.py b/math/two_sum.py index ec24a23b..325c9924 100644 --- a/math/two_sum.py +++ b/math/two_sum.py @@ -31,4 +31,4 @@ def two_sum(nums: list[int], target: int) -> list[int]: import doctest doctest.testmod() - print(f"{two_sum([2, 7, 11, 15], 9) = }") + print(f"{two_sum([2, 7, 11, 15], 9)}") diff --git a/math/variance.py b/math/variance.py new file mode 100644 index 00000000..ec948ef7 --- /dev/null +++ b/math/variance.py @@ -0,0 +1,42 @@ +def rata_rata(data: list[int | float]) -> float: + """ + rata-rata merupakan model matematika untuk mengetahui + jumlah seluruh nilai data dibagi banyak data + contoh input: + >>> rata_rata([20,12,12]) + 14.666666666666666 + >>> rata_rata([-20,3,12]) + -1.6666666666666667 + """ + jumlah = 0 + panjang_data = 0 + for number in data: + panjang_data += 1 + jumlah += number + result = jumlah / panjang_data + return result + + +def variance(data: list[int | float]) -> float: + """ + variansi atau dalam bahasa inggris disebut juga disebut variance. + variansi ini berfungsi untuk menghitung ukuran nilai data agar, + mengetahui sifat-sifat serta semua titik data dalam kumpulan data. + >>> variance([10,20,20]) + 33.33 + >>> variance([-20,1,2]) + 154.33 + """ + n = len(data) + jumlah = 0 + for value in data: + hitung = (value - rata_rata(data)) ** 2 + jumlah += hitung + result = jumlah / (n - 1) + return round(result, 2) + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/matrix/matriks_special.py b/matrix/matriks_special.py new file mode 100644 index 00000000..d2e28ca7 --- /dev/null +++ b/matrix/matriks_special.py @@ -0,0 +1,150 @@ +# https://en.wikipedia.org/wiki/Hankel_matrix +# https://en.wikipedia.org/wiki/Toeplitz_matrix +# https://en.wikipedia.org/wiki/Pascal_matrix +# https://id.wikipedia.org/wiki/Matriks_identitas +from typing import Union + + +def faktorial(n) -> int: + """ + >>> faktorial(5) + 120 + """ + if n < 0: + raise ValueError("nilai harus positif") + if n == 0: + return 1 + else: + f = 1 + for i in range(1, n + 1): + f *= i + return f + + +def kombinasi(n: int, r: int) -> int: + """ + >>> kombinasi(5, 2) + 10.0 + """ + if n < 0 or r < 0: + raise ValueError("Nilai Harus Positif") + if r > n: + return 0 + else: + penyebut = faktorial(n) + pembilang = faktorial(r) * faktorial(n - r) + C = penyebut / pembilang + return C + + +def identity(n: int = 2) -> list[list[Union[int]]]: + """ + Membuat matriks identitas + + >>> identity(3) + [[1, 0, 0], [0, 1, 0], [0, 0, 1]] + """ + A = [] + for i in range(n): + row = [] + for j in range(n): + if j == i: + row.append(1) + else: + row.append(0) + A.append(row) + return A + + +def hankel(A, b=1) -> list[list[Union[int, float]]]: + """ + Membuat matriks hankel + + >>> hankel(3) + [[1, 2, 3], [2, 3, 4], [3, 4, 5]] + """ + res = [] + for i in range(b, A + 1): + row = [] + for j in range(b, A + 1): + row.append(i + j - 1) + res.append(row) + return res + + +def toeplite(A, b=1) -> list[list[Union[int, float]]]: + """ + Membuat matriks hankel + + >>> toeplite(3) + [[0, -1, -2], [1, 0, -1], [2, 1, 0]] + """ + res = [] + for i in range(b, A + 1): + row = [] + for j in range(b, A + 1): + row.append(i - j) + res.append(row) + return res + + +def hilbert(A, b=1) -> list[list[Union[int, float]]]: + """ + Membuat matriks hilbert + + >>> hilbert(2) + [[1.0, 0.5], [0.5, 0.3333333333333333]] + """ + res = [] + for i in range(b, A + 1): + row = [] + for j in range(b, A + 1): + row.append(1 / (i + j - 1)) + res.append(row) + return res + + +def pascal(n, kind="simetri") -> list[list[Union[int, float]]]: + """ + Membuat matriks pascal dengan beberapa tipe + + >>> pascal(3) + [[1.0, 1.0, 1.0], [1.0, 2.0, 3.0], [1.0, 3.0, 6.0]] + >>> pascal(3, kind = 'lower') + [[1.0, 0, 0], [1.0, 1.0, 0], [1.0, 2.0, 1.0]] + """ + L_n = [] + for i in range(n): + colum = [] + for j in range(n): + x = kombinasi(i, j) + colum.append(x) + L_n.append(colum) + + r, c = len(L_n), len(L_n[0]) + t = [[0] * r for _ in range(c)] + for i in range(r): + for j in range(c): + t[j][i] = L_n[i][j] + + res = [[0 for _ in range(len(L_n))] for _ in range(len(L_n))] + x = len(L_n) + y = len(t) + y1 = len(t[0]) + for i in range(x): + for j in range(y1): + for k in range(y): + res[i][j] += L_n[i][k] * t[k][j] + + if kind.lower() == "lower": + return L_n + elif kind.lower() == "upper": + return t + else: + return res + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/matrix/median_matriks.py b/matrix/median_matriks.py new file mode 100644 index 00000000..948cf093 --- /dev/null +++ b/matrix/median_matriks.py @@ -0,0 +1,32 @@ +def median(matriks: list[list[int]]) -> int: + """ + menghitung nilai dari median dari sebuah matriks + yang sudah diurutkan + + Parameter: + matriks(list[list[int]]): matriks 2D yang berisi bilangan + bulat + + Contoh: + >>> matriks = [[1, 3, 5], [2, 6, 9], [3, 6, 9]] + >>> median(matriks) + 5 + >>> matriks = [[1, 2, 3], [4, 5, 6]] + >>> median(matriks) + 3 + """ + # flatten matriks 2D jadi list 1D yang terurut + linear = sorted(angka for baris in matriks for angka in baris) + + # hitung indeks tengah untuk menemukan median + tengah = (len(linear) - 1) // 2 + + # return hasil dari nilai median + return linear[tengah] + + +if __name__ == "__main__": + import doctest + + # jalankan doctesting + doctest.testmod() diff --git a/matrix/pencarian_biner_matrix.py b/matrix/pencarian_biner_matrix.py new file mode 100644 index 00000000..3f2d96af --- /dev/null +++ b/matrix/pencarian_biner_matrix.py @@ -0,0 +1,96 @@ +def pencarian_biner(array: list, batas_bawah: int, batas_atas: int, nilai: int) -> int: + """ + fungsi ini menjalankan pencarian biner pada array 1D dan + mengembalikan -1 jika nilai tidak ditemukan + + Parameter: + array(list): array 1D yang sudah diurutkan + nilai(int): nilai yang dicari dalam array + + Contoh: + >>> matriks = [1, 4,7, 11, 15] + >>> pencarian_biner(matriks, 0, len(matriks) - 1, 1) + 0 + >>> pencarian_biner(matriks, 0, len(matriks) - 1, 23) + -1 + """ + # hitung indeks tengah dari array + tengah = int((batas_bawah + batas_atas) // 2) + + # jika nilai di indeks sama dengan nilai yang dicari + # return indeks + if array[tengah] == nilai: + return tengah + + # jika batas bawah sudah sama atau lebih dari batas atas + # kembalikan -1 (nilai tidak ada) + if batas_bawah >= batas_atas: + return -1 + + # jikai nilai di indeks tengah lebih kecil dari nilai yang + # dicari, lakukan pencarian biner pada separuh kanan + if array[tengah] < nilai: + return pencarian_biner(array, tengah + 1, batas_atas, nilai) + + # jika nilai di indeks tengah lebih besar lakukan pencarian biner + # pada separuh kiri + else: + return pencarian_biner(array, batas_bawah, tengah - 1, nilai) + + +def pencarian_matriks_biner(nilai: int, matriks: list) -> list: + """ + fungsi ini akan menjalankan iterasi pada matriks 2D dan memanggil + pencarian_biner pada setiap baris matriks, return [-1, -1] jika + nilai tidak ditemukan + + Parameter: + nilai(int): nilai yang dicari dalam matriks + matriks(list): matriks 2D yang sudah diurutkan + + Contoh: + >>> matriks = [[1, 4, 5, 11, 15], + ... [2, 5, 8, 12, 19], + ... [3, 6, 9, 16, 22], + ... [10, 13, 14, 17, 24], + ... [18, 21, 23, 26, 30]] + >>> target = 1 + >>> pencarian_matriks_biner(target, matriks) + [0, 0] + >>> target = 34 + >>> pencarian_matriks_biner(target, matriks) + [-1, -1] + """ + + # inisialisasi indeks baris + indeks = 0 + + # jika nilai pertama di baris pertama sama dengan nilai yang dicari + # return indeks [0, 0] + if matriks[indeks][0] == nilai: + return [indeks, 0] + + # lakukan iterasi pada matriks selama indeks valid dan nilai di kolom pertama + # lebih kecli dari nilai yang dicari + while indeks < len(matriks) and matriks[indeks][0] < nilai: + # cari biner pada baris saat ini + hasil_pencarian = pencarian_biner( + matriks[indeks], 0, len(matriks[indeks]) - 1, nilai + ) + + # jika nilai ditemukan, retunr indeks baris dan kolom + if hasil_pencarian != -1: + return [indeks, hasil_pencarian] + + # pindah ke baris berikutnya + indeks += 1 + + # jika tidak ditemukan maka return [-1, -1] + return [-1, -1] + + +if __name__ == "__main__": + import doctest + + # jalankan doctesting + doctest.testmod() diff --git a/mypy.ini b/mypy.ini deleted file mode 100644 index 8ce30052..00000000 --- a/mypy.ini +++ /dev/null @@ -1,4 +0,0 @@ -[mypy] -ignore_missing_imports = True - -exclude = (matrix|math|other*)/$ diff --git a/object_oriented_programming/README.md b/object_oriented/README.md similarity index 68% rename from object_oriented_programming/README.md rename to object_oriented/README.md index dd73109d..ca51df8d 100644 --- a/object_oriented_programming/README.md +++ b/object_oriented/README.md @@ -1,42 +1,42 @@ # Basic object oriented programming Mulai Dari Sini: [Definisi Kelas](basic_oop/0_definisi_kelas) -bahasa pemograman muncul terus menerus, dan begitu pula metodologi yang berbebda.Pemograman berorientasi objek adalah salah satu metodologi yang telah menjadi sangat populer selamat beberapa tahun terakhir. +Bahasa pemograman muncul terus menerus, dan begitu pula metodologi yang berbeda. Pemograman berorientasi objek adalah salah satu metodologi yang telah menjadi sangat populer selamat beberapa tahun terakhir. -di materi ini membahas tentang fitur-fitur bahasa pemograman python yang menjadikannya bahasa pemograman berorientasi objek. +Di materi ini membahas tentang fitur-fitur bahasa pemograman python yang menjadikannya bahasa pemograman berorientasi objek. ## Apa itu pemograman berorientasi objek -**berorientasi objek** berarti diarahkan pada objek, dengan kata lain, itu berarti secara fungsional diarahkan pada pemodelan objek. ini adalh salah satu dari banyak teknik yang digunakan untuk memodelkan sistemyang komples dengan menggambarkan kumpulan objek yang berinteraksi melalui data dan perilakunya. +**Berorientasi objek** berarti diarahkan pada objek, dengan kata lain, itu berarti secara fungsional diarahkan pada pemodelan objek. Ini adalah salah satu dari banyak teknik yang digunakan untuk memodelkan sistem yang komples dengan menggambarkan kumpulan objek yang berinteraksi melalui data dan perilakunya. -## prosedural vs pemograman berorientasi objek +## Prosedural vs pemograman berorientasi objek -pemograman berbasis prosedural diturunkan dari pemograman struktural berdasarkan konsep fungsi / prosedur / rutin. sangat mudah untuk mengakses dan mengubah data dalam pemograman berorientasi prosedural. di sisi lain, objek oriented programming (OOP) memungkinkan penguraian masalah menjadi sejumlah unit yang disebut objek dan kemudian membangun data dan fungsi di sekitar objek-objek tersebut. ini lebih menekankan pada data daripada prosedur atau fungsi. juga di OOP, data disembunyikan dan tidak dapat diakses oleh prosedur eksternal. +Pemograman berbasis prosedural diturunkan dari pemograman struktural berdasarkan konsep fungsi / prosedur / rutin. Sangat mudah untuk mengakses dan mengubah data dalam pemograman berorientasi prosedural. Di sisi lain, objek oriented programming (OOP) memungkinkan penguraian masalah menjadi sejumlah unit yang disebut objek dan kemudian membangun data dan fungsi di sekitar objek-objek tersebut. Ini lebih menekankan pada data daripada prosedur atau fungsi. Juga di OOP, data disembunyikan dan tidak dapat diakses oleh prosedur eksternal. -## prinsip dasar pemograman berorientasi objek +## Prinsip dasar pemograman berorientasi objek Pemrograman Berorientasi Objek (OOP) didasarkan pada konsep objek daripada tindakan, dan data daripada logika. Agar bahasa pemrograman berorientasi objek, ia harus memiliki mekanisme untuk memungkinkan bekerja dengan kelas dan objek serta penerapan dan penggunaan prinsip dan konsep dasar berorientasi objek yaitu pewarisan, abstraksi, enkapsulasi, dan polimorfisme. -**enkapsulasi** +**Enkapsulasi** Properti ini menyembunyikan detail yang tidak perlu dan membuatnya lebih mudah untuk mengelola struktur program. Setiap implementasi dan status objek tersembunyi di balik batasan yang ditentukan dengan baik dan menyediakan antarmuka yang bersih dan sederhana untuk bekerja dengannya. Salah satu cara untuk mencapai ini adalah dengan membuat data pribadi. -**warisan** +**Warisan** Warisan, juga disebut generalisasi, memungkinkan kita untuk menangkap hubungan hierarkis antara kelas dan objek. Misalnya, 'buah' adalah generalisasi dari 'jeruk'. Warisan sangat berguna dari perspektif penggunaan kembali kode. -**abstraksi** +**Abstraksi** Properti ini memungkinkan kita untuk menyembunyikan detail dan hanya mengekspos fitur penting dari sebuah konsep atau objek. Misalnya, seseorang yang mengendarai skuter tahu bahwa saat menekan klakson, suara akan keluar, tetapi dia tidak tahu bagaimana sebenarnya suara itu dihasilkan saat menekan klakson. -**polimorfisme** +**Polimorfisme** Polimorfisme berarti banyak bentuk. Artinya, suatu hal atau tindakan hadir dalam berbagai bentuk atau cara. Salah satu contoh polimorfisme yang baik adalah overloading konstruktor di kelas. -## python berorientasi objek +## Python berorientasi objek -inti dari pemograman python adalah objek dan OOP. namun kita tidak perlu membatasi diri untuk menggunakan OOP dengan mengatur kode anda ke dalam kelas. OOP menambah keseluruhan filosofi desain python dan mendorong cara pemograman yang bersih dan pragmatis. OOP juga memungkinkan dalam menulis program yang lebih besar dan kompleks. +Inti dari pemograman python adalah objek dan OOP. Namun kita tidak perlu membatasi diri untuk menggunakan OOP dengan mengatur kode anda ke dalam kelas. OOP menambah keseluruhan filosofi desain python dan mendorong cara pemograman yang bersih dan pragmatis. OOP juga memungkinkan dalam menulis program yang lebih besar dan kompleks. Teman-teman bisa belajar lebih lanjut tentang dasar-dasar Object Oriented Programming [di sini](https://www.youtube.com/watch?v=1PjHsUnOkes&list=PLZS-MHyEIRo7ab0-EveSvf4CLdyOECMm0&index=1) -Topik Selanjutnya: [Others](../others) \ No newline at end of file +Topik Selanjutnya: [Definisi kelas](https://github.com/bellshade/Python/blob/main/object_oriented_programming/basic_oop/00_definisi_kelas/README.md) diff --git a/object_oriented/advance/.gitignore b/object_oriented/advance/.gitignore new file mode 100644 index 00000000..d43a431a --- /dev/null +++ b/object_oriented/advance/.gitignore @@ -0,0 +1,2 @@ +env/* +/.mypy_cache \ No newline at end of file diff --git a/object_oriented/advance/README.md b/object_oriented/advance/README.md new file mode 100644 index 00000000..20fae70a --- /dev/null +++ b/object_oriented/advance/README.md @@ -0,0 +1,20 @@ +

+ Python Advance +

+ +# Python Advance (Tingkat Lanjut) + +Materi advance ini adalah materi lanjutan dari materi object\_oriented\_programming sebelumnya, alangkah baiknya untuk mempelajari tentang object\_oriented programming terlebih dahulu sebelum memasuki materi metaclass yang sedikit lumayan memusingkan bagi pemula. + +### List materi apa saja yang ada di materi Python Advance? + +> | Nama Materi | Link | Status | +> | --- | --- | --- | +> | *Magic/Dunder Method* | [Lihat Materi](pycode/magic_methods) | Completed | +> | *Decorators* | [Lihat Materi](pycode/decorators) | Completed | +> | *Generators* | [Lihat Materi](pycode/generators) | Completed | +> | *Argument Parsing* | [Lihat Materi](pycode/argument) | Completed | +> | *Type Hinting* | [Lihat Materi](pycode/type_hint) | Completed | +> | *Metaclass* | [Lihat Materi](pycode/metaclass) | Completed | + +

Catatan: bagi kamu yang belum mempelajari tentang dasaran dari object oriented programming di python, sangat di sarankan untuk mempelajari syntax berorientasi object pada python.

\ No newline at end of file diff --git a/object_oriented/advance/pycode/argument/README.md b/object_oriented/advance/pycode/argument/README.md new file mode 100644 index 00000000..d50793fe --- /dev/null +++ b/object_oriented/advance/pycode/argument/README.md @@ -0,0 +1,116 @@ +

+ Python Advance +

+ +# Argument Parsing (Argument Parse) + +Argument Parsing adalah salah satu metode penguraian argumen baris perintah yang berbeda di gunakan oleh bahasa pemrogramman yang berbeda juga untuk mengurai argumen baris perintah. + +### Membuat Argument Parse Tanpa Opsi + +Untuk bisa menangkap argumen variable pada system program kita, tentu saja kita membutuhkan package/module `sys` supaya kita bisa menangkap argumen variable ke dalam program kita. Mari kita langsung coba buat progamnya. + +```py +import sys + +arg : list[str] = sys.argv + +print(arg) +``` +Hasil yang kita tangkap dari argumen parsingnya. + +```console +> ['main.py', 'belajar', 'python', 'itu', 'FUN'] +``` +Lalu bagaimana caranya supaya tulisan file kita tidak ikut serta dalam penangkapan argumen variablenya? +Karena argumen variable yang di tangkap itu berupa tipe data `list` atau `array` dalam bahasa program lain, maka cara kita untuk mengaksesnya membutuhkan indeks. Kita bisa memakai `for loop` untuk mengaksesnya atau kita juga bisa memasukan indeksnya secara manual. + +```py +import sys + +arg : list[str]= sys.argv + +# Apa yang di tangkap oleh program pada argumen variable, maka program kita akan mengabaikan indeks ke 0 +print(arg[1:]) +``` +Maka secara otomatis kita akan mendapatkan nilai dari argumen variable yang di tangkap oleh program kita dan akan melewati indeks ke 0, karena indeks ke 0 terssbut adalah nama file program kita. +```console +> ['belajar', 'python', 'itu', 'FUN'] +``` + +Sekarang mari kita coba eksekusi argumen variable yang di tangkap menggunakan perulangan `for loop`. +Saat kita ingin eksekusi argumen variable dengan `for loop` maka kita perlu mengubah posisi indeksnya. + +```py +import sys + +arg : list[str]= sys.argv[1:] + +for i in arg: + print(i) +``` +Hasil dari perulangan `for loop` ke layar konsole +```console +> belajar +> python +> itu +> FUN +``` + +### Membuat Argument Parse Dengan Opsi + +Sekarang kita akan mencoba membuat suatu file menggunakan Command-Line yang kita buat sendiri, dengan contoh perintah seperti di bawah ini: + +```console +python main.py -c filename.txt +``` +atau bisa juga seperti ini +```console +python main.py --create filename.txt +``` + +### Sintaks Argument Options + +```py +import sys +import os +from getopt import getopt, GetoptError +from typing import List + + +try: + argv : List[str] = sys.argv[1:] + opts, args = getopt(argv, 'c:', ['create=']) + +except GetoptError as e: + raise e + +for opt, arg in opts: + if opt in ['-c', '--create']: + with open(arg, 'w') as file: + res = file.write('Berhasil membuat berkas dengan CLI...') + file.close() + else: + ... + +``` +Saat program dijalankan maka tidak ada nilai yang di kembalikan ke konsol. + +### Membuat Argument Parse dengan ArgParser + +Tentu, dengan adanya module ini kita di permudah untuk membuat flow aplikasi yang berbasis Command-Line. Tanpa perlu memikirkan bagaimana opsi yang harus kita tangkap. + +```py +import argparse + +parser = argparse.ArgumentParser() +parser.add_argument('--create', '-c', help='Untuk kalian bisa membuat file baru') +args = parser.parse_args() + +if args.create: + with open(args.create, 'w') as file: + file.write('Berhasil membuat berkas dengan CLI...') + file.close() + +``` +Setelah program dijalankan tentu saja kita akan mendapatkan file baru di dalam direktori tempat program kita berada. diff --git a/object_oriented/advance/pycode/argument/args.py b/object_oriented/advance/pycode/argument/args.py new file mode 100644 index 00000000..de8732f3 --- /dev/null +++ b/object_oriented/advance/pycode/argument/args.py @@ -0,0 +1,19 @@ +import sys +from getopt import getopt, GetoptError +from typing import List + + +try: + argv: List[str] = sys.argv[1:] + opts, args = getopt(argv, "c:", ["create="]) + +except GetoptError as e: + raise e + +for opt, arg in opts: + if opt in ["-c", "--create"]: + with open(arg, "w") as file: + res = file.write("Berhasil membuat berkas dengan CLI...") + file.close() + else: + ... diff --git a/object_oriented/advance/pycode/decorators/README.md b/object_oriented/advance/pycode/decorators/README.md new file mode 100644 index 00000000..69bf56dd --- /dev/null +++ b/object_oriented/advance/pycode/decorators/README.md @@ -0,0 +1,172 @@ +

+ Python Advance +

+ +# Decorators di Python + +Decorators adalah alat yang sangat kuat dan berguna dalam Python karena memungkinkan pemrogram mengubah perilaku suatu fungsi atau kelas. Dekorator mengizinkan kita menggabungkan fungsi lain untuk memperluas perilaku fungsi yang dibungkus, tanpa mengubahnya secara permanen. + +> Namun sebelum mendalami fungsi dekorator, mari kita pahami beberapa konsep yang akan berguna dalam mempelajari fungsi dekorator. Untuk melihat contoh beberapa silahkan lihat di [Contoh Decorators](../object_oriented/advance/pycode/decorators/contoh_decorators.md) + +# Decorators + +Seperti yang dinyatakan di atas, dekorator digunakan untuk mengubah perilaku fungsi atau kelas. Di Dekorator, fungsi diambil sebagai argumen ke dalam fungsi lain dan kemudian dipanggil di dalam fungsi pembungkus. + +Setelah kita mempelajari bersama mengenai beberapa contoh-contoh tentang fungsi diatas, sekarang saatnya untuk kita mempelajari Decorators Function bersama-sama. + +Dalam membuat Decorator tentu saja kerap kaitannya dengan fungsi, yaa namanya juga Decorator Function kalau bukan fungsi apa lagi. + +## Contoh Syntax Decorators + +```py +@bellshade # <- Decorators dari sintaks fungsi (bellshade) +def wpu_store(): # <- Membuat fungsi dengan nama (wpu_store) + return 'Web Programming UNPAS!' # <- Mengembalikan nilai string [Web Programming UNPAS!] + +''' +--> Kode di atas setara dengan <-- + +def wpu_store(): <- Membuat fungsi dengan nama (wpu_store) + return 'Web Programming UNPAS!' <- Menampilkan nilai string [Web Programming UNPAS!] dari fungsi (wpu_store) + +wpu = bellshade(wpu_store) <- Membuat variable / objek (wpu) + +wpu() <- Mengeksekusi fungsi bellshade dengan perantara variable wpu +''' +``` + +## Decorators Mengubah Perilaku: + +```py +from typing import Callable + + +# Decorators +def bellshade(func : Callable) -> Callable: + + + def wrap(str1 : str) -> str: + return f'Selamat datang {str1}' + + return wrap # <- Mengembalikan fungsi (wrap) sebagai fungsi terdalam (bellshade) + + +# ----------| Cara Penggunaan Decorators |---------- # +@bellshade +def wpu(str1 : str) -> str: + return str1 + +``` + +saat program di jalankan, akan menampilkan: + +```console +> Selamat datang Bellshade +``` + +### Bagaimana jika suatu fungsi mengembalikan sesuatu atau argumen parameter yang diteruskan ke fungsi tersebut? + +Pada contoh kasus di bawah ini masih memiliki kesalahan dan menyebabkan TypeError. + +```py +from typing import Union, Callable + + +def openseries(func : Callable) -> Callable: + def wrap(*args) -> Union[int, float]: + return_val = func() + return return_val + return wrap + + +@openseries +def add(a : Union[int, float], b : Union[int, float]) -> Union[int, str]: + return f'Hasil dari parameter a & b ({a} + {b} = {a + b})' + + +print(add(5, 9)) + +``` + +Saat kita jalankan programnya, maka kita akan mendapatkan berupa surat cinta :D seperti di bawah ini: + +```console +Traceback (most recent call last): + File "/..../Python/object_oriented_programming/advance/pycode/decorators/decorators_return.py", line 19, in + print(add(5,9)) + ^^^^^^^^ +TypeError: openseries..wrap() takes 0 positional arguments but 2 were given +``` + +Lalu, cara menyelesaikan masalah TypeError gimana? +Heiiitss... Tenang dulu, disini kita akan memperbaikinya bersama-sama. Jadi kamu gak perlu khawatir dengan Errornya. + +Untuk menyelesaikannya kita cukup menambahkan code: `*args` didalam fungsi **wrap & func**, supaya kita tidak perlu menuliskan codenya 1 per 1 parameter argumennya. Sekarang mari kita coba kirim balik surat cintanya :D + +```py +# from typing import Union, Callable + + +def openseries(func : Callable) -> Callable: + def wrap(*args : Union[int, float]) -> Union[int, float]: + return_val = func(*args) + return return_val + return wrap + + +@openseries +def add(a : Union[int, float], b : Union[int, float]) -> Union[int, str]: + return f'Hasil dari parameter a & b ({a} + {b} = {a + b})' + + +print(add(5, 9)) + +``` +Pada saat program kita jalankan kembali, maka surat cinta yang tadi kita dapatkan udah gak muncul lagi loh... + +```console +> Hasil dari parameter a & b (5 + 9 = 14) +``` + +# Chaining Decorators (Rantai Decorators) + +Pada contoh kali ini kita akan membuat 2 fungsi yakni **add & add_quadrat**, langsung saja kita pelari bersama-sama cara menuliskan rantai decorators. + +```py +from typing import Callable + + +# DECORATORS CHAINING +def add(func : Callable) -> Callable: + + + def wrap() -> int: + x = func() + return x + x + return wrap + + +def add_quadrat(func : Callable) -> Callable: + + + def wrap() -> int: + x = func() + return x**2 + return wrap + + +# Cara menggunakan rantai decorators +@add +@add_quadrat +def num1() -> int: + return 25 + + +@add_quadrat +@add +def num2() -> int: + return 25 + +``` + +Horeee.... Selamat kita sudah sampai pada puncak mengenai materi cara membuat _**Decorators Function**_, jika teman-teman masih bingung dengan materi decorators ini. Sangat di sarankan untuk teman-teman senua mempelajari ulang mengenai fungsi / definisi python secara Procedural Oriented Programming tanpa harus memulai dengan Object Oriented Programming. \ No newline at end of file diff --git a/object_oriented/advance/pycode/decorators/contoh_decorators1.py b/object_oriented/advance/pycode/decorators/contoh_decorators1.py new file mode 100644 index 00000000..b7c3da22 --- /dev/null +++ b/object_oriented/advance/pycode/decorators/contoh_decorators1.py @@ -0,0 +1,15 @@ +# Contoh Decorator 1 +def menyapa(nama: str) -> str: + """Contoh pada decorator yang satu ini, kita hanya cukup satu fungsi + yang mengembalikan nilai Uppercase + :param nama: masukan bellshade pada parameter nama + >>> nama = "bellshade" + >>> salam = menyapa + >>> salam(nama) + 'BELLSHADE' + """ + return nama.upper() + + +def test_menyapa(): + assert "BELLSHADE" == menyapa("bellshade") diff --git a/object_oriented/advance/pycode/decorators/contoh_decorators2.py b/object_oriented/advance/pycode/decorators/contoh_decorators2.py new file mode 100644 index 00000000..c7b855be --- /dev/null +++ b/object_oriented/advance/pycode/decorators/contoh_decorators2.py @@ -0,0 +1,34 @@ +from typing import Callable + + +# Contoh Decorator 2 +def wpu(str1: str) -> str: + # Fungsi wpu yang mengembalikan nilai string upper + return str1.upper() + + +def terbuka(str2: str) -> str: + # Fungsi terbuka yang mengembalikan nilai string lower + return str2.lower() + + +def bellshade(func: Callable) -> str: + """ + Fungsi ini akan menampung fungsi dari luar fungsi bellshade + :param func: parameter fungsi yang akan menampung fungsi lainnya + >>> mhs1 = wpu + >>> mhs2 = terbuka + >>> bellshade(mhs1) + 'HALO SOBAT BELLSHADE!!!' + >>> bellshade(mhs2) + 'halo sobat bellshade!!!' + """ + return func("Halo Sobat bellshade!!!") + + +def test_func_upper(): + assert "HALO SOBAT BELLSHADE!!!" == bellshade(wpu) + + +def test_func_lower(): + assert "halo sobat bellshade!!!" == bellshade(terbuka) diff --git a/object_oriented/advance/pycode/decorators/contoh_decorators3.py b/object_oriented/advance/pycode/decorators/contoh_decorators3.py new file mode 100644 index 00000000..0e001e21 --- /dev/null +++ b/object_oriented/advance/pycode/decorators/contoh_decorators3.py @@ -0,0 +1,30 @@ +from typing import Callable + + +# Contoh Decorator 3 +def users(nama: str) -> Callable: + """ + Fungsi ini hanya mengembalikan sebuah fungsi + :param name: Parameter nama dari fungsi users + >>> nama = 'Udin' + >>> belajar = users(nama) + >>> belajar('Python') + 'Udin sedang belajar: Python' + """ + + def belajar(str1: Callable) -> str: + """ + Fungsi ini akan membungkus parameter dari users + """ + + # Return ini mengembalikan nilai untuk fungsi (belajar) + return f"{nama} sedang belajar: {str1}" + + # Di return terluar, kita akan mengembalikan nilai berupa fungsi (belajar) + return belajar + + +def test_input_user(): + name = "Udin" + belajar = users(name) + assert "Udin sedang belajar: Python" == belajar("Python") diff --git a/object_oriented/advance/pycode/decorators/contoh_decoratos.md b/object_oriented/advance/pycode/decorators/contoh_decoratos.md new file mode 100644 index 00000000..26c77f32 --- /dev/null +++ b/object_oriented/advance/pycode/decorators/contoh_decoratos.md @@ -0,0 +1,86 @@ +# Contoh Decorators + +## Contoh 1: Menjadikan Fungsi Sebagai Objek + +Pada contoh kita yang pertama, kita akan membuat fungsi dengan nama **menyapa**. + +```py +# Contoh Decorator 1 +def menyapa(nama : str) -> str: + """Contoh pada decorator yang satu ini, kita hanya cukup satu fungsi + yang mengembalikan nilai Uppercase + :param nama: masukan bellshade pada parameter nama + >>> nama = "bellshade" + >>> salam = menyapa + >>> salam(nama) + 'BELLSHADE' + """ + return nama.upper() + +``` + +## Contoh 2: Menjadikan Fungsi Sebagai Parameter Fungsi + +Pada contoh kita yang kedua, kita akan membuat beberapa fungsi dengan nama **wpu, terbuka, & bellshade**. + +```py +from typing import Callable + + +# Contoh Decorator 2 +def wpu(str1 : str) -> str: + # Fungsi wpu yang mengembalikan nilai string upper + return str1.upper() + + +def terbuka(str2 : str) -> str: + # Fungsi terbuka yang mengembalikan nilai string lower + return str2.lower() + + +def bellshade(func : Callable) -> str: + """ + Fungsi ini akan menampung fungsi dari luar fungsi bellshade + :param func: parameter fungsi yang akan menampung fungsi lainnya + >>> mhs1 = wpu + >>> mhs2 = terbuka + >>> bellshade(mhs1) + 'HALO SOBAT BELLSHADE!!!' + >>> bellshade(mhs2) + 'halo sobat bellshade!!!' + """ + return func("Halo Sobat bellshade!!!") + +``` + +## Contoh 3: Mengembalikan Fungsi Di Dalam Fungsi + +Pada contoh kita yang ketiga, kita akan membuat beberapa fungsi dengan nama **users & belajar**. + +```py +from typing import Callable + + +# Contoh Decorator 3 +def users(nama : str) -> Callable: + """ + Fungsi ini hanya mengembalikan sebuah fungsi + :param name: Parameter nama dari fungsi users + >>> nama = 'Udin' + >>> belajar = users(nama) + >>> belajar('Python') + 'Udin sedang belajar: Python' + """ + + def belajar(str1 : Callable) -> str: + """ + Fungsi ini akan membungkus parameter dari users + """ + + # Return ini mengembalikan nilai untuk fungsi (belajar) + return f'{nama} sedang belajar: {str1}' + + # Di return terluar, kita akan mengembalikan nilai berupa fungsi (belajar) + return belajar + +``` \ No newline at end of file diff --git a/object_oriented/advance/pycode/decorators/decorators.py b/object_oriented/advance/pycode/decorators/decorators.py new file mode 100644 index 00000000..b2d34b3c --- /dev/null +++ b/object_oriented/advance/pycode/decorators/decorators.py @@ -0,0 +1,29 @@ +from typing import Callable + + +# Decorators +def bellshade(func: Callable) -> Callable: + """ + Fungsi ini akan kita jadikan sebagai decoratord decorators (@) + Saat Mengeksekusi, kita cukup panggil Fungsi wpu + >>> wpu('Bellshade') + 'Selamat datang Bellshade' + """ + + def wrap(str1: str) -> str: + return f"Selamat datang {str1}" + + return wrap # <- Mengembalikan fungsi (wrap) sebagai fungsi terdalam (bellshade) + + +@bellshade +def wpu(str1: str) -> str: + return str1 + + +# ----------| Cara Penggunaan Decorators |---------- # +def test_decorators(): + @bellshade + def wpu(str1): + return str1 + assert str1 == "Bellshade" diff --git a/object_oriented/advance/pycode/decorators/decorators_chaining.py b/object_oriented/advance/pycode/decorators/decorators_chaining.py new file mode 100644 index 00000000..c5dba2ee --- /dev/null +++ b/object_oriented/advance/pycode/decorators/decorators_chaining.py @@ -0,0 +1,51 @@ +from typing import Callable + + +# DECORATORS CHAINING +def add(func: Callable) -> Callable: + """ + Fungsi ini akan memanggil fungsi lain dan mengembalikan fungsi + >>> num1() + 1250 + """ + + def wrap() -> int: + x = func() + return x + x + + return wrap + + +def add_quadrat(func: Callable) -> Callable: + """ + Fungsi ini akan memanggil fungsi lain dan mengembalikan fungsi + >>> num2() + 2500 + """ + + def wrap() -> int: + x = func() + return x**2 + + return wrap + + +# Cara menggunakan rantai decorators +@add +@add_quadrat +def num1() -> int: + return 25 + + +@add_quadrat +@add +def num2() -> int: + return 25 + + +def test_add(): + assert num1() == 1250 + + +def test_add_quadrat(): + assert num2() == 2500 diff --git a/object_oriented/advance/pycode/decorators/decorators_return.py b/object_oriented/advance/pycode/decorators/decorators_return.py new file mode 100644 index 00000000..c4419062 --- /dev/null +++ b/object_oriented/advance/pycode/decorators/decorators_return.py @@ -0,0 +1,27 @@ +from typing import Union, Callable + + +def openseries(func: Callable) -> Callable: + """ + Fungsi openseries akan di jadikan sebagai decorators yang mengembalikan fungsi + Sekarang coba jalankan fungsi add yang di decorators fungsi openseries + >>> a = 5 + >>> b = 9 + >>> add(a, b) + '(5 + 9): 14' + """ + + def wrap(*args: Union[int, float]) -> Union[int, float]: + return_val = func(*args) + return return_val + + return wrap + + +@openseries +def add(a: Union[int, float], b: Union[int, float]) -> Union[int, str]: + return f"({a} + {b}): {a + b}" + + +def test_openseries_add_func(): + assert add(5, 9) == "(5 + 9): 14" diff --git a/object_oriented/advance/pycode/generators/README.md b/object_oriented/advance/pycode/generators/README.md new file mode 100644 index 00000000..fe7c8691 --- /dev/null +++ b/object_oriented/advance/pycode/generators/README.md @@ -0,0 +1,83 @@ +

+ Python Advance +

+ +# Generators + +Generators: Alat atau sumber daya yang akan menghasilkan jenis kode atau bahasa pemrograman komputer tertentu. + +Dengan generator juga kita bisa membuat apapun baik itu Fake EmailDNS, User Fullname, HEX to RGB, dan masih banyak yang lainnya. + +## Cara membuat kode generator sederhana + +Kita bisa membuat angka acak mulai dari sekian ke sekian yang di kuadratkan berapapun nilai yang kita inginkan untuk di hasilkan. + +### Membuat Generators dengan For + +```py +from functools import wraps +from typing import Callable + + +# GENERATORS FOR +def Generators(func : Callable) -> Callable: + + + @wraps(func) + def start() -> int: + i : int = 1 + for i in range(13, 50): + i**func() + return i + return start + + +@Generators +def coba1(): + return 7 + + +if __name__ == '__main__': + coba1() + +``` + +### Membuat Generators dengan While + +```py +from typing import Union + + +# GENERATORS WHILE +class Generators: + + def __init__(self, target_int : Union[int, float], max_repeat : int = 5) -> None: + self.tar_mul = target_int + self.target_repeat_max = max_repeat + + def __call__(self): + self.start_generate() + + def start_generate(self) -> Union[int, float]: + self.indeks = 2 + + try: + while True: + self.indeks += 1 + self.res = self.indeks ** self.tar_mul + print(self.res) + + if self.indeks == self.target_repeat_max: + break + + return self.res + except Exception: + ... + + +app = Generators(7) + +if __name__ == '__main__': + app() + +``` \ No newline at end of file diff --git a/object_oriented/advance/pycode/generators/generators_for.py b/object_oriented/advance/pycode/generators/generators_for.py new file mode 100644 index 00000000..508d15bf --- /dev/null +++ b/object_oriented/advance/pycode/generators/generators_for.py @@ -0,0 +1,43 @@ +from functools import wraps +from typing import Callable + + +# GENERATORS +def Generators(func: Callable) -> Callable: + """ + Fungsi ini akan menerima parameter dari user untuk melakukan generate + ubah bagian range function menjadi [for i in range(random.randint(5,35))] + hapus [return i] jika ingin generate berlanjut + + :param func: Tipe parameter diharuskan object_func + :return: Hasil Generators + >>> coba1() + 49 + """ + + @wraps(func) + def start() -> int: + i: int = 1 + for i in range(13, 50): + i ** func() + return i + + return start + + +def test_generators(): + + @Generators + def coba1(): + return 7 + + assert coba1() == 49 + + +@Generators +def coba1(): + return 7 + + +if __name__ == "__main__": + print(coba1()) diff --git a/object_oriented/advance/pycode/generators/generators_while.py b/object_oriented/advance/pycode/generators/generators_while.py new file mode 100644 index 00000000..63d7bb36 --- /dev/null +++ b/object_oriented/advance/pycode/generators/generators_while.py @@ -0,0 +1,49 @@ +from typing import Union + + +# GENERATORS WHILE +class Generators: + """ + Kelas ini secara default hanya akan menghasilkan 1x generate + :param target_int: Untuk menentukan jumlah hasil generate + :param max_repeat: Untuk membatas perulangan agar berhenti dan tidak overloop + Jika kamu ingin mendapatkan hasil generate secara berkala hapus [return selft.res] + + >>> app = Generators(7) + >>> app() + 2187 + """ + + def __init__(self, target_int: Union[int, float], max_repeat: int = 5) -> None: + self.tar_mul = target_int + self.target_repeat_max = max_repeat + + def __call__(self): + self.start_generate() + + def start_generate(self) -> None: + self.indeks = 2 + + try: + while True: + self.indeks += 1 + self.res = self.indeks**self.tar_mul + print(self.res) + + if self.indeks == self.target_repeat_max: + break + + return self.res + except Exception: + ... + + +def test_generate_dengan_attribute(): + app = Generators(7) + assert app.start_generate() == 2187 + + +app = Generators(7) + +if __name__ == "__main__": + app() diff --git a/object_oriented/advance/pycode/magic_methods/Mmethod.py b/object_oriented/advance/pycode/magic_methods/Mmethod.py new file mode 100644 index 00000000..dc8da1aa --- /dev/null +++ b/object_oriented/advance/pycode/magic_methods/Mmethod.py @@ -0,0 +1,29 @@ +class Pastikom: + + def __init__(self, yourname: str, email: str) -> None: + """Magic Method + Kelas Pastikom memiliki 2 parameter dan/atau argumen + :param yourname: tuliskan nama mu di parameter pertama + :param email: tuliskan email mu di parameter ke dua + nama = 'Bellshade' + email = bellshade@pastikom.id + >>> Pastikom(nama, email) + Nama: Bellshade + Email: bellshade@pastikom.id + """ + self.name = yourname + self.email = email + + def __repr__(self) -> str: + """Fungsi representasi nilai parameter dan/atau argumen""" + return f"Nama: {self.name}\nEmail: {self.email}" + + def __del__(self) -> str: + """Fungsi informasi jika ada nilai parameter dan/atau argumen yang terhapus""" + return "Oh tidaaaak! Data sudah terhapus :'(" + + +nama: str = "Bellshade" +email: str = "bellshade@pastikom.id" +if __name__ == "__main__": + Pastikom(nama, email) diff --git a/object_oriented/advance/pycode/magic_methods/README.md b/object_oriented/advance/pycode/magic_methods/README.md new file mode 100644 index 00000000..50d61a47 --- /dev/null +++ b/object_oriented/advance/pycode/magic_methods/README.md @@ -0,0 +1,106 @@ +

+ Python Advance +

+ +# Magic Method Python + +Magic Method adalah definisi / fungsi / method yang dimulai dan diakhiri dengan garis bawah 2x atau ganda '__'. Mereka ditentukan oleh kelas bawaan dalam Python dan biasanya digunakan untuk kelebihan beban operator. Disebut juga Dunder Method, Dunder di sini berarti “Double Under (Garis Bawah)”. + +## Cara Penulisan Magic Method Python + +```py +class Pastikom: + + def __init__(self, yourname : str, email : str) -> None: + """Magic Method + Kelas Pastikom memiliki 2 parameter dan/atau argumen + :param yourname: tuliskan nama mu di parameter pertama + :param email: tuliskan email mu di parameter ke dua + nama = 'Bellshade' + email = bellshade@pastikom.id + >>> Pastikom(nama, email) + Nama: Bellshade + Email: bellshade@pastikom.id + """ + self.name = yourname + self.email = email + + def __repr__(self): + """Fungsi representasi nilai parameter dan/atau argumen""" + return f'Nama: { self.name }\nEmail: { self.email }' + + def __del__(self): + """Fungsi informasi jika ada nilai parameter dan/atau argumen yang terhapus""" + return "Oh tidaaaak! Data sudah terhapus :'(" + + +nama : str = "Bellshade" +email : str = "bellshade@pastikom.id" +if __name__ == '__main__': + Pastikom(nama, email) + +``` + +Jika, Kamu ingin mencobanya sendiri melalui cmd / terminal untuk mendapatkan daftar atribut dari _**Magic Mathod**_ dengan Python, buka cmd atau terminal lalu ketik python3 untuk membuka interpreter Python, dan ketik kode berikut: `dir(int)` + +Maka, akan muncul daftar atribut magic method seperti berikut: +```bash +>>> dir(int) +['__abs__', '__add__', '__and__', '__bool__', '__ceil__', '__class__', '__delattr__', '__dir__', '__divmod__', '__doc__', '__eq__', '__float__', '__floor__', '__floordiv__', '__format__', '__ge__', '__getattribute__', '__getnewargs__', '__getstate__', '__gt__', '__hash__', '__index__', '__init__', '__init_subclass__', '__int__', '__invert__', '__le__', '__lshift__', '__lt__', '__mod__', '__mul__', '__ne__', '__neg__', '__new__', '__or__', '__pos__', '__pow__', '__radd__', '__rand__', '__rdivmod__', '__reduce__', '__reduce_ex__', '__repr__', '__rfloordiv__', '__rlshift__', '__rmod__', '__rmul__', '__ror__', '__round__', '__rpow__', '__rrshift__', '__rshift__', '__rsub__', '__rtruediv__', '__rxor__', '__setattr__', '__sizeof__', '__str__', '__sub__', '__subclasshook__', '__truediv__', '__trunc__', '__xor__', 'as_integer_ratio', 'bit_count', 'bit_length', 'conjugate', 'denominator', 'from_bytes', 'imag', 'numerator', 'real', 'to_bytes'] +``` + +### Di bawah ini adalah daftar Magic Method Python dan kegunaannya. + +> Magic Mathod Initialization / Constructor + +1. `__new__` = Dapat di gunakan didalam instansiasi pada suatu object +2. `__init__` = Dapat di panggil dengan method / fungsi `__new__` +3. `__del__` = Untuk memberi informasi jika ada salah satu instansiasi pada object terhapus (deconstructor) + +> Magic Method Numeric + +1. `__trunc__(self)` = Dapat di implementasikan pada `math.trunc()` +2. `__ceil__(self)` = Dapat di implementasikan pada `math.ceil()` +3. `__floor__(self)` = Dapat di implementasikan pada `math.floor()` +4. `__round__(self,n)` = Dapat di implementasikan pada built-in method `round()` +5. `__invert__(self)` = Dapat di implementasikan pada inversi menggunakan operator `~` +6. `__abs__(self)` = Dapat di implementasikan pada built-in method `abs()` +7. `__neg__(self)` = Menerapkan perilaku pada operator negasi +8. `__pos__(self)` = Menerapkan perilaku pada operator unary positif + +> Magic Operator Aritmatika + +1. `__add__(self, other)` = Mengimplementasikan perilaku untuk `math.trunc()` +2. `__sub__(self, other)` = Mengimplementasikan perilaku untuk `math.ceil()` +3. `__mul__(self, other)` = Mengimplementasikan perilaku untuk `math.floor()` +4. `__floordiv__(self, other)` = Mengimplementasikan perilaku untuk putaran `round()` +5. `__div__(self, other)` = Mengimplementasikan perilaku inversi menggunakan operator `~` +6. `__truediv__(self, other)` = Mengimplementasikan perilaku untuk built-in `abs()` +7. `__mod__(self, other)` = Menerapkan perilaku untuk negasi +8. `__divmod__(self, other)` = Menerapkan perilaku untuk unary positif +9. `__pow__` = Mengimplementasikan perilaku eksponen menggunakan operator `**` +10. `__lshift__(self, other)` = Mengimplementasikan pergeseran bitwise kiri menggunakan operator `<<` +11. `__rshift__(self, other)` = Mengimplementasikan pergeseran bitwise kanan menggunakan operator `>>` +12. `__and__(self, other)` = Mengimplementasikan bitwise dan menggunakan operator `&` +13. `__or__(self, other)` = Mengimplementasikan bitwise atau menggunakan operator `|` +14. `__xor__(self, other)` = Mengimplementasikan xor bitwise menggunakan operator `^` (Tilde) + +> Magic Method String + +1. `__str__ (self)` = Mendefinisikan perilaku ketika str() dipanggil pada instance kelas +2. `__repr__(self)` = Untuk dipanggil dengan metode repr() bawaan untuk mengembalikan representasi tipe yang dapat dibaca mesin +3. `__unicode__(self)` = Method ini untuk mengembalikan string unicode dari suatu tipe +4. `__format__(self, formattr)` = Method ini mengembalikan gaya string baru +5. `__hash__(self)` = Ia harus mengembalikan bilangan bulat, dan hasilnya digunakan untuk perbandingan kunci cepat dalam kamus +6. `__nonzero__(self)` = Mendefinisikan perilaku ketika bool() dipanggil pada instance kelas +7. `__dir__(self)` = Method ini untuk mengembalikan daftar atribut suatu kelas +8. `__sizeof__( self)` = Method ini mengembalikan ukuran objek + +> Magic Method Compasion (Perbandingan) + +1. `__persamaan__(self, other)` = Mendefinisikan perilaku untuk operator kesetaraan `==` +2. `__ne__(self, other)` = Mendefinisikan perilaku untuk operator pertidaksamaan `!=` +3. `__lt__(self, other)` = Mendefinisikan perilaku untuk operator yang kurang dari `<` +4. `__gt__(self, other)` = Mendefinisikan perilaku untuk operator yang lebih besar dari `>` +5. `__le__(self, other)` = Mendefinisikan perilaku untuk operator yang kurang dari atau sama dengan `<=` +6. `__ge__(self, other)` = Mendefinisikan perilaku untuk operator yang lebih besar dari atau sama dengan `>=` \ No newline at end of file diff --git a/object_oriented/advance/pycode/metaclass/README.md b/object_oriented/advance/pycode/metaclass/README.md new file mode 100644 index 00000000..4d1c6c54 --- /dev/null +++ b/object_oriented/advance/pycode/metaclass/README.md @@ -0,0 +1,20 @@ +

+ Python Advance +

+ +### Table of Content + +> | Nama Materi | Link | Status | +> | --- | --- | --- | +> | *Factory Pattern* | [Lihat Materi](pycode/magic_methods) | Completed | +> | *Proxy Pattern* | [Lihat Materi](pycode/decorators) | Completed | +> | *Singleton Pattern* | [Lihat Materi](pycode/generators) | Completed | +> | *Composite Pattern* | [Lihat Materi](pycode/generators) | Coming Soon | +> | *Facade Pattern* | [Lihat Materi](pycode/argument) | Coming Soon | +> | *Observer Pattern* | [Lihat Materi](pycode/type_hint) | Coming Soon | +> | *Builder Pattern* | [Lihat Materi](pycode/metaclass) | Coming Soon | +> | *Adapter Pattern* | [Lihat Materi](pycode/metaclass) | Coming Soon | +> | *Bridge Pattern* | [Lihat Materi](pycode/metaclass) | Coming Soon | +> | *Prototype Pattern* | [Lihat Materi](pycode/metaclass) | Coming Soon | +> | *Abstract Factory Pattern* | [Lihat Materi](pycode/metaclass) | Coming Soon | +> | *Decorators Pattern* | [Lihat Materi](pycode/metaclass) | Coming Soon | \ No newline at end of file diff --git a/object_oriented/advance/pycode/metaclass/composite.py b/object_oriented/advance/pycode/metaclass/composite.py new file mode 100644 index 00000000..b02606ac --- /dev/null +++ b/object_oriented/advance/pycode/metaclass/composite.py @@ -0,0 +1,87 @@ +import logging +from src import IJurusan + +# Logging Config +logging.basicConfig(format="%(levelname)s: %(message)s", level=logging.DEBUG) + + +class Informatika(IJurusan): + """Kelas ini akan mengimplementasi kelas abstrak IJurusan + yang memiliki parameter mahasiswa dari kelas abstrak + :param mahasiswa: Parameter untuk jumlah Informatika + ada berapa jumlah mahasiswa Informatika. + >>> mhs1 = Informatika(30) + >>> mhs1.jumlah_mahasiswa() + 30 + """ + + def __init__(self, mahasiswa): + self.mahasiswa = int(mahasiswa) + + def jumlah_mahasiswa(self): + return self.mahasiswa + + +class Management(IJurusan): + """Kelas ini akan mengimplementasi kelas abstrak IJurusan + yang memiliki parameter mahasiswa dari kelas abstrak + :param mahasiswa: Parameter untuk jumlah Management + ada berapa jumlah mahasiswa Management. + >>> mhs1 = Management(10) + >>> mhs1.jumlah_mahasiswa() + 10 + """ + + def __init__(self, mahasiswa): + self.mahasiswa = int(mahasiswa) + + def jumlah_mahasiswa(self): + return self.mahasiswa + + +class Jurusan(IJurusan): + """Kelas ini akan mengimplementasi kelas abstrak IJurusan + yang memiliki parameter mahasiswa dari kelas abstrak + :param mahasiswa: Parameter ini harus berisikan informasi + ada berapa jumlah mahasiswa Management. + >>> mhs1 = Informatika(30) + >>> mhs2 = Management(20) + >>> jurusan = Jurusan(2) + >>> jurusan.data_jurusan(mhs1) + >>> jurusan.data_jurusan(mhs2) + >>> jurusan.jumlah_mahasiswa() + """ + + def __init__(self, mahasiswa): + self.mahasiswa = mahasiswa + self.jurusan_dasar = mahasiswa + self.jumlah_jurusan = [] + + def data_jurusan(self, mahasiswa_jurusan): + self.jumlah_jurusan.append(mahasiswa_jurusan) + self.mahasiswa += mahasiswa_jurusan.jumlah_mahasiswa() + + def jumlah_mahasiswa(self): + logging.debug(f"Jumlah jurusan dasar: {self.jurusan_dasar}") + for jurusan in self.jumlah_jurusan: + logging.debug(f"{type(jurusan).__name__}: {jurusan.jumlah_mahasiswa()}") + logging.debug(f"Total mahasiswa: {self.mahasiswa}") + + +def test_insert_data_informatika(): + mhs = Informatika(100) + assert 100 == mhs.jumlah_mahasiswa() + + +def test_insert_data_management(): + mhs = Management(50) + assert 50 == mhs.jumlah_mahasiswa() + + +if __name__ == "__main__": + p1 = Informatika(30) + p2 = Management(50) + jurusan = Jurusan(2) + jurusan.data_jurusan(p1) + jurusan.data_jurusan(p2) + jurusan.jumlah_mahasiswa() diff --git a/object_oriented/advance/pycode/metaclass/docs/composite.md b/object_oriented/advance/pycode/metaclass/docs/composite.md new file mode 100644 index 00000000..1baff53e --- /dev/null +++ b/object_oriented/advance/pycode/metaclass/docs/composite.md @@ -0,0 +1,135 @@ +

+ Composite Design Pattern +

+ +# Composite Pattern + +Dalam rekayasa perangkat lunak, pola komposit adalah pola desain partisi. Pola komposit mendeskripsikan sekelompok objek yang diperlakukan dengan cara yang sama seperti satu contoh objek dengan tipe yang sama. + +Tujuan dari komposit adalah untuk "menyusun" objek ke dalam struktur pohon untuk mewakili hierarki sebagian-keseluruhan. Menerapkan pola komposit memungkinkan klien memperlakukan objek dan komposisi individual secara seragam. + +### 1. Buatlah file dengan nama Composite + +Sama seperti materi sebelumnya, bahwa kita mengharuskan membuat kelas yang abstrak untuk kita jadikan sebagai pacuan kita membuat kelas templatenya + +```py +import logging +from abc import ABCMeta, abstractmethod, abstractstaticmethod + +# Logging Config +logging.basicConfig(format='%(levelname)s: %(message)s', level=logging.DEBUG) + + +# COMPOSITE DESIGN PATTERN +class IJurusan(metaclass=ABCMeta): + + @abstractmethod + def __init__(self, mahasiswa): + """ Implement in child Class """ + + @abstractstaticmethod + def jumlah_mahasiswa(self): + pass +``` + +### 2. Tambahkan beberapa kelas yang dibutuhkan + +Kelas Informatika +```py +class Informatika(IJurusan): + """Kelas ini akan mengimplementasi kelas abstrak IJurusan + yang memiliki parameter mahasiswa dari kelas abstrak + :param mahasiswa: Parameter untuk jumlah Informatika + ada berapa jumlah mahasiswa Informatika. + >>> mhs1 = Informatika(30) + >>> mhs1.jumlah_mahasiswa() + 30 + """ + + def __init__(self, mahasiswa): + self.mahasiswa = int(mahasiswa) + + def jumlah_mahasiswa(self): + return self.mahasiswa +``` + +Kelas Management +```py +class Management(IJurusan): + """Kelas ini akan mengimplementasi kelas abstrak IJurusan + yang memiliki parameter mahasiswa dari kelas abstrak + :param mahasiswa: Parameter untuk jumlah Management + ada berapa jumlah mahasiswa Management. + >>> mhs1 = Management(10) + >>> mhs1.jumlah_mahasiswa() + 10 + """ + + def __init__(self, mahasiswa): + self.mahasiswa = int(mahasiswa) + + def jumlah_mahasiswa(self): + return self.mahasiswa +``` + +### 3. Sekarang kita buat kelas Jurusan yang kita fungsikan sebagai Composite + +```py +class Jurusan(IJurusan): + """Kelas ini akan mengimplementasi kelas abstrak IJurusan + yang memiliki parameter mahasiswa dari kelas abstrak + :param mahasiswa: Parameter ini harus berisikan informasi + ada berapa jumlah mahasiswa Management. + >>> mhs1 = Informatika(30) + >>> mhs2 = Management(20) + >>> jurusan = Jurusan(2) + >>> jurusan.data_jurusan(mhs1) + >>> jurusan.data_jurusan(mhs2) + >>> jurusan.jumlah_mahasiswa() + """ + + def __init__(self, mahasiswa): + self.mahasiswa = mahasiswa + self.jurusan_dasar = mahasiswa + self.jumlah_jurusan = [] + + def data_jurusan(self, mahasiswa_jurusan): + self.jumlah_jurusan.append(mahasiswa_jurusan) + self.mahasiswa += mahasiswa_jurusan.jumlah_mahasiswa() + + def jumlah_mahasiswa(self): + logging.debug(f'Jumlah jurusan dasar: {self.jurusan_dasar}') + for jurusan in self.jumlah_jurusan: + logging.debug(f'{type(jurusan).__name__}: {jurusan.jumlah_mahasiswa()}') + logging.debug(f'Total mahasiswa: {self.mahasiswa}') +``` + +Jangan lupakan ifmain jika kita ingin menjalankan program ini dengan kelss yang kita inginkan agar bisa berjalan sebagai landasan awal program kita +```py +if __name__ == '__main__': + p1 = Informatika(30) + p2 = Management(50) + jurusan = Jurusan(2) + jurusan.data_jurusan(p1) + jurusan.data_jurusan(p2) + jurusan.jumlah_mahasiswa() +``` + +Saat program kita jalankan, maka kita akan mendapatkan hasil seperti dibawah ini jika penulisan program kita sudah benar + +```console +DEBUG: Jumlah jurusan dasar: 2 +DEBUG: Informatika: 30 +DEBUG: Management: 50 +DEBUG: Total mahasiswa: 82 +``` + +Jika teman-teman ingin mengujinya menggunakan Pytest, berikut ini adalah penulisan kode yang untuk di uji oleh Pytest + +```py +def test_insert_data_informatika(): + mhs = Informatika(100) + assert 100 == mhs.jumlah_mahasiswa() +``` + +Sebelumnya: [Singleton Pattern](singleton.md) | Selanjutnya: [Facade Pattern (Coming Soon)](facade.md) \ No newline at end of file diff --git a/object_oriented/advance/pycode/metaclass/docs/factory.md b/object_oriented/advance/pycode/metaclass/docs/factory.md new file mode 100644 index 00000000..1628133d --- /dev/null +++ b/object_oriented/advance/pycode/metaclass/docs/factory.md @@ -0,0 +1,130 @@ +

+ Factory Design Pattern +

+ +# Factory Pattern + +Dalam pemrograman yang berorientasi objek, merupakan suatu pola yang biasa di sebut sebagai metode pabrik adalah pola kreasi yang menggunakan metode pabrik untuk menangani masalah pembuatan objek tanpa harus menentukan kelas pasti dari objek yang akan dibuat. + +Saat kita membuat suatu pola tertentu, pasti akan erat kaitannya dengan metaclass / dataclass yang masih merupakan Blueprint sebagai landasan awal sebelum di implementasikan ke client object. Sebagai langkah awal mari sama-sama kita buat terlebih dahulu Interface dan/atau bisa di sebut juga sebagai Blueprint Class yang masih sangat abstrak. + +### 1. Buatlah file dengan nama factory atau nama apapun + +```py +import sys +import logging +from abc import ABCMeta, abstractstaticmethod + + +# FACTORY DESIGN PATTERN +class IPeople(metaclass=ABCMeta): + __nama: str + __posisi: str + + @abstractstaticmethod + def major(self) -> str: + return '' + """ Interface IPeople Method """ +``` +Kedua kode diatas sama fungsinya untuk kita membuat kode program yang abstrak sama seperti bahasa program lainnya. + +Karena kita ingin membuat sebuah Blueprint maka, tentu saja kita membutuhkan sebuah Blueprint Abstrak dari kelas ABC / ABCMeta. Python tidak seperti bahasa pemrograman yang lain yang bisa dengan langsung membuat sebuah program yang abstrak maupun interface. + +Bagaimana cara kita untuk bisa membuat program yang masih Abstrak / Interface? Kita hanya perlu memanggil package module abc untuk melakukan penulisan kode yang abstraksi. + +### 2. Kita tambahkan beberapa kelas + +#### Kelas Mahasiswa +```py +class Mahasiswa(IPeople): + + __nama: str = 'Bellshade' + __posisi: str = 'Mahasiswa UNPAS' + + def __call__(self) -> None: + logging.basicConfig(format='%(levelname)s: %(message)s', level=logging.DEBUG) + logging.debug(f'Nama: {self.__nama}') + logging.debug(f'Posisi: {self.major()}') + + def major(self): + return __class__.__posisi +``` + +#### Kelas Dosen +```py +class Dosen(IPeople): + + __nama: str = 'Sandhika Galih' + __posisi: str = 'Dosen UNPAS' + + def __call__(self): + logging.basicConfig(format='%(levelname)s: %(message)s', level=logging.DEBUG) + logging.debug(f'Nama: {self.__nama}') + logging.debug(f'Posisi: {self.major()}') + + def major(self): + return __class__.__posisi +``` + +### 3. Sekarang kita buat kelas Factory + +```py +class PeopleFactory: + + @staticmethod + def create_people(role_people): + if role_people[0].lower() == 'mahasiswa': + return mhs() + elif role_people[0].lower() == 'dosen': + return dosen() + else: + logging.warning('Argument tidak dikenal!') +``` + +Setelah semua kode kita tulis seperti diatas, sekarang kita coba buat instansiasikan dari kelas yang sudah kita buat. +```py +mhs = Mahasiswa() +dosen = Dosen() +``` + +Karena kita memggunakan module `sys & logging` untuk mengambil nilai argument mahasiswa dan/atau dosen dari konsol kita agar kode kita terlihat rapih. + +```py +if __name__ == '__main__': + prompt = sys.argv[1:] + try: + if len(prompt) >= 0: + PeopleFactory.create_people(prompt) + except IndexError: + logging.basicConfig(format='%(levelname)s: %(message)s', level=logging.WARN) + logging.warning('Argument mahasiswa atau dosen tidak terdeteksi!') +``` + +Yuk, sekarang kita coba jalankan program kita di konsol mau itu lewat CMD / Terminal lainnya. + +```console +> python factory.py +``` +Jika kita tidak memberikan argument mahasiswa atau dosen, maka akan muncul pesan error. + +

WARNING: Argument mahasiswa atau dosen tidak terdeteksi!

+ +Lalu bagaimana jika kita memasukan argument tapi terdapat tulisan yang salah (Typo...). Sama seperti halnya di atas, jika tidak memberikan argument atau memiliki kesalahan penulisan maka akan muncul pesan error di hadapan kita. +```console +> python factory.py mahasiwa +``` +Maka hasilnya adalah... +

WARNING:root:Argument tidak dikenal!

+ +Jika kita menuliskan argument dengan benar, kita tidak akan mendapatkan pesan error seperti diatas. +```console +> python factory.py mahasiwa +``` + +dan sekarang lihatlah hasil yang didapat jika kita menuliskannya dengan benar. +```console +DEBUG: Nama: Sandhika Galih +DEBUG: Posisi: Dosen UNPAS +``` + +Selanjutnya: [Proxy Pattern](proxy.md) \ No newline at end of file diff --git a/object_oriented/advance/pycode/metaclass/docs/proxy.md b/object_oriented/advance/pycode/metaclass/docs/proxy.md new file mode 100644 index 00000000..fa98c350 --- /dev/null +++ b/object_oriented/advance/pycode/metaclass/docs/proxy.md @@ -0,0 +1,121 @@ +

+ Proxy Design Pattern +

+ +# Proxy Pattern + +Dalam pemrograman yang berorientasi objek, pola proxy adalah pola desain perangkat lunak. Proxy, dalam bentuknya yang paling umum adalah kelas yang berfungsi sebagai antarmuka untuk sesuatu yang lain. + +Cara penulisan kode saat ini, tidaklah jauh berbeda dengan materi **[Factory Patter](factory.md)** sebelumnya, yang membedakan hanya pada Interface dan/atau Abstrak kelasnya serta ada penambahan kelas yang baru. + +### 1. Buatlah file dengan nama proxy + +```py +import logging +from src import IUniv +from typing import Callable + +# Logging Config +logging.basicConfig(format='%(levelname)s: %(message)s', level=logging.DEBUG) + +# PROXY DESIGN PATTERN +class IUniv(metaclass=ABCMeta): + + @abstractstaticmethod + def division(self): + """ Interface IUniv Method """ +``` + +### 2. Lanjutkan dengan menuliskan beberapa kelas + +Kelas Mahasiswa +```py +class Mahasiswa(IUniv): + """ Kelas ini tidak memiliki parameter tetapi memiliki fungxi + :func division: Fungsi untuk memberikan informasi + >>> guest = Mahasiswa() + >>> guest.division() + """ + + def division(self): + logging.debug('Mahasiswa') +``` + +Kelas Dosen +```py +class Dosen(IUniv): + """ Kelas ini tidak memiliki parameter tetapi memiliki fungxi + :func division: Fungsi untuk memberikan informasi + >>> guest = Dosen() + >>> guest.division() + """ + + def division(self): + logging.debug('Dosen') +``` + +Kelas Rektor +```py +class Rektor(IUniv): + """ Kelas ini tidak memiliki parameter tetapi memiliki fungxi + :func division: Fungsi untuk memberikan informasi + >>> guest = Rektor() + >>> guest.division() + """ + + def division(self): + logging.debug('Rektor') +``` + +### 3. Buat kelas UnivProxy + +```py +class UnivProxy(IUniv): + """ Kelas ini tidak akan menerima parameter apapun, + kelas ini hanya terdiri dari cunstructor init yang + hanya memiliki attribute kelas. + :attribute dosen: Menginstansiasikan kelas Dosen di Pattern + :attribute rektor: Menginstansiasikan kelas Rektor di Pattern + >>> proxy = ProxyPattern() + >>> proxy() + """ + def __init__(self): + self.dosen = Dosen() + self.rektor = Rektor() + self.mahasiswa = Mahasiswa() + + def __call__(self) -> Callable: + self.division() + + def division(self): + logging.debug('ProxyPattern Functionality.\n==========') + self.dosen.division() + self.rektor.division() + self.mahasiswa.division() + logging.debug('ProxyPattern Functionality.\n==========') +``` + +Sebagai langkah terakhir, kita akan eksekusi kelas UnivProxy +```py +if __name__ == '__main__': + proxy: Callable = UnivProxy() + proxy() +``` + +Saat kita jalankan program di konsol kita, maka hasilnya akan kita bisa lihat seperti berikut ini. + +```console +> python proxy.py +``` + +Hasil yang kita inginkan seperti dibawah ini +```console +> DEBUG: ProxyPattern Functionality. +> ========== +> DEBUG: Dosen +> DEBUG: Rektor +> DEBUG: Mahasiswa +> DEBUG: ProxyPattern Functionality. +> ========== +``` +Sebelumnya: [Factory Pattern](factory.md) | Selanjutnya: [Singleton Pattern](singleton.md) \ No newline at end of file diff --git a/object_oriented/advance/pycode/metaclass/docs/singleton.md b/object_oriented/advance/pycode/metaclass/docs/singleton.md new file mode 100644 index 00000000..3123fa96 --- /dev/null +++ b/object_oriented/advance/pycode/metaclass/docs/singleton.md @@ -0,0 +1,105 @@ +

+ Singleton Design Pattern +

+ +# Singleton Pattern + +Dalam rekayasa perangkat lunak, singleton pattern atau bisa di sebut juga pola tunggal adalah pola desain perangkat lunak yang membatasi pembuatan instance kelas menjadi instance tunggal. + +Pada materi-materi sebelumnya kita selalu membuat kelas yang saat di instance tanpa ada batasannya. Nah sekarang kita buat batasan pada pola supaya kelas yang di instance cukup 1x dan/atau jika melebihi akan mendapatkan pesan error. + +### 1. Buatlah file dengan nama singleton + +```py +import logging +from abc import ABCMeta, abstractstaticmethod + +# Logging Config +logging.basicConfig(format='%(levelname)s: %(message)s', level=logging.DEBUG) + +# SINGLETON DESIGN PATTERN +class IMahasiswa(metaclass=ABCMeta): + + @abstractstaticmethod + def log_instance(self): + """ Implement in child Class""" +``` + +### 2. Sekarang saatnya kita buat kelas untuk pola singleton +```py +class SingletonMahasiswa(IMahasiswa): + """Kelas Mahasiswa tidak memiliki argument or params + akan tetapi, setiap kelas yang instance dari IPeople + akan memiliki private variable. + + :param nama: Implementasi variable dari IPeople + :param jurusan: Implementasi variable dari IPeople + + >>> mhs = SingletonMahasiswa('Bellshade', 'Helper') + >>> mhs.log_instance(mhs) + """ + + __instance = None + + @staticmethod + def get_instance(self): + """ Fungsi ini mengambil __instance None, jika instance masih + bertipe None maka akan di isi oleh instance object pertama kali + karena pola Singleton ini membatasi kegunaan instance object. + """ + if SingletonMahasiswa.__instance is None: + SingletonMahasiswa('Bellshade', 'Helper') + else: + return SingletonMahasiswa.__instance + + def __init__(self, nama, jurusan): + if SingletonMahasiswa.__instance is not None: + raise Exception('Singleton tidak dapat membuat instance lebih dari sekali!') + else: + self.nama = nama + self.jurusan = jurusan + SingletonMahasiswa.__instance = self + + @staticmethod + def log_instance(self): + """ + Fungsi ini merupakan implementasi dari kelas Abstrak IMahasiswa + """ + logging.debug(f'Nama: {SingletonMahasiswa.__instance.nama}') + logging.debug(f'Jurusan: {SingletonMahasiswa.__instance.jurusan}') +``` + +### 3. eksekusi kode kita dengan ifmain +```py +if __name__ == '__main__': + p = SingletonMahasiswa('Sandhika Galih', 'Dosen Informatika') + p.log_instance(p) +``` + +Jika kita jalankan programnya di konsol, maka kita akan mendapatkan hasil seperti di bawah: +```console +> DEBUG: Nama: Sandhika Galih +> DEBUG: Jurusan: Dosen Informatika +``` + +Jikalau kita paksakan instance kelas sekali lagi bisa gak yaa? +```py +if __name__ == '__main__': + p = SingletonMahasiswa('Sandhika Galih', 'Dosen Informatika') + p2 = SingletonMahasiswa('Tono', 'Mahasiswa Informatika') + p.log_instance(p) + p2.log_instance(p2) +``` + +Hasil yang kita dapatkan kalau kita tetap ingin memaksa untuk instance kelas sekali lagi + +```console +Traceback (most recent call last): + File "/storage/emulated/0/Dev/Python/object_oriented/advance/pycode/metaclass/singleton.py", line 51, in + p2 = SingletonMahasiswa('Tono', 'Mahasiswa Informatika') + ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ + File "/storage/emulated/0/Dev/Python/object_oriented/advance/pycode/metaclass/singleton.py", line 34, in __init__ + raise Exception('Singleton tidak dapat membuat instance lebih dari sekali!') +Exception: Singleton tidak dapat membuat instance lebih dari sekali! +``` +Sebelumnya: [Proxy Pattern](proxy.md) | Selanjutnya: [Composite Pattern](composite.md) \ No newline at end of file diff --git a/object_oriented/advance/pycode/metaclass/factory.py b/object_oriented/advance/pycode/metaclass/factory.py new file mode 100644 index 00000000..419f30b0 --- /dev/null +++ b/object_oriented/advance/pycode/metaclass/factory.py @@ -0,0 +1,81 @@ +import sys +import logging +from src import IPeople + + +class Mahasiswa(IPeople): + """Kelas Mahasiswa tidak memiliki argument or params + akan tetapi, setiap kelas yang instance dari IPeople + akan memiliki private variable. + + :var __nama: Implementasi variable dari IPeople + :var __posisi: Implementasi variable dari IPeople + + >>> mhs = Mahasiswa() + >>> mhs.major() + 'Mahasiswa UNPAS' + """ + + __nama: str = "Bellshade" + __posisi: str = "Mahasiswa UNPAS" + + def __call__(self) -> None: + logging.basicConfig(format="%(levelname)s: %(message)s", level=logging.DEBUG) + logging.debug(f"Nama: {self.__nama}") + logging.debug(f"Posisi: {self.major()}") + + def major(self): + return __class__.__posisi + + +class Dosen(IPeople): + """Kelas Mahasiswa tidak memiliki argument or param + akan tetapi, setiap kelas yang instance dari IPeople + akan memiliki private variable. + :var __nama: Implementasi variable dari IPeople + :var __posisi: Implementasi variable dari IPeople + >>> mhs = Dosen() + >>> mhs.major() + 'Dosen UNPAS' + """ + + __nama: str = "Sandhika Galih" + __posisi: str = "Dosen UNPAS" + + def __call__(self): + logging.basicConfig(format="%(levelname)s: %(message)s", level=logging.DEBUG) + logging.debug(f"Nama: {self.__nama}") + logging.debug(f"Posisi: {self.major()}") + + def major(self): + return __class__.__posisi + + +class PeopleFactory: + + @staticmethod + def create_people(role_people): + if role_people[0].lower() == "mahasiswa": + return mhs() + elif role_people[0].lower() == "dosen": + return dosen() + else: + logging.warning("Argument tidak dikenal!") + + +def test_major_mahasiswa_factories(): + mhs1 = Mahasiswa() + assert mhs1.major() == "Mahasiswa UNPAS" + + +mhs = Mahasiswa() +dosen = Dosen() + +if __name__ == "__main__": + prompt = sys.argv[1:] + try: + if len(prompt) >= 0: + PeopleFactory.create_people(prompt) + except IndexError: + logging.basicConfig(format="%(levelname)s: %(message)s", level=logging.WARN) + logging.warning("Argument mahasiswa atau dosen tidak terdeteksi!") diff --git a/object_oriented/advance/pycode/metaclass/proxy.py b/object_oriented/advance/pycode/metaclass/proxy.py new file mode 100644 index 00000000..8f32505b --- /dev/null +++ b/object_oriented/advance/pycode/metaclass/proxy.py @@ -0,0 +1,71 @@ +import logging +from src import IUniv +from typing import Callable + + +# Logging Config +logging.basicConfig(format="%(levelname)s: %(message)s", level=logging.DEBUG) + + +class Mahasiswa(IUniv): + """Kelas ini tidak memiliki parameter tetapi memiliki fungxi + :func division: Fungsi untuk memberikan informasi + >>> guest = Mahasiswa() + >>> guest.division() + """ + + def division(self): + logging.debug("Mahasiswa") + + +class Dosen(IUniv): + """Kelas ini tidak memiliki parameter tetapi memiliki fungxi + :func division: Fungsi untuk memberikan informasi + >>> guest = Dosen() + >>> guest.division() + """ + + def division(self): + logging.debug("Dosen") + + +class Rektor(IUniv): + """Kelas ini tidak memiliki parameter tetapi memiliki fungxi + :func division: Fungsi untuk memberikan informasi + >>> guest = Rektor() + >>> guest.division() + """ + + def division(self): + logging.debug("Rektor") + + +class UnivProxy(IUniv): + """Kelas ini tidak akan menerima parameter apapun, + kelas ini hanya terdiri dari cunstructor init yang + hanya memiliki attribute kelas. + :attribute dosen: Menginstansiasikan kelas Dosen di Pattern + :attribute rektor: Menginstansiasikan kelas Rektor di Pattern + >>> proxy = UnivProxy() + >>> proxy() + """ + + def __init__(self): + self.dosen = Dosen() + self.rektor = Rektor() + self.mahasiswa = Mahasiswa() + + def __call__(self): + self.division() + + def division(self): + logging.debug("ProxyPattern Functionality.\n==========") + self.dosen.division() + self.rektor.division() + self.mahasiswa.division() + logging.debug("ProxyPattern Functionality.\n==========") + + +if __name__ == "__main__": + proxy: Callable = UnivProxy() + proxy() diff --git a/object_oriented/advance/pycode/metaclass/singleton.py b/object_oriented/advance/pycode/metaclass/singleton.py new file mode 100644 index 00000000..e528887d --- /dev/null +++ b/object_oriented/advance/pycode/metaclass/singleton.py @@ -0,0 +1,53 @@ +import logging +from src import IMahasiswa + +logging.basicConfig(format="%(levelname)s: %(message)s", level=logging.DEBUG) + + +class SingletonMahasiswa(IMahasiswa): + """Kelas Mahasiswa tidak memiliki argument or params + akan tetapi, setiap kelas yang instance dari IPeople + akan memiliki private variable. + + :param nama: Implementasi variable dari IPeople + :param jurusan: Implementasi variable dari IPeople + + >>> mhs = SingletonMahasiswa('Bellshade', 'Helper') + >>> mhs.log_instance(mhs) + """ + + __instance = None + + @staticmethod + def get_instance(self): + """Fungsi ini mengambil __instance None, jika instance masih + bertipe None maka akan di isi oleh instance object pertama kali + karena pola Singleton ini membatasi kegunaan instance object. + """ + if SingletonMahasiswa.__instance is None: + SingletonMahasiswa("Bellshade", "Helper") + else: + return SingletonMahasiswa.__instance + + def __init__(self, nama, jurusan): + if SingletonMahasiswa.__instance is not None: + raise Exception("Singleton tidak dapat membuat instance lebih dari sekali!") + else: + self.nama = nama + self.jurusan = jurusan + SingletonMahasiswa.__instance = self + + @staticmethod + def log_instance(self): + """ + Fungsi ini merupakan implementasi dari kelas Abstrak IMahasiswa + """ + logging.debug(f"Nama: {SingletonMahasiswa.__instance.nama}") + logging.debug(f"Jurusan: {SingletonMahasiswa.__instance.jurusan}") + + +if __name__ == "__main__": + p = SingletonMahasiswa("Sandhika Galih", "Dosen Informatika") + p2 = SingletonMahasiswa("Tono", "Mahasiswa Informatika") + p.log_instance(p) + p2.log_instance(p2) diff --git a/object_oriented/advance/pycode/metaclass/src/__init__.py b/object_oriented/advance/pycode/metaclass/src/__init__.py new file mode 100644 index 00000000..3522b6d7 --- /dev/null +++ b/object_oriented/advance/pycode/metaclass/src/__init__.py @@ -0,0 +1,40 @@ +from abc import ABCMeta, abstractmethod, abstractstaticmethod + + +# FACTORY DESIGN PATTERN +class IPeople(metaclass=ABCMeta): + __nama: str + __posisi: str + + @abstractstaticmethod + def major(self) -> str: + return "" + """ Interface IPeople Method """ + + +# PROXY DESIGN PATTERN +class IUniv(metaclass=ABCMeta): + + @abstractstaticmethod + def division(self): + """Interface IUniv Method""" + + +# SINGLETON DESIGN PATTERN +class IMahasiswa(metaclass=ABCMeta): + + @abstractstaticmethod + def log_instance(self): + """Implement in child Class""" + + +# COMPOSITE DESIGN PATTERN +class IJurusan(metaclass=ABCMeta): + + @abstractmethod + def __init__(self, mahasiswa): + """Implement in child Class""" + + @abstractstaticmethod + def jumlah_mahasiswa(self): + pass diff --git a/object_oriented/advance/pycode/type_hint/README.md b/object_oriented/advance/pycode/type_hint/README.md new file mode 100644 index 00000000..dbc74626 --- /dev/null +++ b/object_oriented/advance/pycode/type_hint/README.md @@ -0,0 +1,77 @@ +

+ Python Advance +

+ +# Type Hinting + +_**Type Hint**_ yang merupakan petunjuk tipe adalah solusi formal untuk secara statis menunjukkan tipe data dalam kode Python Kita. Itu ditentukan di PEP 484 dan diperkenalkan di Python 3.5. + +Dari segi gaya penulisan sintaks type hinting, *PEP 8* merekomendasikan seperti berikut: + +- Gunakan aturan normal untuk titik dua, yaitu tidak ada spasi sebelum dan satu spasi setelah titik dua ( text: str). +- Gunakan spasi di sekitar =tanda saat menggabungkan anotasi argumen dengan nilai default ( align: bool = True). +- Gunakan spasi di sekitar -> panah ( def headline(...) -> str). + +Dalam melakukan penunjuk nilai tipe data kita bisa menggunakan module bantuan `typing` di package yang di sediakan. Dan saat ini ingin mencoba menjalankan program type hints kita, maka kita membutuhkan package atau module dari luar yakni `mypy` dengan menggunakan package `mypy` kita bisa mendebug kode type hinting kita. + +Instalasasi mypy secara user global Environtment Python +```console +pip install mypy +``` +Instalasasi mypy secara Developer Python Mode (Editable) +```console +pip install -e mypy +``` + +Berikut istilah penulisan Type Hintings +```py +from typing import Any, Callable, Union, List, Dict + +nama: str +umur: int +uang: float +obj: dict +arr: list +args: Any +func: Callable +ambigu: Union[str, int, float] +data: List[Any] +data_obj: Dict[Any, Any] +``` + +## Contoh Penulisan Type Hintings Beserta Testingnya + +```py +from typing import Callable + +# variable with type hint +nama: str = 'Bellshade' + + +# definisi function with type hint with return function +def user(nama: str) -> Callable: + """ + Fungsi untuk menangkap value dari fungsi id + >>> nama = 'Bellshade' + >>> user(nama) + 'Bellshade' + """ + return id(nama) + + +# definisi function with type hint and return +def id(nama: str) -> str: + return nama + + +# testing code +def test_runner_code(): + nama = 'Bellshade' + assert user(nama) == 'Bellshade' + + +# running +if __name__ == '__main__': + user(nama) + +``` \ No newline at end of file diff --git a/object_oriented/advance/pycode/type_hint/hinter.py b/object_oriented/advance/pycode/type_hint/hinter.py new file mode 100644 index 00000000..af27e17f --- /dev/null +++ b/object_oriented/advance/pycode/type_hint/hinter.py @@ -0,0 +1,29 @@ +# variable with type hint +nama: str = "Bellshade" + + +# definisi function with type hint with return function +def user(nama: str) -> str: + """ + Fungsi untuk menangkap value dari fungsi id + >>> nama = 'Bellshade' + >>> user(nama) + 'Bellshade' + """ + return id(nama) + + +# definisi function with type hint and return +def id(nama: str) -> str: + return nama + + +# testing code +def test_runner_code(): + nama = "Bellshade" + assert user(nama) == "Bellshade" + + +# running +if __name__ == "__main__": + user(nama) diff --git a/object_oriented/basic_oop/00_definisi_kelas/README.md b/object_oriented/basic_oop/00_definisi_kelas/README.md new file mode 100644 index 00000000..1dbff128 --- /dev/null +++ b/object_oriented/basic_oop/00_definisi_kelas/README.md @@ -0,0 +1,100 @@ +# Definisikan kelas dengan python + +Struktur data primitif seperti angka, string dan list dirancang untuk mewakili potongan informasi sederhana, seperti harga apel, nama puisi atau warna favorit, bagaimana jika ingin mempresentasikan suatu yang lebih kompleks? + +Misalnya, kita ingin melacak karyawan di sebuah organisasi. Kita perlu menyimpan beberapa informasi dasar tentang setiap karyawan, seperti nama, usia, posisi dan tahun mulai bekerja. + +Salah satu cara untuk melakukannya adalah dengan mewakili setiap karyawan sebagai list. + +```python +sundar = ["sundar pichai", 25, "CEO", 4421] +karen = ["karen crab", 20, "officer", 2214] +lims = ["lim benjamin", "officer", 2612] +``` + +ada sejumlah masalah dengan pendekatan ini + +Pertama, ini dapat emmbuat file kode yang lebih besar dan lebih sulit untuk dikelola. Jika kita mereferensikan ``sundar[0]`` beberapa baris dari tempat ``sundar`` yang di deklarasikan, apakah kita akan mengingat bahwa elemen dengan indeks ``0`` adalah nama karyawan; + +Kedua, dapat menimbulkan kesalahan jika tidak setiap karyawan memiliki jumlah elemen yang sama dalam daftar. Contoh pada ``lims`` yang tidak terdapat daftar usia. Jadi jika kita memanggil ``lims[1]`` maka ``"officer"`` akan digantikan sebagai usia. + +Cara yang bagus untuk membuat kode jenis ini lebih mudah dikelola adalah dengan menggunakan kelas. + +## Cara mendifinisikan kelas + +Semua definisi kelasdimulai dengan ``class``, yang diikuti dengan nama kelas dan titik dua. Setiap kode yang menjorok di bawah definisi kelas dianggap sebagai dari bagian dari badan kelas. + +```python +class Pelajar: + # isi dari kelas dari "Pelajar" + pass +``` + +Catatan: +__Nama kelas python ditulis dalam notasi **CapitalizeWords** berdasarkan python naming convention. Misalnya, kelas untuk jenis pelajar seperti pelajar mahasiswa akan ditulis sebagai **PelajarMahasiswa**__ + +Properti dari ``student`` harus dimiliki semua objek didefinisikan dalam metode yang disebut dengan ``.__init__()``. Setiap kali baru student objek dibuat, ``.__init__()`` menetapkan awal dari objek dengan assign value dari objek properti. Jadi, ``.__init__()`` akan menginisialisasi setiap instance baru di kelas. + +Kita dapat memberikan parameter di dalam ``.__init()__``, tetapi variabel pertama akan selalu berupa variabel yang disebut dengan ``self``. Ketika instance kelas beru dibuat, instance secara otomatis diteruskan ke ``self`` parameter ``.__init__()`` sehingga attribut baru dapat didefinisikan pada objek. + +```python +class Pelajar: + def __init__(self, nama, umur): + self.nama = nama + self.umur = umur +``` + +Di dalam ``__init__()``, terdapat dua pernyataan yang menggunakan ``selfvariabel`` yaitu: + +1. ``self.nama = nama``, membuat atribut yang dipanggil nama dan memberikan nilai nama parameter padanya. +2. ``self.umur = umur``, membatu atribut yang dipanggil umur dan memberikan nilai umur parameter padanya. + +Attribut yang dibuat ``.__init__()`` disebut **attribut instance**. Nilai atribut instance khusus untuk instance kelas tertent, semua ``student`` objek memiliki nama dan usia, tetapi nilai atribut ``nama`` dan ``usia`` akan bervariasi tergantung pada ``student`` instance. + +Di sisi lain, **atribut kelas** adalah atribut yang memiliki nilai yang sama untuk semua instance kelas. kita dapat mendifinisikan atribut kelas dengan menetapkan nilai ke nama variabel di luar ``.__init__()`` + +Misalnya, kelas ``student`` memiliiki atribut kelas yang disebut ``jenis_kelas`` dengan nilai ``bahasa`` + +```python +class Student: + jenis_kelas = "bahasa" + + def __init__(self, nama, umur): + self.nama = nama + self.umur = umur +``` + +Atribut kelas didefinsikan langsung di bawah bari pertama nama kelas dan diberi indentasi oleh empat spasi. Mereka harus selalu diberi nilai awal, ketika sebuah instance dari kelas dibuat, atribut kelas secara otomatis dibuat dan ditetapkan ke nilai awalnya. + +Gunakan atribut kelas untuk mendefinisikan properti yang harus memiliki nilai yang sama untuk setiap instanc kelas, gunakan atribut instance untuk properti yagn bervariasi dari satu instance ke instance lainnya. + +## Membuat instansi objek dengan python + +Lakukan dengan cara buka terminal atau interaktif idle python, untuk pada terminal, cmd, powershell bisa dilakukan dengan cara melakukan perintah: +``` +python3 +``` +kemudian lakukan perintah +``` +>>> class Pelajar: +... pass +``` +ini akan menciptakan kelas ``Pelajar`` baru tanpa atribut atau metode. + +Membuat objek baru dari kelas disebut ``instantiating`` objek. Kita dapat membuat instance objek ``Pelajar`` bari dengan mengetikkan nama kelas, diikuti dengan tanda kurung buka dan tutup. +``` +>>> Pelajar +<__main__.Pelajar object at 0x7ff3b8e41640> +``` + +Kita skearang memiliki objek ``Pelajar`` pada ``0x7ff3b8e41640``, rangkaian huruf dan angka itu adalah **alamat memori** yang menunjukkan di mana objek ``Pelajar`` tersebut disimpan dalam memori komputer kita. Setiap memanggil maka kita akan mendapatkan jenis memori yang berbeda-beda tiap kita memanggilnya. Cara mudah untuk membedakannya adalah dengan cara berikut: + +``` +>>> pertama = Pelajar() +>>> kedua = Pelajar() +pertama == kedua +False +``` + + +Materi Selanjutnya: [Atribut Kelas](../01_atribut_kelas) \ No newline at end of file diff --git a/object_oriented_programming/basic_oop/1_atribut_kelas/README.md b/object_oriented/basic_oop/01_atribut_kelas/README.md similarity index 55% rename from object_oriented_programming/basic_oop/1_atribut_kelas/README.md rename to object_oriented/basic_oop/01_atribut_kelas/README.md index a1413957..5c02a5bb 100644 --- a/object_oriented_programming/basic_oop/1_atribut_kelas/README.md +++ b/object_oriented/basic_oop/01_atribut_kelas/README.md @@ -1,8 +1,8 @@ -# atribut kelas +# Atribut kelas -## atribut kelas dan instance +## Atribut kelas dan instance -sekarang, buat kelas dari ``Pelajar`` baru dengan atribut kelas yang disebut ``jenis_kelas`` dan dua atribut instance yang berupa ``nama`` dan ``umur`` +Sekarang, buat kelas dari ``Pelajar`` baru dengan atribut kelas yang disebut ``jenis_kelas`` dan dua atribut instance yang berupa ``nama`` dan ``umur``. ```python class Pelajar: @@ -12,33 +12,33 @@ class Pelajar: self.umur = umur ``` -untuk meneruskan argumen ke parameter ``nama`` dan ``umur``, masukkan nilai ke dalam tanda kurugn setelah nama kelas +Untuk meneruskan argumen ke parameter ``nama`` dan ``umur``, masukkan nilai ke dalam tanda kurung setelah nama kelas ```python janis = Pelajar("janis", 21) erik = Pelajar("erik", 23) ``` -ini menciptakan contoh ``Pelajar`` baru satu untuk pelajar berusia 21 tahun bernama ``janis`` dan satu untuk yang bernama ``erik`` yang berusia 23 tahun. +Ini menciptakan contoh ``Pelajar`` baru satu untuk pelajar berusia 21 tahun bernama ``janis`` dan satu untuk yang bernama ``erik`` yang berusia 23 tahun. -metode kelas ``pelajar``. ``__init__()`` memiliki tiga parameter, jadi mengapa hanya dua argumen yang diteruskan di dalam contoh? +Metode kelas ``pelajar``. ``__init__()`` memiliki tiga parameter, jadi mengapa hanya dua argumen yang diteruskan di dalam contoh? -saat kita membuat instance objek ``Pelajar``, Python membuat instance baru dan meneruskannya ke parameter pertama. ``__init__()`` ini pada dasarnya menghapus ``self`` paramter, jadi kita hanya perlu khawatir pada peremter ``nama`` dan ``umur`` +Saat kita membuat instance objek ``Pelajar``, Python membuat instance baru dan meneruskannya ke parameter pertama. ``__init__()`` ini pada dasarnya menghapus ``self`` paramter, jadi kita hanya perlu khawatir pada peremter ``nama`` dan ``umur``. -setelah kita membuat instance pelajar, ktia dapat emengakses atribut instance mereka dengan menggunakan notasi titik +Setelah kita membuat instance pelajar, ktia dapat emengakses atribut instance mereka dengan menggunakan notasi titik ```python print(janis.umur) print(erik.umur) ``` -kita juga dapat mengakses atribut kelas dengan cara yang sama yaitu +Kita juga dapat mengakses atribut kelas dengan cara yang sama yaitu: ```python print(janis.jenis_kelas) print(erik.jenis_kelaas) ``` -salah satu keuntungan terbesar menggunakan kelas untuk mengatur data adalah bahwa instance dijamin memiliki atribut yang kita harpkan. semua objek ``pelajar`` memiliki ``jenis_kelas``,``nama`` dan ``umur``, sehingga kita dapat menggunakan atribut tersebut dengan percaya karena mengetahui bahwa mereka akan selalu mengembalikan nilai. +Salah satu keuntungan terbesar menggunakan kelas untuk mengatur data adalah bahwa instance dijamin memiliki atribut yang kita harapkan. Semua objek ``pelajar`` memiliki ``jenis_kelas``,``nama`` dan ``umur``, sehingga kita dapat menggunakan atribut tersebut dengan percaya karena mengetahui bahwa mereka akan selalu mengembalikan nilai. meskipun atribut dijamin ada, nilai dapat dirubah secara dinamis @@ -47,14 +47,14 @@ janis.umur = 22 erik.umur = 22 ``` -## motede instance +## Motede instance -metode instance adalah fungsi yang didefinisikan di dalam kelas dan hanya dapat dipanggil dari instace kelas tersebut, eperti ``__init__()``, parameter motede instance selalu ``self`` +Metode instance adalah fungsi yang didefinisikan di dalam kelas dan hanya dapat dipanggil dari instace kelas tersebut, eperti ``__init__()``, parameter motede instance selalu ``self``. ```python class Pelajar: jenis_kelas = "bahasa" - + def __init__(self, nama, umur): self.nama = nama self.umur = umur @@ -66,7 +66,7 @@ class Pelajar: janis = Pelajar("janis aneira", 22) print(janis.deksripsi()) ``` -``deskripsi()`` mengembalikan string yang menampilkan nama dan usia +``deskripsi()`` mengembalikan string yang menampilkan nama dan usia. -Materi Selanjutnya: Coming Soon \ No newline at end of file +Materi Selanjutnya: [mewarisi kelas](../02_mewarisi_kelas) diff --git a/object_oriented_programming/basic_oop/1_atribut_kelas/atribut_kelas.py b/object_oriented/basic_oop/01_atribut_kelas/atribut_kelas.py similarity index 100% rename from object_oriented_programming/basic_oop/1_atribut_kelas/atribut_kelas.py rename to object_oriented/basic_oop/01_atribut_kelas/atribut_kelas.py diff --git a/object_oriented/basic_oop/02_mewarisi_kelas/README.md b/object_oriented/basic_oop/02_mewarisi_kelas/README.md new file mode 100644 index 00000000..1c2ee2b8 --- /dev/null +++ b/object_oriented/basic_oop/02_mewarisi_kelas/README.md @@ -0,0 +1,14 @@ +# Mewarisi kelas lain dengan python + +Warisan adalah proses dimana satu kelas mengambil atribut dan metode yang lain. Kelas yang baru dibentuk disebut **anak kelas**,dan anak kelas yang berasal dari kelas anak disebut **kelas induk**. + +Kelas anak dapat menimpa atau memperluas atribut dan metode kelas induk. Dengan kata lain, kelas anak mewarisi semua taribut dan metode induk tetapi juga dapat menentukan atribut dan metode yang unit untuk dirinya sendiri. + +Meskipun analoginya tidak sempurna, kita dapat memikirkan pewarisan objek seperti pewarisan genetik. + +Kita mungkin mewarisi warna rambut dari ibu anda. Ini adalah atribut yang anda miliki sejak lahir. Katakanlah anda memutuskan untuk mewarnai rambut anda dengan warna ungu. Dengan asumsi ibumu tidak mewakili rambut ungu, kamu baru saja mengganti atribut warna rambut yang kamu warisi dari ibumu. + +Kita juga mewarisi, dalam arti tertentu, bahasa kita dari orang tua kita. Jika orang tua kita berbicara bahasa Inggris, maka kita juga akan berbicara bahasa Inggris. Sekarang bayangkan kita memutuskan untuk belajar bahasa kedua, seperti bahasa Jerman. Dalam hal ini anda telah memperluas atribut anda karena kita telah menbahkan atribut yang tidak dimiliki orang tua kita. + +Materi selanjutnya: [intermediate oop](https://github.com/bellshade/Python/blob/main/object_oriented_programming/intermediate/README.md) + diff --git a/object_oriented/intermediate/README.md b/object_oriented/intermediate/README.md new file mode 100644 index 00000000..6a72f9a0 --- /dev/null +++ b/object_oriented/intermediate/README.md @@ -0,0 +1,16 @@ +# Intermediate object oriented programming + +Pada materi intermediate, di sini akan membahas tentang dari + +- [Enkapsulasi](encapsulation) +- [Abstraksi](abstraksi) +- [Inheritance](inheritance) +- [Polimorfis](polimorfis) + +Untuk mencapai materi diatas tersebut dibutuhkan persyaratan yaitu mempelajari basic dari objek oriented programming yang bisa dilihat [disini](../basic_oop) + +Bisa dimulai dengan: + +- [Definisi kelas](https://github.com/bellshade/Python/tree/main/object_oriented_programming/basic_oop/00_definisi_kelas) +- [Atribut kelas](../basic_oop/01_atribut_kelas) +- [Mewarisi kelas](../basic_oop/02_mewarisi_kelas) diff --git a/object_oriented/intermediate/abstraksi/README.md b/object_oriented/intermediate/abstraksi/README.md new file mode 100644 index 00000000..5c2b5420 --- /dev/null +++ b/object_oriented/intermediate/abstraksi/README.md @@ -0,0 +1,38 @@ +# Abstraksi dengan Python + +Abstraksi adalah salah satu dari konsep Object-Oriented Programming, pada konsep abstraksi ada yang namanya kelas abstrak yang memiliki method yang tidak ada implementasinya, dan semua method yang ada pada kelas abstrak harus public. Secara default, python sebenarnya tidak mendukung kelas abstrak ini, untuk dapat membuat kelas abstrak harus meng-import library abc atau Abstract Base Classes agar dapat mengimplementasikan konsep abstraksi ini pada Python. + +Contoh kelas abstrak: +```python +from abc import ABC, abstractmethod + +class Mobil(ABC): + + @abstractmethod + def akselerasi(self): + pass + + @abstractmethod + def deakselerasi(self): + pass +``` + +Lalu untuk mengimplementasikan method yang ada harus dilakukan oleh kelas turunannya. + +Contohnya seperti ini: +```python +class Xpander(Mobil): + + def __init__(self): + self.__nama = "Mitsubishi Xpander" + self.__jenis = "MPV" + print(f"Nama: {self.__nama}\nJenis: {self.__jenis}") + + def akselerasi(self): + print("Mobil semakin cepat!") + + def deakselerasi(self): + print("Mobil semakin melambat!") +``` + +materi selanjutnya: [enkapsulasi](../encapsulation) \ No newline at end of file diff --git a/object_oriented/intermediate/abstraksi/abstraksi.py b/object_oriented/intermediate/abstraksi/abstraksi.py new file mode 100644 index 00000000..5623087b --- /dev/null +++ b/object_oriented/intermediate/abstraksi/abstraksi.py @@ -0,0 +1,36 @@ +from abc import ABC, abstractmethod + + +class Mobil(ABC): + @abstractmethod + def akselerasi(self): + # jika diberikan implementasi maka akan memunculkan TypeError + pass + + @abstractmethod + def deakselerasi(self): + pass + + +class MPV(Mobil, ABC): + def __init__(self): + self.__jenis = "MPV" + print(f"Jenis: {self.__jenis}") + + +class Xpander(MPV): + def __init__(self): + super().__init__() + self.__nama = "Mitsubishi Xpander" + print(f"Nama: {self.__nama}") + + def akselerasi(self): + print("Akselerasi: mobil semakin cepat!") + + def deakselerasi(self): + print("Deakselerasi: mobil melambat!") + + +xpander = Xpander() +xpander.akselerasi() +xpander.deakselerasi() diff --git a/object_oriented/intermediate/encapsulation/README.md b/object_oriented/intermediate/encapsulation/README.md new file mode 100644 index 00000000..1ab4670e --- /dev/null +++ b/object_oriented/intermediate/encapsulation/README.md @@ -0,0 +1,75 @@ +# Enkapsulasi dengan python + +Enkapsulasi adalah satu konsep dasar dalam pemograman berorientas objek (oop). Ini menggambarkan ide membungkus data dan metode yang bekerja pada data dalam satu unit, menemapatkan pembatasan dalam mengases variabel dan metode secara langsung dan dapat mencegah modifikasi data yang tidak sengaja. Untuk mencegah perubahan yang tidak disengaja, variabel objek hanya dapat diubah dengan metode objek. jenis variabel tersbut dikenal sebagai **variabel privat**. + +## Anggota yang dilindungi + +Anggota yang dilindungi adalah anggota kelas yang tidak dapta diakses dari luar kelas tetapi dapat diakses dari dalam keas dan subkelasnya. Untuk mencapai ini dengan python, cukup konvens dengan mengawali nama anggota dengan satu bawah ``_`` + +```python +class Motor: + def __init__(self): + self.__updatePart() + + def hidupkanMotor(self): + print("hidupkan motor") + + def __updatePart(): + print("menambahkan part terbaru") + +motor_matic = Motor() +motor_matic.hidupkanMotor() + +# jika dipanggil '__updatePart' maka akan menyebabkan error +# motor_matric.__updatePart() +``` + +Variabel juga bisa menggunakan akses privat yang dapat berguna dalam beberapa tujuan. Variabel privat hanya dapat diubah di dalam metode kelas dan tidak di luar kelas. + +Objek dapat menyimpan data penting untuk aplikasi kita dan kita tidak ingin data tersebut dapat diubah dari manapun dalam kode. + +```python +class Motor: + __kecepatan = 0 + __merk = "" + + def __init__(self): + self.__kecepatan = 120 + self.__nama = "inter motor" + + def jalan(self): + print("jalan dengan kecepatan {} km".format(self.__kecepatan)) + +matic = Motor +matic.jalan() + +# variabel tidak berubah karena sebelumnya +# bersifat private +matic.__kecepatan = 300 +matic.jalan() +``` + +Jika ingin merubah value dari private member dari kelas kita bisa menambahkan fungsi untuk meengganti serta memodifikasi dari member yang private. +```python +class Motor: + __kecepatan = 0 + __merk = "" + + def __init__(self): + self.__kecepatan = 120 + self.__nama = "inter motor" + + def jalan(self): + print("jalan dengan kecepatan {} km".format(self.__kecepatan)) + + def gantiKecepatan(self, kecepatan_sekarang): + self.__kecepatan = kecepatan_sekarang + +matic = Motor +matic.jalan() + +matic.gantiKecepatan(60) +matic.jalan() +``` + +materi selanjutnya: [inheritance](../inheritance) diff --git a/object_oriented/intermediate/encapsulation/encapsulation.py b/object_oriented/intermediate/encapsulation/encapsulation.py new file mode 100644 index 00000000..8f805c22 --- /dev/null +++ b/object_oriented/intermediate/encapsulation/encapsulation.py @@ -0,0 +1,22 @@ +class Motor: + # membuat variabel yang bersifat private + __kecepatan = 0 + + def __init__(self): + # memasukkan value dalam variabel kecepatan + self.__kecepatan = 120 + + # membuat fungsi untuk memanggil variabel + # dari kecepatan + def jalan(self): + print(f"jalan dengan kecepatan {self.__kecepatan} km") + + +# membuat objek dari class Motor +matic = Motor() +matic.jalan() + +# variabel tidak berubah karena sebelumnya +# bersifat private +matic.__kecepatan = 300 +matic.jalan() diff --git a/object_oriented/intermediate/encapsulation/encapsulation2.py b/object_oriented/intermediate/encapsulation/encapsulation2.py new file mode 100644 index 00000000..8c6d8bea --- /dev/null +++ b/object_oriented/intermediate/encapsulation/encapsulation2.py @@ -0,0 +1,18 @@ +class Motor: + __kecepatan = 0 + + def __init__(self): + self.__kecepatan = 120 + + def jalan(self): + print(f"jalan dengan kecepatan {self.__kecepatan} km") + + def gantiKecepatan(self, kecepatan_sekarang): + self.__kecepatan = kecepatan_sekarang + + +matic = Motor() +matic.jalan() + +matic.gantiKecepatan(60) +matic.jalan() diff --git a/object_oriented/intermediate/inheritance/README.md b/object_oriented/intermediate/inheritance/README.md new file mode 100644 index 00000000..42ae4f57 --- /dev/null +++ b/object_oriented/intermediate/inheritance/README.md @@ -0,0 +1,59 @@ +# Inheritance dengan python + +Inheritance/pewarisan adalah salah satu dari konsep Object Oriented Programming yang membahas mengenai bagaimana suatu kelas bisa menggunakan atribut dan fungsi dari kelas yang lain, penggunaan atribut dan fungsi ini bersifat 'mewarisi'. Manfaatnya adalah dari keterhubungan antar kelas ini kita dapat mengetahui kegunaan suatu kelas atas kelas yang lain dan sebagainya. + +Konsep Inheritance/pewarisan juga berhubungan dengan konsep abstract class. Abstract class adalah kelas yang tidak memiliki implementasi pada method-nya dalam kata lain method-nya bersifat abstrak, sehingga kelas turunannya yang harus mengimplementasikan method tersebut. Contoh kelas abstrak: kelas Mobil yang memiliki atribut "nama" dan "jenis", lalu memiliki method "akselerasi" + +Berikut contoh dari konsep Inheritance/pewarisan: Terdapat sebuah kelas mobil Civic yang memiliki property seperti berikut: +nama = "Honda Civic" +jenis = "Sedan" + +Lalu memiliki method seperti berikut: +- akselerasi 0-100 km/jam membutuhkan waktu selama 10 detik + +kita dapat membuat mobil yang lebih baik performanya dengan menggunakan blueprint yang sudah ada di atas dengan menambah kemampuannya sehingga kemampuan akselerasinya menjadi 7 detik, misalkan seperti berikut: +nama = "Honda Civic Type R" +jenis = "Sedan" + +Lalu memiliki method seperti berikut: +- akselerasi 0-100 km/jam membutuhkan waktu selama 7 detik + +Contoh kelas abstrak: +```python +class Mobil: + def __init__(self): + self.nama = None + self.jenis = None + + def akselerasi: + pass +``` + +Contoh pada program seperti berikut (parent class): +```python +class Civic: + def __init__(self): + super().__init__() + self.nama = "Honda Civic" + self.jenis = "Sedan" + + def akselerasi(self): + print("Akselerasi 0-100 KM/Jam dalam 10 detik! NGENGGG~") +``` + +Versi mobil yang lebih baik (child class): +```python +class CivicTypeR(Civic): + def __init__(self): + super().__init__() + self.nama = "Honda Civic Type R" + + def akselerasi(self): + print("Akselerasi 0-100 KM/Jam dalam 7 detik! BRRMMM~") +``` + +Perhatikan pada kelas CivicTypeR, atribut nama dan method akselerasi() diganti valuenya sedangkan property jenis tidak diganti karena CivicTypeR masih merupakan mobil berjenis sedan. + +```super().__init__()``` digunakan untuk mewarisi semua yang ada pada kelas induknya. + +materi selanjutnya: [polimorfisme](../polimorfis) diff --git a/object_oriented/intermediate/inheritance/inheritance.py b/object_oriented/intermediate/inheritance/inheritance.py new file mode 100644 index 00000000..feb07974 --- /dev/null +++ b/object_oriented/intermediate/inheritance/inheritance.py @@ -0,0 +1,43 @@ +from abc import ABC, abstractmethod + + +class Mobil(ABC): + def __init__(self): + self.nama = None + self.jenis = None + + @abstractmethod + def akselerasi(self): + pass + + +class Civic(Mobil): + def __init__(self): + super().__init__() + self.nama = "Honda Civic" + self.jenis = "Sedan" + + def akselerasi(self): + print("Akselerasi 0-100 KM/Jam dalam 10 detik! NGENGGG~") + + +class CivicTypeR(Civic): + def __init__(self): + super().__init__() + self.nama = "Honda Civic Type R" + + def akselerasi(self): + print("Akselerasi 0-100 KM/Jam dalam 7 detik! BRRMMM~") + + +# KELAS INDUK +print("=== KELAS INDUK ===") +parent = Civic() +print(f"Nama: {parent.nama}\nJenis: {parent.jenis}") +parent.akselerasi() + +# KELAS ANAK +print("=== KELAS ANAK ===") +child = CivicTypeR() +print(f"Nama: {child.nama}\nJenis: {child.jenis}") +child.akselerasi() diff --git a/object_oriented/intermediate/polimorfis/README.md b/object_oriented/intermediate/polimorfis/README.md new file mode 100644 index 00000000..e99668d8 --- /dev/null +++ b/object_oriented/intermediate/polimorfis/README.md @@ -0,0 +1,155 @@ +# Polimorfisme + +Kata polimofisme berarti memiliki banyak bentuk. Dalam pemograman, polimorfisme berarti nama fungsi yang sama (tetapi tanda tangan yang berbeda) digunakan untuk jenis yang berbeda. + +## Polimorfisme sebagai operator penjumlahan + +Kita tahu bahwa ``+`` operator digunakan secara luas dalam program python. Tapi tidak memiliki penggunaan tunggal. Untuk tipe data integer, ``+`` operator digunakan untuk melakukan operasi penjumlahan aritmatika. +```python +angka1 = 12 +angka3 = 200 +print(angka1 + angka2) +``` +Demikian pula untuk tipe data string, ``+`` operator digunkana untuk melakukan penggabungan. +```python +pesan1 = "python" +pesan2 = "bellshade" +print(pesan1+" "+pesan2) +``` +Ini adalah salah satu dari polimorfimse yang paling sederhana pada python. + +## Fungsi polimorfisme di python + +Ada beberapa fungsi dalam python yang kompatibel untuk dijalankan dengan beberapa tipe data. + +Salah satu fungsi tersebut adalah ``len()``, salah satu fungsi yang bisa berjalan di banyak tipe data. +```python +print(len("bellshade python")) +print(len(["python", "programming", "Indonesia"])) +print(len({"nama": "anne", "negara": "Russia"})) +``` +Di sini kita dapat melihat bahwa banyak tipe data seperti ``string``, ``list``, ``tuple``, ``set`` dan ``dictionary`` bekerja dengan fungsi ``len()``. Namun, kita dapat melihat bahwa itu mengembalikan informasi spesifik tentang tipe data tertentu. + +## Kelas polimorfisme dengan python + +Kita dapat menggunakan konsep polimorfisme saat membuat metode kelas karena python memungknkan kelas yang berbeda memiliki metode dengan nama yang sama. Kemudian kita dapat menggeneralisasi pemanggilan metode ini dengan mengabaikan bojke yang sedang kita kerjakan. + +```python +class Kucing: + def __init__(self, nama, umur): + self.nama = nama + self.umur = umur + + def info(self): + print(f"kucing saya bernama {sef.nama}, umur {self.umur}") + + def suaranya(self): + print("meow") + + +class Harimau: + def __init__(self, nama, umur): + self.nama = nama + self.umur = umur + + def info(self): + print(f"harimau saya bernama {self.nama}, umur {self.umur}") + + def suaranya(self): + pritn("arrrrg") + + +kucing_saya = Kucing("pico", 1.4) +harimau_saya = Harimau("trixy", 3) + +for hewan in (kucing_saya, harimau_saya): + hewan.suaranya() + hewan.info() + hewan.suaranya() +``` + +Di sini kita telah membuat dua kelas ``kucing`` dan ``harimau``. Mereka berbagi struktur yagn sama dan memiliki nama metode yang sama ``info()`` dan ``suaranya()``, namun perhatikan bahwa kita belum membuat superclass umum atau menautkan kelas bersama sama dengan cara apapun, meski begitu kita dapat mengemas dua objek berbeda ini ke dalam sebuah ``tuple`` dan mengulanginya menggunan persamaan ``hewan``. Hal ini dimungkinkan karena polimorfisme. + +## Polimorfisme dan warisan + +Seperti dalam bahasa pemograman lain, kelas anak dalam python juga mewarisi metode dan atribut dari kelas induk. Kita dapat mendifinisikan ulang metode dan atribut tertentu agar sesua dengan kelas anak, yang dikenal sebagi **metode overriding**. Polimorfisme memungkinkan kita untuk mengakses metode dan atribut yang diganti ini yang memiliki nama yang sama dengan kelas induknya. + +```python +from math import pi + + +class Bentuk: + def __init__(self, nama): + self.nama = nama + + def area(self): + pass + + def info(self): + return "saya adalah bentuk 2 dimensi" + + def __str__(self): + return self.name + +class Persegi: + def __init__(self, panjang): + super().__init__("Persegi") + self.panjang = panjang + + def area(self): + return self.panjang**2 + + def info(self): + return "persegi memiliki sudut masing-masing 90 derajat" + + +class Lingkaran(Persegi): + def __init__(self, jari): + super().__init__("Lingkaran") + self.jari = jari + + def area(self): + return pi*self.radius**2 + +a = Persegi(4) +b = Lingkaran(7) + +print(b) +print(b.info()) + +print(a.info()) +print(a.area()) +``` + +Di sini kita dapat melihat bahwa metode ``__str__()``, yang belum di override di kelas anak, digunakan dari kelas induk. + +Karena polimorfisme, interpreter python secara otomatis mengenali bahwa ``info()`` metode untuk objek ``a`` (kelas ``persegi``) diganti. Jadi, ia menggunakan yang didefinisikan di kelas anak. + +Di sisi lain, karena ``info()`` metode untuk objek ``B`` tidak ditimpa, itu digunakan dari induk ``Bentuk``. + +contoh lain: +```python +class Kakaktua: + def terbang(self): + print("kakaktua bisa terbang") + + def berenang(self): + print("kakaktua tidak bisa berenang") + + +class Pinguin: + def terbang(self): + print("pinguin tidak bisa terbang") + + def berenang(self): + print("pinguin bisa berenang") + +def test_terbang(burung): + burung.terbang() + +jikle = Kakaktua() +megi = Pinguin() + +test_terbang(jikle) +test_terbang(megi) +``` \ No newline at end of file diff --git a/object_oriented/intermediate/polimorfis/polimorfisme_kelas.py b/object_oriented/intermediate/polimorfis/polimorfisme_kelas.py new file mode 100644 index 00000000..2d6911fb --- /dev/null +++ b/object_oriented/intermediate/polimorfis/polimorfisme_kelas.py @@ -0,0 +1,62 @@ +from math import pi + + +# membuat kelas induk 'Bentuk' +class Bentuk: + # deklarasi init + def __init__(self, nama): + self.nama = nama + + def area(self): + pass + + # membuat fungsi untuk menampilkan nama bentuk + def info(self): + return "saya adalah bentuk 2 dimensi" + + # membuat fungsinya untuk menampilkan nama bentuk + def __str__(self): + return self.nama + + +# membuat kelas persegi yang mengambil data +# dari kelas bentuk +class Persegi(Bentuk): + def __init__(self, panjang): + # membuat init yang mengambil data dari kelas induk + super().__init__("Persegi") + self.panjang = panjang + + # membuat fungsi yang menghitung area + def area(self): + return self.panjang**2 + + # membuat fungsi yang menampilkan info + def info(self): + return "persegi memiliki sudut masing-masing 90 derajat" + + +# membuat kelas lingkaran yang mengambil data +# dari kelas bentuk +class Lingkaran(Bentuk): + def __init__(self, jari): + # membuat init yang mengambil data dari kelas induk + super().__init__("Lingkaran") + self.jari = jari + + # membuat fungsi yang menghitung jari jari + def area(self): + return pi * self.jari**2 + + +# membuat objek dari kelas persegi +a = Persegi(4) +b = Lingkaran(7) + +# mengoutputkan bentuk +print(b) +print(b.info()) + +# mengoutputkan area +print(a.info()) +print(b.area()) diff --git a/object_oriented/intermediate/polimorfis/polimorfisme_sederhana.py b/object_oriented/intermediate/polimorfis/polimorfisme_sederhana.py new file mode 100644 index 00000000..b7ba8a4b --- /dev/null +++ b/object_oriented/intermediate/polimorfis/polimorfisme_sederhana.py @@ -0,0 +1,34 @@ +# membuat kelas dari kakaktua +class Kakaktua: + # membuat fungsi + def terbang(self): + print("kakaktua bisa terbang") + + def berenang(self): + print("kakaktua tidak bisa berenang") + + +# membuat fungsi dari penguin +class Pinguin: + # membuat fungsi yang sama dengan kakaktua + def terbang(self): + print("pinguin tidak bisa terbang") + + def berenang(self): + print("pinguin bisa berenang") + + +# membuat fungsi terbang dari kedua hewan +# dengan parameter burung +def test_terbang(burung): + # memanggil fungsi terbang dari burung + burung.terbang() + + +# memanggil kelas dan membuat objek dari kedua hewan +jikle = Kakaktua() +megi = Pinguin() + +# memanggil fungsi terbang dari kedua hewan +test_terbang(jikle) +test_terbang(megi) diff --git a/object_oriented_programming/basic_oop/0_definisi_kelas/README.md b/object_oriented_programming/basic_oop/0_definisi_kelas/README.md deleted file mode 100644 index cc406bbe..00000000 --- a/object_oriented_programming/basic_oop/0_definisi_kelas/README.md +++ /dev/null @@ -1,100 +0,0 @@ -# definisikan kelas dengan python - -struktur data primitif seperti angka, string dan list dirancang untuk mewakili potongan informasi sederhana, seperti harga apel, nama puisi atau warna favorit, bagaimana jika ingin mempresentasikan suatu yang lebih kompleks ? - -misalnya, kita ingin melacak karyawan di sebuah organisasi. kita perlu menyimpan beberapa informasi dasar tentang setiap karyawan, seperti nama, usia, posisi dan tahun mulai bekerja - -aasalah satu car auntuk melakukannya adalah dengan mewakili setiap karyawan sebagai list - -```python -sundar = ["sundar pichai", 25, "CEO", 4421] -karen = ["karen crab", 20, "officer", 2214] -lims = ["lim benjamin", "officer", 2612] -``` - -ada sejumlah masalah dengan pendekatan ini - -pertama, ini dapat emmbuat file kode yang lebih besar dan lebih sulit untuk dikelola. jika kita mereferensikan ``sundar[0]`` beberapa baris dari tempat ``sundar`` yang di deklarasikan, apakah kita akan mengingat bahwa elemen dengan indeks ``0`` adalah nama karyawan - -kedua, dapat menimbulkan kesalahan jika tidak setiap karyawan memiliki jumlah elemen yang sama dalam daftar. contoh pada ``lims`` yang tidak terdapat daftar usia. jadi jika kita memanggil ``lims[1]`` maka ``"officer"`` akan digantikan sebagai usia - -car ayang bagus untuk membuat kode jenis ini lebih mudah dikelola adalah dengan menggunakan kelas - -## cara mendifinisikan kelas - -semua definisi kelasdimulai dengan ``class``, yang diikuti dengan nama kelas dan titik dua. setiap kode yang menjorok di bawah definisi kelas dianggap sebagai dari bagian dari badan kelas - -```python -class Pelajar: - # isi dari kelas dari "Pelajar" - pass -``` - -catatan: -__nama kelas python ditulis dalam notasi **CapitalizeWords** berdasarkan python naming convention. misalnya, kelas untuk jenis pelajar seperti pelajar mahasiswa akan ditulis sebagai **PelajarMahasiswa**__ - -properti dari ``student`` harus dimiliki semua objek didefinisikan dalam metode yang disebut dengan ``.__init__()``. setiap kali baru student objek dibuat, ``.__init__()`` menetapkan awal dari objek dengan assign value dari objek properti. jadi, ``.__init__()`` akan menginisialisasi setiap instance baru di kelas. - -kita dapat memberikan parameter di dalam ``.__init()__``, teatpi variabel pertama akan selaliu berupa variabel yang disebut dengan ``self``. ketika instance kelas beru dibuat, instance secara otomatis diteruskan ke ``self`` parameter ``.__init__()`` sehingga attribut baru dapat didefinisikan pada objek - -```python -class Pelajar: - def __init__(self, nama, umur): - self.nama = nama - self.umur = umur -``` - -di dalam ``__init__()``, tedapat dua pernyataan yang menggunakan ``selfvariabel`` - -1. ``self.nama = nama``, membuat atribut yang dipanggil nama dan memberikan nilai nama parameter padanya -2. ``self.umur = umur``, membatu atribut yang dipanggil umur dan memberikan nilai umur parameter padanya - -attribut yang dibuat ``.__init__()`` disebut **attribut instance**. nilai atribut instance khusus untuk instance kelas tertenty, semua ``student`` objek memiliki nama dan usia, tetapi nilai atribut ``nama`` dan ``usia`` akan bervariasi tergantung pada ``student`` instance. - -di sisi lain, **atribut kelas** adalah atribut yang memiliki nilai yang sama untuk semua instance kelas. kita dapat mendifinisikan atribut kelas dengan menetapkan nilai ke nama variabel di luar ``.__init__()`` - -misalnya, kelas ``student`` memiliiki atribut kelas yang disebut ``jenis_kelas`` dengan nilai ``bahasa`` - -```python -class Student: - jenis_kelas = "bahasa" - - def __init__(self, nama, umur): - self.nama = nama - self.umur = umur -``` - -atribut kelas didefinsikan langsung di bawah bari pertama nama kelas dan diberi indentasi oleh empat spasi. mereka harus selalu diberi nilai awal. ketika sebuah instance dari kelas dibuat. atribut kelas secara otomatis dibuat dan ditetapkan ke nilai awalnya. - -gunakan atribut kelas untuk mendefinisikan properti yang harus memiliki nilai yang sama untuk setiap instanc kelas, gunakan atribut instance untuk properti yagn bervariasi dari satu instance ke instance lainnya - -## membuat instansi objek dengan python - -lakukan dengan cara buka terminal atau interaktif idle python, untuk pada terminal, cmd, powershell bisa dilakukan dengan cara melakukan perintah -``` -python3 -``` -kemudian lakukan perintah -``` ->>> class Pelajar: -... pass -``` -ini akan menciptakan kelas ``Pelajar`` baru tanpa atribut atau metode. - -membuat objek baru dari kelas disebut ``instantiating`` objek. kita dapat membuat instance objek ``Pelajar`` bari dengan mengetikkan nama kelas, diikuti dengan tanda kurung buka dan tutup -``` ->>> Pelajar -<__main__.Pelajar object at 0x7ff3b8e41640> -``` - -kita skearang memiliki objek ``Pelajar`` pada ``0x7ff3b8e41640``, rangkaian huruf dan angka itu adalah **alamat memori** yang menunjukkan di mana objek ``Pelajar`` tersebut disimpan dalam memori komputer kita. setiap memanggil maka kita akan mendapatkan jenis memori yang berbeda beda tiap kita memanggilnya. cara mudah untuk membedakannya adalah dengan cara berikut - -``` ->>> pertama = Pelajar() ->>> kedua = Pelajar() -pertama == kedua -False -``` - - -Materi Selanjutnya: [Atribut Kelas](../1_atribut_kelas) \ No newline at end of file diff --git a/other/composite_number.py b/other/composite_number.py new file mode 100644 index 00000000..a18dfda5 --- /dev/null +++ b/other/composite_number.py @@ -0,0 +1,82 @@ +# Composite number adalah angka yang bukan prima +# https://en.wikipedia.org/wiki/Composite_number +import math + + +def compositer_number(number: int) -> int | str: + """ + Fungsi ini membuat daftar compositer number sesuai range + tertentu. + + >>> compositer_number(2) + 'Bukan angka compositer' + >>> compositer_number(10) + [4, 6, 8, 9, 10] + """ + bukan = "Bukan angka compositer" + if number < 4: + return bukan + + list_number = [False] * (number + 1) + p = 2 + + while p * p <= number: + if not list_number[p]: + + for i in range(p * p, number + 1, p): + list_number[i] = True + + p += 1 + + result = [] + + for p in range(4, number + 1): + if list_number[p]: + result.append(p) + + return result + + +def is_compositor(number: int) -> str: + """ + Fungsi ini mengecek apakah bilangan ini termasuk compositor + atau tidak. + + >>> is_compositor(8) + 'Angka compositor' + >>> is_compositor(6) + 'Angka compositor' + >>> is_compositor(5) + 'Bukan Angka Compositor' + >>> is_compositor(7) + 'Bukan Angka Compositor' + + """ + benar, bukan = "Angka compositor", "Bukan Angka Compositor" + if number < 4: + return bukan + + for i in range(2, int(math.sqrt(number)) + 1): + if number % i == 0: + return benar + + return bukan + + +def main(args=None): + import doctest + + doctest.testmod() + + # sample test + print(compositer_number(2)) # Bukan angka compositer + print(compositer_number(10)) # [4, 6, 8, 9, 10] + print("\n") + print(is_compositor(8)) # Angka Compositor + print(is_compositor(6)) # Angka Compositor + print(is_compositor(5)) # Bukan Angka Compositor + print(is_compositor(7)) # Bukan Angka Compositor + + +if __name__ == "__main__": + main() diff --git a/other/date_to_weekday.py b/other/date_to_weekday.py index 808c0609..05cdbe24 100644 --- a/other/date_to_weekday.py +++ b/other/date_to_weekday.py @@ -16,9 +16,8 @@ def date_to_weekday(inp_date: str) -> str: day, month, year = (int(x) for x in inp_date.split("/")) if year % 100 == 0: year = "00" - new_base_date: str = ( - f"{day}/{month}/{year%100} 0:0:0" # lgtm [py/percent-format/wrong-arguments] - ) + year = year % 100 + new_base_date: str = f"{day}/{month}/{year} 0:0:0" date_time_obj: datetime.date = datetime.strptime(new_base_date, "%d/%m/%y %H:%M:%S") out_put_day: int = date_time_obj.weekday() return day_name[out_put_day] @@ -27,4 +26,6 @@ def date_to_weekday(inp_date: str) -> str: if __name__ == "__main__": import doctest + print(date_to_weekday("29/11/2022")) + doctest.testmod() diff --git a/other/happy_number.py b/other/happy_number.py new file mode 100644 index 00000000..45d105b6 --- /dev/null +++ b/other/happy_number.py @@ -0,0 +1,62 @@ +# Mengecek apakah angka adalah sebuah happy number atau sad number +# https://en.wikipedia.org/wiki/Happy_number +def sum_digit(number): + value_digit = 0 + while number > 0: + digit = number % 10 + value_digit += digit * digit + number = number // 10 + return value_digit + + +def happy_or_sad(number) -> str: + """ + Happy number adalah sebuah angka yang dimana nanti akan kembali + menjadi satu jika di lakukan penjumlahan kuadrat. + + 13 = 1^2 + 3^2 = 10 = 1^2 + 0^2 = 1 -> Happy Number + 4 = 4^2 = 16 = 1^2 + 6^2 = 37 ... 2^2 + 0 = 4 -> Sad Number + + >>> happy_or_sad(23) + 'happy number' + >>> happy_or_sad(44) + 'happy number' + >>> happy_or_sad(8) + 'sad number' + >>> happy_or_sad(20) + 'sad number' + """ + set_value = set() + happy, sad = "happy number", "sad number" + while True: + if number == 1: + return str(happy) + + number = sum_digit(number) + + if number in set_value: + return str(sad) + + set_value.add(number) + + +def main(args=None): + import doctest + + doctest.testmod() + + # sample case + happy_numbers = [1, 7, 23, 31, 44] + unhappy_numbers = [2, 3, 8, 20, 4] + + for i in happy_numbers: + print(happy_or_sad(i)) + + print("\n") + + for i in unhappy_numbers: + print(happy_or_sad(i)) + + +if __name__ == "__main__": + main() diff --git a/other/kaprekar_number.py b/other/kaprekar_number.py new file mode 100644 index 00000000..c6d9c4f6 --- /dev/null +++ b/other/kaprekar_number.py @@ -0,0 +1,61 @@ +# mengecek apakah bilangan apakah bilangan itu masuk kaprekar +# https://en.wikipedia.org/wiki/Kaprekar_number +import math + + +def kaprekar_number(number: int) -> str: + """ + Angka kaprekar adalah angka yang yang di kuadratkan, + dan di pisahmenjadi dua bagian dan di jumlahkan lagi + maka akat menjadi angka itu kembali. + + >>> kaprekar_number(45) + 'Angka Kaprekar' + >>> kaprekar_number(9) + 'Angka Kaprekar' + >>> kaprekar_number(5) + 'Bukan Angka Kaprekar' + >>> kaprekar_number(10) + 'Bukan Angka Kaprekar' + + """ + benar, bukan = "Angka Kaprekar", "Bukan Angka Kaprekar" + if number == 1: + return benar + + square_number = number * number + + cout_d = 0 + while not square_number == 0: + cout_d += 1 + square_number = square_number // 10 + + square_number = number * number + + r_digits = 0 + while r_digits < cout_d: + r_digits += 1 + eq_parts = math.pow(10, r_digits) + + if eq_parts == number: + continue + + jumlah = square_number // eq_parts + square_number % eq_parts + if jumlah == number: + return benar + + return bukan + + +def main(args=None): + import doctest + + doctest.testmod() + + +if __name__ == "__main__": + # sampel case + print(kaprekar_number(45)) # Angka Kaprekar + print(kaprekar_number(9)) # Angka Kaprekar + print(kaprekar_number(5)) # Bukan Angka Kaprekar + print(kaprekar_number(10)) # Bukan Angka Kaprekar diff --git a/other/krisnamurtyCheck.py b/other/krisnamurtyCheck.py new file mode 100644 index 00000000..aa867824 --- /dev/null +++ b/other/krisnamurtyCheck.py @@ -0,0 +1,42 @@ +# Mengecek apakah krisnamurty atau bukan +from math import factorial + + +def krisnamurty(number: int) -> int | str: + """ + Angka Krisnamurty adalah angka factorial yang setiap digitnya + sama dengan factorial nya. + + contoh : + 145! = 1! + 4! + 5! -> Angka Krisnamurty + + >>> krisnamurty(145) + 'Angka Krisnamurty' + >>> krisnamurty(1) + 'Angka Krisnamurty' + >>> krisnamurty(123) + 'Bukan Angka Krisnamuty' + + """ + error = "Masukkan Angka dengan benar" + benar, bukan = "Angka Krisnamurty", "Bukan Angka Krisnamuty" + if not isinstance(number, int) or number < 0: + return error + else: + total = sum(factorial(int(d)) for d in str(number)) + return benar if total == number else bukan + + +def main(args=None): + import doctest + + doctest.testmod() + + # sample case + print(krisnamurty(145)) # Angka Krisnamurty + print(krisnamurty(1)) # Angka Krisnamurty + print(krisnamurty(123)) # Bukan Angka Krisnamuty + + +if __name__ == "__main__": + main() diff --git a/other/logic_gate.py b/other/logic_gate.py new file mode 100644 index 00000000..4abc8413 --- /dev/null +++ b/other/logic_gate.py @@ -0,0 +1,200 @@ +# Program sedergana untuk membuat gerbang logika +# https://en.wikipedia.org/wiki/Logic_gate + + +def NOT_gate(input_1: int) -> int | str: + """ + NOT gate adalah gerbang logika yang menghasilkan 0 + jika input satu dan begitu juga sebaliknya. + + >>> NOT_gate(1) + 0 + >>> NOT_gate(0) + 1 + + """ + error = "angka hanya satu dan nol" + if input_1 == 1: + return 0 + elif input_1 == 0: + return 1 + else: + return error + + +def OR_gate(int_1: int, int_2: int) -> int | str: + """ + OR gate adalah gerbang yang menghasilkan 0 jika dua + input 0. + + >>> OR_gate(0,0) + 0 + >>> OR_gate(0,1) + 1 + >>> OR_gate(1,0) + 1 + >>> OR_gate(1,1) + 1 + >>> OR_gate(3,0) + 'angka hanya satu dan nol' + + """ + error = "angka hanya satu dan nol" + if int_1 == 0 and int_2 == 0: + return 0 + elif int_1 == 1 and int_2 == 0: + return 1 + elif int_1 == 0 and int_2 == 1: + return 1 + elif int_1 == 1 and int_2 == 1: + return 1 + else: + return error + + +def AND_gate(int_1: int, int_2: int) -> int | str: + """ + AND gate adalah gerbang yang menghasilkan 1 jika dua + input 1. + + >>> AND_gate(0,0) + 0 + >>> AND_gate(0,1) + 0 + >>> AND_gate(1,0) + 0 + >>> AND_gate(1,1) + 1 + >>> NAND_gate(3,0) + 'angka hanya satu dan nol' + + """ + error = "angka hanya satu dan nol" + if int_1 == 0 and int_2 == 0: + return 0 + elif int_1 == 1 and int_2 == 0: + return 0 + elif int_1 == 0 and int_2 == 1: + return 0 + elif int_1 == 1 and int_2 == 1: + return 1 + else: + return error + + +def NAND_gate(int_1: int, int_2: int) -> int | str: + """ + NAND gate adalah gerbang yang menghasilkan 0 jika dua + input 1. + + >>> NAND_gate(0,0) + 1 + >>> NAND_gate(0,1) + 1 + >>> NAND_gate(1,0) + 1 + >>> NAND_gate(1,1) + 0 + >>> NAND_gate(3,0) + 'angka hanya satu dan nol' + + """ + error = "angka hanya satu dan nol" + if int_1 == 0 and int_2 == 0: + return 1 + elif int_1 == 1 and int_2 == 0: + return 1 + elif int_1 == 0 and int_2 == 1: + return 1 + elif int_1 == 1 and int_2 == 1: + return 0 + else: + return error + + +def NOR_GATE(int_1: int, int_2: int) -> int | str: + """ + NOR gate adalah gerbang yang menghasilkan 1 jika dua + input 0. + + >>> NAND_gate(0,0) + 1 + >>> NAND_gate(0,1) + 1 + >>> NAND_gate(1,0) + 1 + >>> NAND_gate(1,1) + 0 + >>> NAND_gate(3,0) + 'angka hanya satu dan nol' + + """ + error = "angka hanya satu dan nol" + if int_1 == 0 and int_2 == 0: + return 1 + elif int_1 == 1 and int_2 == 0: + return 0 + elif int_1 == 0 and int_2 == 1: + return 0 + elif int_1 == 1 and int_2 == 1: + return 0 + else: + return error + + +def XOR_gate(int_1: int, int_2: int) -> int | str: + """ + XOR gate adalah gerbang yang akan menghasilkan angka 1 jika + input nya berlawanan. + >>> XOR_gate(0,0) + 0 + >>> XOR_gate(1,0) + 1 + >>> XOR_gate(0,1) + 1 + >>> XOR_gate(1,1) + 0 + """ + error = "angka hanya satu dan nol" + if int_1 == 0 and int_2 == 0: + return 0 + elif int_1 == 1 and int_2 == 0: + return 1 + elif int_1 == 0 and int_2 == 1: + return 1 + elif int_1 == 1 and int_2 == 1: + return 0 + else: + return error + + +def XNOR_gate(int_1: int, int_2: int) -> int | str: + """ + XNOR gate adalah gerbang yang yang akan menghasilkan 1 jika + inputnya sama. + >>> XNOR_gate(0,0) + 1 + >>> XNOR_gate(1,0) + 0 + >>> XNOR_gate(0,1) + 0 + >>> XNOR_gate(1,1) + 1 + """ + error = "angka hanya satu dan nol" + if int_1 == 0 and int_2 == 0: + return 1 + elif int_1 == 1 and int_2 == 0: + return 0 + elif int_1 == 0 and int_2 == 1: + return 0 + elif int_1 == 1 and int_2 == 1: + return 1 + else: + return error + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/other/lucky_number.py b/other/lucky_number.py new file mode 100644 index 00000000..571b4560 --- /dev/null +++ b/other/lucky_number.py @@ -0,0 +1,65 @@ +# Algoritma untuk mengecek apakah bilangan itu lucky number +# https://en.wikipedia.org/wiki/Lucky_number +def is_lucky_number(number): + """ + Lucky number adalah angka yang selamat dari persortiran + angka berdasarkan posisi mirip Sieve. + + >>> is_lucky_number(1) + 'Angka Lucky' + >>> is_lucky_number(21) + 'Angka Lucky' + >>> is_lucky_number(9) + 'Angka Lucky' + >>> is_lucky_number(10) + 'Bukan Angka Lucky' + >>> is_lucky_number(1232) + 'Bukan Angka Lucky' + >>> is_lucky_number(700) + 'Bukan Angka Lucky' + + """ + benar, bukan = "Angka Lucky", "Bukan Angka Lucky" + MAX_NUMBER = 10000 + + idx = 1 + nbr = [] + for i in range(1, MAX_NUMBER): + if i % 2 != 0: + nbr.append(i) + + while idx < len(nbr): + step = nbr[idx] + if step > len(nbr): + break + + new_numbers = [] + pos = 1 + for val in nbr: + if pos % step != 0: + new_numbers.append(val) + pos += 1 + nbr = new_numbers + idx += 1 + + if number in nbr: + return benar + else: + return bukan + + +def main(args=None): + import doctest + + doctest.testmod() + + print(is_lucky_number(1)) # Angka Lucky + print(is_lucky_number(21)) # Angka Lucky + print(is_lucky_number(9)) # Angka Lucky + print(is_lucky_number(10)) # Bukan Angka Lucky + print(is_lucky_number(80)) # Bukan Angka Lucky + print(is_lucky_number(897)) # Bukan Angka Lucky + + +if __name__ == "__main__": + main() diff --git a/other/strong_password_check.py b/other/strong_password_check.py new file mode 100644 index 00000000..5a9a26c7 --- /dev/null +++ b/other/strong_password_check.py @@ -0,0 +1,39 @@ +# cek password kuat atau tidak + +from string import ascii_lowercase, ascii_uppercase, digits, punctuation + + +def strong_password_detector(password: str, min_length: int = 8) -> str: + """ + >>> strong_password_detector("Hwea7$2!") + 'password kuat' + + >>> strong_password_detector("Sh0r1") + 'password setidaknya melebihi 8 karakter' + + >>> strong_password_detector("Test123") + 'password setidaknya melebihi 8 karakter' + """ + + if len(str(password)) < 8: + return "password setidaknya melebihi 8 karakter" + + upper = any(char in ascii_uppercase for char in password) + lower = any(char in ascii_lowercase for char in password) + num = any(char in digits for char in password) + spec_char = any(char in punctuation for char in password) + + if upper and lower and num and spec_char: + return "password kuat" + + else: + return ( + "password harus mengandung HURUF BESAR, huruf kecil, " + "angka, karakter lain" + ) + + +if __name__ == "__main__": + import doctest + + doctest.testmod(verbose=True) diff --git a/other/taxicab.py b/other/taxicab.py new file mode 100644 index 00000000..db264516 --- /dev/null +++ b/other/taxicab.py @@ -0,0 +1,55 @@ +# Bilangan Taxicab adalah bilangan yang dapat dinyatakan sebagai jumlah +# dua kubus bilangan bulat positif dengan lebih dari satu cara berbeda. +# https://en.wikipedia.org/wiki/Taxicab_number +from array import array + + +def taxi_cab(x): + """ + Fungsi ini akan menghitung nilai kubus dari 0 sampai x-1 untuk menciptakan pasangan + angka (a, b), lalu dihitung a^3 + b^3. Jika hasil penjumlahan muncul sekali, maka + akan disimpan sebagai bilangan Taxicab. + + >>> taxi_cab(10) + [] + >>> taxi_cab(20) + [1729, 4104] + >>> taxi_cab(30) + [1729, 4104, 13832, 20683] + >>> taxi_cab(40) + [1729, 4104, 13832, 20683, 32832, 39312, 40033, 46683, 64232] + """ + cubes = array("i", [i**3 for i in range(0, x)]) + dict_sum_pairs = {} + raman = set() + + for a in range(0, x): + for b in range(a + 1, x): + a3, b3 = cubes[a], cubes[b] + + sum_pairs = a3 + b3 + + if sum_pairs not in dict_sum_pairs: + dict_sum_pairs[sum_pairs] = (a, b) + else: + raman.add(sum_pairs) + return sorted(raman) + + +def main(args=None): + import doctest + + doctest.testmod() + # base case + print(taxi_cab(10)) + # output = [] + print(taxi_cab(20)) + # output = [1729, 4104] + print(taxi_cab(30)) + # output = [1729, 4104, 13832, 20683] + print(taxi_cab(40)) + # output = [1729, 4104, 13832, 20683, 32832, 39312, 40033, 46683, 64232] + + +if __name__ == "__main__": + main() diff --git a/other/turtle/README.md b/other/turtle/README.md new file mode 100644 index 00000000..90607176 --- /dev/null +++ b/other/turtle/README.md @@ -0,0 +1,20 @@ +# Python turtle + +Turtle adalah package python yang digunakan untuk mengenalkan tentang pemograman kepada anak-anak dengan cara mengoding dan kemudian menghasilkan gambar yang indah. + +Di folder ini terdapat berbagai macam source code dari package turtle yagn menghasilkan gambar yang indah. + +Contoh dari python turtle yang membentuk matahari: + +```python +from turtle import * +color('red', 'yellow') +begin_fill() +while True: + forward(200) + left(170) + if abs(pos()) < 1: + break +end_fill() +done() +``` diff --git a/other/turtle/logo_apple.py b/other/turtle/logo_apple.py new file mode 100644 index 00000000..9d9fd97b --- /dev/null +++ b/other/turtle/logo_apple.py @@ -0,0 +1,95 @@ +import turtle as t + + +def gambar(): + t.begin_fill() + t.fillcolor("black") + t.left(134) + for i in range(30): + t.forward(1) + t.left(1) + t.right(5) + for i in range(35): + t.forward(1) + t.left(1) + t.left(5) + t.forward(30) + + for i in range(15): + t.forward(0.7) + t.right(3) + + t.forward(25) + t.left(5) + for i in range(50): + t.forward(1) + t.left(1) + t.right(3) + for i in range(50): + t.forward(1) + t.left(1) + t.right(5) + for i in range(45): + t.forward(2) + t.left(1) + t.right(5) + for i in range(40): + t.forward(2) + t.left(1) + t.left(5) + for i in range(20): + t.forward(1) + t.left(2) + t.left(5) + t.forward(15) + for i in range(9): + t.forward(2) + t.right(3) + t.forward(1) + for i in range(15): + t.forward(1) + t.right(1) + t.right(4) + t.forward(4.5) + t.right(1) + for i in range(27): + t.forward(1) + t.left(2) + t.left(8) + t.forward(5) + for i in range(25): + t.forward(2) + t.left(1) + t.right(3) + t.forward(10) + t.left(83) + for i in range(75): + t.forward(1.3) + t.right(1) + t.right(4) + for i in range(24): + t.forward(1.3) + t.right(1) + t.forward(9.66) + t.end_fill() + t.penup() + t.left(132) + t.forward(100) + t.right(96) + t.pendown() + t.begin_fill() + t.fillcolor("black") + for i in range(60): + t.forward(0.8) + t.right(1) + t.right(120) + for i in range(60): + t.forward(0.8) + t.right(1) + t.hideturtle() + t.end_fill() + t.done() + + +if __name__ == "__main__": + gambar() diff --git a/pyproject.toml b/pyproject.toml new file mode 100644 index 00000000..26370db5 --- /dev/null +++ b/pyproject.toml @@ -0,0 +1,29 @@ +[project] +name = "python-bellshade" +version = "1.0.0" +description = "Repositori untuk belajar pemograman dalam bahasa indonesia" +readme = "README.md" +requires-python = ">=3.13" +dependencies = [ + "beautifulsoup4", + "fake_useragent", + "keras", + "lxml", + "matplotlib", + "numpy", + "opencv-python", + "pandas", + "pillow", + "pre-commit>=4.1.0", + "projectq", + "pytest>=9.0.1", + "qiskit", + "requests", + "scikit-fuzzy", + "scikit-learn", + "statsmodels", + "sympy", + "tensorflow", + "types-requests", + "xgboost", +] diff --git a/pytest.ini b/pytest.ini new file mode 100644 index 00000000..51d9ec57 --- /dev/null +++ b/pytest.ini @@ -0,0 +1,3 @@ +[pytest] +addopts = --doctest-modules --durations=10 +doctest_encoding = latin1 \ No newline at end of file diff --git a/regular_expression/00_pengenalan_regex/README.md b/regular_expression/00_pengenalan_regex/README.md new file mode 100644 index 00000000..966683ba --- /dev/null +++ b/regular_expression/00_pengenalan_regex/README.md @@ -0,0 +1,16 @@ +# python regex + +RegEx, atau ekspresi reguler, adalah urutan karakter yang membentuk pola pencarian. + + RegEx dapat digunakan untuk memeriksa apakah string berisi pola pencarian yang ditentukan. + + Python memliki module regex yang disebut dengan ``re`` yang dapat digunakan untuk bekerja dengan ekspresi reguler. + + Contoh penggunaan regex untuk melihat apakah sebuah string dimulai dengan kata _saya_ dan diakhiri dengan _bellshade_ + + ```python +import re + +kata = "saya belajar python di bellshade" +regex_saya = re.search("^saya.*bellshade$", kata) +``` \ No newline at end of file diff --git a/regular_expression/00_pengenalan_regex/contoh_regex.py b/regular_expression/00_pengenalan_regex/contoh_regex.py new file mode 100644 index 00000000..cd856909 --- /dev/null +++ b/regular_expression/00_pengenalan_regex/contoh_regex.py @@ -0,0 +1,12 @@ +# menggunakan fungsi modul re +import re + +kata = "saya belajar python di bellshade" +regex_saya = re.search("^saya.*bellshade$", kata) + +# jika regex yang dicari ditemukan +if regex_saya: + print("kata ditemukan") +else: + # jika kata tidak ditemukan + print("kata tidak ditemukan") diff --git a/requirements.txt b/requirements.txt index ad271248..c8aabea3 100644 --- a/requirements.txt +++ b/requirements.txt @@ -7,12 +7,13 @@ numpy opencv-python pandas pillow +projectq qiskit requests scikit-fuzzy -sklearn +scikit-learn statsmodels sympy tensorflow types-requests -xgboost \ No newline at end of file +xgboost diff --git a/scripts/build_directory_md.py b/scripts/build_directory_md.py index 1e14d93f..1a53a309 100755 --- a/scripts/build_directory_md.py +++ b/scripts/build_directory_md.py @@ -7,6 +7,18 @@ def good_file_paths(top_dir: str = ".") -> Iterator[str]: + """ + Fungsi menghasilkan path file yang memenuhi kriteria tertentu + dari direktori yang diberikan. + + Parameter: + - top_dir (str): direktori root tempat pencarian dimulai. + Default adalah direktori saat ini ("."). + + Return: + - (Iterator[str]): path file (relatif terhadap `top_dir`) + + """ for dir_path, dir_names, filenames in os.walk(top_dir): dir_names[:] = [d for d in dir_names if d != "scripts" and d[0] not in "._"] for filename in filenames: @@ -16,7 +28,7 @@ def good_file_paths(top_dir: str = ".") -> Iterator[str]: yield os.path.join(dir_path, filename).lstrip("./") -def md_prefix(i): +def md_prefix(i: int) -> str: return f"{i * ' '}*" if i else "\n##" diff --git a/struktur_data/doubly_linked_list.py b/struktur_data/doubly_linked_list.py index 459f7cf7..1045e081 100644 --- a/struktur_data/doubly_linked_list.py +++ b/struktur_data/doubly_linked_list.py @@ -1,5 +1,4 @@ class Node: - # Class Node digunakan untuk membangun node pada linked list. # Node pada doubly linked list pada umumnya mirip dengan # node pada singly linked list, hanya saja terdapat sebuah @@ -13,19 +12,16 @@ def __init__(self, val=None): class DoublyLinkedList: - # Class DoublyLinkedList digunakan untuk membuat doubly linked list # dari kumpulan node def __init__(self): - # Constructor __init__ digunakan untuk menginisialisasi # head dari linked list self.linked_list_head = None def insert_head(self, new_node): - # Method insert_head digunakan untuk menambah node pada head # dari linked list. Method ini menerima argumen new_node yang # merupakan class Node. @@ -41,7 +37,6 @@ def insert_head(self, new_node): self.linked_list_head = new_node def insert(self, new_node): - # Method insert digunakan untuk menambahkan node pada linked list. # Method ini memiliki parameter new_node di mana parameter ini # menerima argumen berupa class Node. @@ -62,7 +57,6 @@ def insert(self, new_node): new_node.prev = temp def insert_after(self, target, new_node): - # Method insert_after digunakan untuk menambah node setelah node # tertentu. Method ini menerima argumen parameter target_val yang # berfungsi sebagai penanda di mana node yang baru akan @@ -79,7 +73,6 @@ def insert_after(self, target, new_node): new_node.prev = temp def delete_head(self): - # Method delete_head digunakan untuk menghapus head dari # linked list @@ -91,7 +84,6 @@ def delete_head(self): temp = None # lgtm [py/unused-local-variable] def delete_tail(self): - # Method delete_tail digunakan untuk menghapus tail dari # linked list @@ -105,7 +97,6 @@ def delete_tail(self): temp.next = None def delete_node(self, target): - # Method delete_node berfungsi untuk menghapus sebuah node # dari linked list. Method ini menerima argumen target_val, yaitu # nilai dari node pada linked list. @@ -122,7 +113,6 @@ def delete_node(self, target): temp.next.next.prev = temp def print_linked_list(self): - # Method print_linked_list berfungsi untuk mencetak linked list result = [] @@ -135,7 +125,6 @@ def print_linked_list(self): if __name__ == "__main__": - doubly_linked_list = DoublyLinkedList() doubly_linked_list.insert(Node(5)) doubly_linked_list.insert(Node(6)) diff --git a/struktur_data/singly_linked_list.py b/struktur_data/singly_linked_list.py index 805656aa..1ca9a20d 100644 --- a/struktur_data/singly_linked_list.py +++ b/struktur_data/singly_linked_list.py @@ -1,5 +1,4 @@ class Node: - # Class Node digunakan untuk membangun node pada linked list. # Class ini memiliki properti next yang berfungsi sebagai # penunjuk untuk node selanjutnya dan properti val @@ -11,19 +10,16 @@ def __init__(self, val=None): class SingleLinkedList: - # Class SingleLinkedList digunakan untuk membuat single linked list # dari kumpulan node def __init__(self): - # Constructor __init__ digunakan untuk menginisialisasi # head dari linked list self.linked_list_head = None def insert(self, new_node): - # Method insert digunakan untuk menambahkan node pada linked list. # Method ini memiliki parameter new_node di mana parameter ini # menerima argumen berupa class Node(). @@ -43,7 +39,6 @@ def insert(self, new_node): temp.next = new_node def insert_after(self, target_val, new_node): - # Method insert_after digunakan untuk menambah node setelah node # tertentu. Method ini menerima argumen parameter target_val yang # berfungsi sebagai penanda di mana node yang baru akan @@ -61,7 +56,6 @@ def insert_after(self, target_val, new_node): temp = None # lgtm [py/unused-local-variable] def delete_head(self): - # Method delete_head digunakan untuk menghapus head dari # linked list @@ -70,7 +64,6 @@ def delete_head(self): self.linked_list_head = temp def delete_tail(self): - # Method delete_tail digunakan untuk menghapus tail dari # linked list @@ -84,7 +77,6 @@ def delete_tail(self): temp.next = None def delete_node(self, target_val): - # Method delete_node berfungsi untuk menghapus sebuah node # dari linked list. Method ini menerima argumen target_val, yaitu # nilai dari node pada linked list. @@ -100,7 +92,6 @@ def delete_node(self, target_val): temp.next = temp.next.next def print_linked_list(self): - # Method print_linked_list berfungsi untuk mencetak linked list result = [] @@ -113,7 +104,6 @@ def print_linked_list(self): if __name__ == "__main__": - linked_list = SingleLinkedList() linked_list.insert(Node(5)) linked_list.insert(Node(3)) diff --git a/struktur_data/stack/README.md b/struktur_data/stack/README.md new file mode 100644 index 00000000..a0506954 --- /dev/null +++ b/struktur_data/stack/README.md @@ -0,0 +1,31 @@ +# Stack + +Stack atau tumpukan adalah struktur data linier yang menyimpan item dengan cara _Last in/first out_ (``LIFO`` ) atau _fist in/last out_. Di stack, elemen baru ditambahkn di satu ujung elemen dihapus dari ujung itu saja. Operasi penyisipan dan penghapusan sering disebut push dan pop. + +## Implementasi + +Ada berbagai cara dimana stack dapat diimplementasikan dengan Python. + +### Implementasi menggunakan list + +Daftar struktur data bawaan python dapat digunakan sebagai tumpukan. Alih alih ``push()``, ``append()`` digunakan untuk menambahkan elemen ke bagian atas tumpukan sementara ``pop()`` menghapus elemen dalam urutan ``LIFO``. Sayangnya list ini memiliki kukurangan, masalah terbesarnya dalah ia dapat mengalami masalah kecepatan seiring dengan pertumbuhannya. Item dalam list disimpan bersebelahan dengan memori, jika tumpukan tumbuh lebih besar dari blok memori yang saat ini menampungnya, maka python perlu melakukan beberapa alokasi memori. Ini dapat menyebabkan beberapa panggilan ``append()`` memakan waktu lebih lama daripada yang lain. + +```py +stack = [] + +# menggunakan fungsi append untuk push +# ke dalam stack +stack.append("a") +stack.append("b") +stack.append("c") +stack.append("d") + +# menggunakan fungsi pop() +print("element yang pop dari stack") +print(stack.pop()) +print(stack.pop()) + +# melihat stack yang sudah di pop +print(stack) +``` + diff --git a/struktur_data/stack/stack_list.py b/struktur_data/stack/stack_list.py new file mode 100644 index 00000000..49c913d4 --- /dev/null +++ b/struktur_data/stack/stack_list.py @@ -0,0 +1,19 @@ +stack = [] + +# menggunakan fungsi append untuk push +# ke dalam stack +stack.append("a") +stack.append("b") +stack.append("c") +stack.append("d") + +print("element stack:") +print(stack) + +# menggunakan fungsi pop() +print("element yang pop dari stack") +print(stack.pop()) +print(stack.pop()) + +# melihat stack yang sudah di pop +print(stack) diff --git a/struktur_data/tree/README.md b/struktur_data/tree/README.md new file mode 100644 index 00000000..1385b030 --- /dev/null +++ b/struktur_data/tree/README.md @@ -0,0 +1,58 @@ +## Definisi +*Binary tree* (*BST*) adalah struktur data yang berbentuk nonlinier yang membentuk struktur seperti pohon dan terbentuk dari sekumpulan *node*. Pada *binary tree*, properti dari *node* berisi data, *pointer left*, dan *pointer right* (kita akan melihat kegunaan dari ketiga properti ini nanti!). Pada *binary tree*, sebuah *parent node* hanya boleh memiliki maksimal dua buah *child node*. + +## Terminologi Pada *Tree* +Pada *binary tree*, ada beberapa terminologi yang harus kita pahami, di antaranya: + +1. Node : Merupakan titik yang membentuk sebuah *tree* +2. Root : Merupakan *node* yang terletak paling atas pada *tree* +3. Parent : Merupakan *node* selain *root* yang menghubungkan *node* lain, serta tidak terletak pada dasar dari *tree* +4. Child : Merupakan *node* yang membawahi *parent* +5. Leaf Node : Merupakan *node* yang tidak memiliki *child* +6. Internal Node : Merupakan *node* yang memiliki setidaknya satu *child node* + +Berikut ini, ilustrasi dari terminologi di atas + +![Struktur Binary Search Tree](img/Ilustrasi_BST.png)\ +Keterangan : +1. *Node* 1 adalah *root node* +2. *Node* 2 adalah *parent node* untuk *node* 4 dan 5. *Node* 2 juga berperan sebagai *internal node* +3. *Node* 4 dan 5 adalah *child node* dari *node* 2 +4. *Node* 3, 4, dan 5 adalah *leaf* node + +Gambar berikut akan kita gunakan untuk membahas tinggi (*height*) dan kedalaman (*depth*) dari sebuah *tree* +![Tree height example](img/height_of_tree.png)\ +Secara umum, **tinggi dari sebuah *tree* diukur dari *root node* ke *leaf node* terjauh**. Tinggi maksimal dari sebuah *binary tree* dengan *n* buah *node* adalah sebesar *n-1*. +*Tree A* memiliki tinggi sebesar 3 satuan dihitung dari *root node*, sedangkan *Tree B* memiliki tinggi sebesar 2 satuan dihitung dari *root node*. Dari contoh ini, bisa kita simpulkan bahwa *binary tree* dengan 4 buah *node* memiliki tinggi maksimal sebesar 3 satuan. + +**Kedalaman dari sebuah *binary tree* diukur dari *root node* ke *node* yang ditentukan**. Pada *Tree A*, kedalaman dari *node 2* adalah 1 satuan, dan kedalaman dari *node 3* adalah 2 satuan. Sedangkan pada *Tree B*, kedalaman dari *node 2* dan *node 3* sama-sama 1 satuan. + +## Ragam *Tree* +Terdapat beberapa ragam *binary tree*, di antaranya : + +1. Full Binary Tree\ + Merupakan *binary tree* yang memiliki **dua** atau **tidak sama sekali** *child node*\ + ![Full Binary Tree](img/full_bt.png) +2. Complete Binary Tree\ + Merupakan *binary tree* di mana pada setiap tingkat (*level*) terdapat setidaknya satu buah *node*\ + ![Complete Binary Tree](img/complete_bt.png) +3. Perfect Binary Tree\ + Merupakan *binary tree* yang setiap *internal node*-nya memiliki tepat dua buah *child node*\ + ![Perfect Binary Tree](img/perfect_bt.png) +4. Degenerate Binary Tree\ + Merupakan *binary tree* yang tiap *internal node*-nya hanya memiliki sebuah *child node*\ + ![Degenerate Binary Tree](img/degenerate_bt.png) + +## Perbedaan *Binary Tree* Dan *Binary Search Tree* +Walau sekilas terlihat mirip, ternyata ada perbedaan antara *binary tree* dengan *binary search tree*, di antaranya: +| **Pembeda** | **Binary Tree** | **Binary Sarch Tree** | +|-------------|--------------------------------------------------------------------------------------------------------------------------|------------------------------------------------------------------------------------------------------------------------------------------------| +| Struktur | Tidak ada aturan ketika melakukan *insert* pada *tree* | Nilai *node* pada *subtree* sebelah kiri selalu lebih kecil dari pada nilai *node* pada *subtree* sebelah kanan ketika kita melakukan *insert* | +| Operasi | Layaknya *linked list*, *binary tree* juga memiliki operasi *insert*, *delete*, juga *search* | Operasi yang dimiliki sama seperti *binary tree*, hanya saja performa pada *binary search tree* lebih optimal karena sudah tersturktur. | +| Jenis | Ada beberapa jenis dari *binary tree*, di antaranya *full binary tree*, *complete binary tree*, dan *perfect binary tree* | Ada beberapa jenis dari *binary search tree*, di antaranya *AVL tree*, *red black tree*, dan *T tree* | + +Referensi : +1. https://www.upgrad.com/blog/5-types-of-binary-tree/ +2. https://www.geeksforgeeks.org/relationship-number-nodes-height-binary-tree/ +3. https://stackoverflow.com/questions/2603692/what-is-the-difference-between-tree-depth-and-height +4. https://www.upgrad.com/blog/binary-tree-vs-binary-search-tree/ \ No newline at end of file diff --git a/struktur_data/tree/avl_tree/README.md b/struktur_data/tree/avl_tree/README.md new file mode 100644 index 00000000..57ba3af8 --- /dev/null +++ b/struktur_data/tree/avl_tree/README.md @@ -0,0 +1,170 @@ +# Avl tree +AVL tree adalah binary search tree yang memiliki perbedaan tinggi/level maksumal 1 antar subtree kiri dan subtree kanan. AVL tree muncul untuk menyeimbangkan binary search tree. Dengan AVL tree, waktu pencarian dan bentuk tree dapat dipersingkat dan disederhanakan. + +## Perbedaan antara binary search tree dan avl tree + + +**Binary search tree** + +- Binary search tree adalah height balanced p-tree yang artinya maksimum perbedaan height antara subtree kiri dan kanan adalah p. +- Semua data dibagian kiri _sub-tree_ dari _node_ t selalu lebih kecil dari data dalam _node_ t itu sendiri. +- Semua data dibagian kanan _sub-tree_ dari _node_ t selalu lebih besar atau sama dengan data dalam node t. + +**Avl tree** + +- Avl tree adalah height balanced 1-tree yang berarti maksimum perbedaan antara subtree kiri dan kanan adalah satu. +- Path pencarian lokasi untuk dilakukan operasi insert dimulai dari root. +- Adanya node pada search path yang balancenya _TallLeft_(tanda -) atau _TallRight_(tanda +) dan terletak paling dekat dengan node yang baru. + +## Penerapan struktur data avl + +Penerapan struktur data avl tree digunakan pada binary search tree yang bertujuan untuk menyeimbangkan tree tersebut, sehingga waktu pencarian an struktur tree dapat disederhanakan. Avl tree dapat direpresentasikan dengan menggunakan array maupun linked list. Contohnya untuk membuat program tingkatan pegawi dalam perusahaan dan silsilah keluarga. + +**Membuat node pohon** + +```python +class TreeNode(object): + def __init__(self, val): + self.val = val + self.kiri = None + self.kanan = None + self.tinggi = 1 +``` + +**Membuat kelas dari avl tree yang dimana termasuk fungsi insert** + +```python +class AVL_Tree(object): + # membuat fungsi rekursif untuk memasukkan + # kunci ke subtree di root dengan node dan return + # root baru dari sub tree + def insert(self, root, kunci): + # membuat binary search tre sederhana + if not root: + return TreeNode(kunci) + elif kunci < root.val: + root.kiri = self.insert(root.kiri, kunci) + else: + root.kanan = self.insert(root.kanan, kunci) + + # update dari tinggi simpul node + root.tinggi = 1 + max( + self.getTinggi(root.kiri), + self.getTinggi(root.kanan), + ) + + # dapatkan faktor dari keseimbangan tree + seimbang = self.getSeimbang(root) + + # jika node tidak seimbang + # maka lakukan 4 struktur logika + # logika 1 - kiri kiri + if seimbang > 1 and kunci < root.kiri.val: + return self.rotasi_kanan(root) + + # logika 2 - kanan kanan + if seimbang < -1 and kunci > root.kanan.val: + return self.rotasi_kiri(root) + + # logika 3 - kiri kanan + if seimbang > 1 and kunci > root.kiri.val: + root.kiri = self.rotasi_kiri(root.left) + return self.rotasi_kiri + + # logika 4 - kanan kiri + if seimbang < -1 and kunci < root.kanan.val: + root.kanan = self.rotasi_kanan(root.kanan) + return self.rotasi_kiri(root) + + return root + + # membuat fungsi dari rotasi kiri + def rotasi_kiri(self, z): + y = z.kanan + T2 = y.kiri + + # lekukan rotasi + y.kiri = z + z.kanan = T2 + + # update dari tinggi + z.tinggi = 1 + max( + self.getTinggi(z.kiri), + self.getTinggi(z.lanan) + ) + y.tinggi = 1 + max( + self.getTinggi(y.kiri), + self.getTinggi(y.kanan) + ) + + # mengembalikan root baru + return y + + # membuat rotasi kanan + def rotasi_kanan(self, z): + y = z.kiri + T3 = y.kanan + + # lakukan rotasi + y.kanan = z + z.kiri = T3 + + # update dari tinggi + z.tinggi = 1 + max( + self.getTinggi(z.kiri), + self.getTinggi(z.kanan) + ) + y.tinggi = 1 + max( + self.getTinggi(y.kiri), + self.getTinggi(y.kanan) + ) + + # mengembalikan root baru + return y + + def getTinggi(self, root): + # jika tidak ada root mengembalikan + # nilai 0 + if not root: + return 0 + + return root.tinggi + + def getSeimbang(self, root): + # jika tidak ada root mengembalikan + # nilai 0 + if not root: + return 0 + + return self.getTinggi(root.kiri) - self.getTinggi(root.kanan) + + def preOrder(self, root): + # jika tidak ada root mengembalikan + # nilai 0 + if not root: + return 0 + + print("{0} ".format(root.val), end = "") + self.preOrder(root.kiri) + self.preOrder(root.kanan) + +# menjalankan avl tree + +tree_saya = AVL_Tree() +root = None + +root = tree_saya.insert(root, 10) +root = tree_saya.insert(root, 20) +root = tree_saya.insert(root, 30) +root = tree_saya.insert(root, 40) +root = tree_saya.insert(root, 50) +root = tree_saya.insert(root, 25) + +print("pre order tranversal dari avl tree adalah ") +tree_saya.preOrder(root) +print() +``` + +## Kompleksitas waktu + +Operasi rotasi (putar kiri dan kanan) membutuhkan waktu yang konstan karena hanya beberapa petunjuk yang diubah disana. Memperbarui ketinggian dan mendpatkan faktor keseimbangan juga membutuhkan waktu yang konstan. Jadi kompleksitas waktu penyisipan avl tetap sama dengan penyisipan _binary search tree_ yaitu O(h) dimana h adalah tinggi dari pohon. Karena pohon avl seimbang, tingginya adalah O(Logn). Jadi kompleksitas waktu penyisipan avl tree adalah O(Logn). diff --git a/struktur_data/tree/avl_tree/avl_tree.py b/struktur_data/tree/avl_tree/avl_tree.py new file mode 100644 index 00000000..b28f4ac8 --- /dev/null +++ b/struktur_data/tree/avl_tree/avl_tree.py @@ -0,0 +1,126 @@ +class TreeNode: + def __init__(self, val): + self.val = val + self.kiri = None + self.kanan = None + self.tinggi = 1 + + +class AVL_Tree: + # membuat fungsi rekursif untuk memasukkan + # kunci ke subtree di root dengan node dan return + # root baru dari sub tree + def insert(self, root, kunci): + # membuat binary search tre sederhana + if not root: + return TreeNode(kunci) + elif kunci < root.val: + root.kiri = self.insert(root.kiri, kunci) + else: + root.kanan = self.insert(root.kanan, kunci) + + # update dari tinggi simpul node + root.tinggi = 1 + max( + self.getTinggi(root.kiri), + self.getTinggi(root.kanan), + ) + + # dapatkan faktor dari keseimbangan tree + seimbang = self.getSeimbang(root) + + # jika node tidak seimbang + # maka lakukan 4 struktur logika + # logika 1 - kiri kiri + if seimbang > 1 and kunci < root.kiri.val: + return self.rotasi_kanan(root) + + # logika 2 - kanan kanan + if seimbang < -1 and kunci > root.kanan.val: + return self.rotasi_kiri(root) + + # logika 3 - kiri kanan + if seimbang > 1 and kunci > root.kiri.val: + root.kiri = self.rotasi_kiri(root.left) + return self.rotasi_kiri + + # logika 4 - kanan kiri + if seimbang < -1 and kunci < root.kanan.val: + root.kanan = self.rotasi_kanan(root.kanan) + return self.rotasi_kiri(root) + + return root + + # membuat fungsi dari rotasi kiri + def rotasi_kiri(self, z): + y = z.kanan + T2 = y.kiri + + # lekukan rotasi + y.kiri = z + z.kanan = T2 + + # update dari tinggi + z.tinggi = 1 + max(self.getTinggi(z.kiri), self.getTinggi(z.kanan)) + y.tinggi = 1 + max(self.getTinggi(y.kiri), self.getTinggi(y.kanan)) + + # mengembalikan root baru + return y + + # membuat rotasi kanan + def rotasi_kanan(self, z): + y = z.kiri + T3 = y.kanan + + # lakukan rotasi + y.kanan = z + z.kiri = T3 + + # update dari tinggi + z.tinggi = 1 + max(self.getTinggi(z.kiri), self.getTinggi(z.kanan)) + y.tinggi = 1 + max(self.getTinggi(y.kiri), self.getTinggi(y.kanan)) + + # mengembalikan root baru + return y + + def getTinggi(self, root): + # jika tidak ada root mengembalikan + # nilai 0 + if not root: + return 0 + + return root.tinggi + + def getSeimbang(self, root): + # jika tidak ada root mengembalikan + # nilai 0 + if not root: + return 0 + + return self.getTinggi(root.kiri) - self.getTinggi(root.kanan) + + def preOrder(self, root): + # jika tidak ada root mengembalikan + # nilai 0 + if not root: + return 0 + + print(f"{root.val} ", end="") + self.preOrder(root.kiri) + self.preOrder(root.kanan) + + +# menjalankan avl tree + +tree_saya = AVL_Tree() +root = None + +root = tree_saya.insert(root, 10) +root = tree_saya.insert(root, 20) +root = tree_saya.insert(root, 30) +root = tree_saya.insert(root, 40) +root = tree_saya.insert(root, 50) +root = tree_saya.insert(root, 25) + +print("lintasan preorder dari pohon avl yang dibangun adalah ") +tree_saya.preOrder(root) +print() diff --git a/struktur_data/tree/binary_search_tree/README.md b/struktur_data/tree/binary_search_tree/README.md new file mode 100644 index 00000000..fbba7280 --- /dev/null +++ b/struktur_data/tree/binary_search_tree/README.md @@ -0,0 +1,107 @@ +## Definisi +*Binary search tree* (*BST*) adalah salah satu ragam dari *binary tree* yang memiliki karakteristik dimana nilai pada *node* sebelah kiri selalu lebih kecil dari *node* sebelah kanan. Dua *tree* di bawah merupakan ilustrasi dari *binary search tree*. +![Binary Search tree Example](img/bst_example.png) + +## Operasi Pada *Binary Search Tree* +Ada beberapa operasi yang dapat dilakukan pada *binary search tree*, seperti *insert*, *delete*, dan *traverse/traversal*. Kebanyakan sumber menuliskan operasi-operasi ini menggunakan rekursi, jadi penting bagi kamu untuk mengerti bagaimana cara kerja fungsi rekursi. + +### Insert +Algoritma untuk melakukan *insert* pada *BST* adalah sebagai berikut: +1. Mulai dari *root node* +2. Bandingkan nilai dari *node* yang ingin di-*insert* dengan nilai pada *root*. Jika nilai dari *node* yang ingin di-*insert* lebih besar daripada nilai dari *node*, lakukan *insert* pada sebelah kiri dan sebaliknya. +3. Periksa apakah *pointer* kiri dan *pointer* kanan kosong. Jika kosong lakukan *insert* pada *pointer* tersebut, dan jika tidak lakukan *insert* secara rekursif. + +Berikut adalah implementasi dari algoritma di atas. +```python +class BinarySearchTree: + # method __init__ digunakan untuk membangun Node + def __init__(self, data: int = None): + self.data = data + self.left = None + self.right = None + + def insert(self, new_data): + if self.data is None: + # menginisasi root jika belum ada node sama sekali + self.data = new_data + elif new_data < self.data: + if self.left is None: + self.left = BinarySearchTree(new_data) + else: + # memasukkan node baru di sebelah kiri secara + # rekursif melalui atribut left + self.left.insert(new_data) + else: + if self.right is None: + self.right = BinarySearchTree(new_data) + else: + # memasukkan node baru di sebelah kanan secara + # rekursif melalui atribut right + self.right.insert(new_data) +``` +Misalkan kita ingin membangun *BST* dengan nilai sebagai berikut : `4, 5, 3, 7`. Ilustrasi dari membangun *BST* tersebut adalah sebagai berikut. +![BST Insertion Example](img/bst_insertion.png) + +### Traversal +*Traversal* adalah cara untuk mengunjungi *node* pada *tree*. Pada *binary search tree*, ada 3 cara untuk melakukan *traversal*, yaitu *preorder*, *inorder*, dan *postorder*. Ketiga *traversal* berikut dibedakan berdasarkan urutan pengunjungan dari *root node* sebagai berikut. + +1. *Preorder*\ +Algoritma *preorder* adalah sebagai berikut: + 1. Kunjungi *root node* + 2. Kunjungi *left subtree* + 3. Kunjungi *right subtree* + +2. *Inorder*\ +Algoritma *preorder* adalah sebagai berikut: + 1. Kunjungi *left subtree* + 2. Kunjungi *root node* + 3. Kunjungi *right subtree* + +3. *Postorder*\ +Algoritma *postorder* adalah sebagai berikut: + 1. Kunjungi *left subtree* + 2. Kunjungi *right subtree* + 3. Kunjungi *root node* + +Kode di bawah ini adalah implementasi dari ketiga jenis *traversal* di atas +```python + def preorder(self, arr: list = []): + # Algoritma preorder adalah sebagai berikut: + # 1. Append data pada node + # 2. Traverse ke kiri + # 3. Traverse ke kanan + arr.append(self.data) + if self.left is not None: + self.left.preorder(arr) + if self.right is not None: + self.right.preorder(arr) + return arr + + def inorder(self, arr: list = []): + # Algoritma inorder adalah sebagai berikut: + # 1. Traverse ke kiri + # 2. Append data pada node + # 3. Traverse ke kanan + if self.left is not None: + self.left.inorder(arr) + arr.append(self.data) + if self.right is not None: + self.right.inorder(arr) + return arr + + def postorder(self, arr: list = []): + # Algoritma postorder adalah sebagai berikut: + # 1. Traverse ke kiri + # 2. Traverse ke kanan + # 3. Append data pada node + if self.left is not None: + self.left.postorder(arr) + if self.right is not None: + self.right.postorder(arr) + arr.append(self.data) + return arr +``` +Sebagai contoh, misalkan kita punya *binary search tree* sebagai berikut: +| *Preorder* | *Inorder* | *Postorder* | +|-------------|--------------------------------------------------------|------------------------------------------------------------------------------------------------------------------------------------------------| +| ![](img/preorder.png) | ![](img/inorder.png) | ![](img/postorder.png) | \ No newline at end of file diff --git a/struktur_data/tree/binary_search_tree/basic_binary_tree.py b/struktur_data/tree/binary_search_tree/basic_binary_tree.py new file mode 100644 index 00000000..4519f984 --- /dev/null +++ b/struktur_data/tree/binary_search_tree/basic_binary_tree.py @@ -0,0 +1,86 @@ +from __future__ import annotations + + +class Node: + # node memiliki variabel data dan pointer + # ke node di kiri dan kanannya + + def __init__(self, data: int) -> None: + self.data = data + self.left: Node | None = None + self.right: Node | None = None + + +def display(tree: Node | None) -> None: + """ + >>> root = Node(1) + >>> root.left = Node(0) + >>> root.right = Node(2) + >>> display(root) + 0 + 1 + 2 + >>> display(root.right) + 2 + """ + if tree: + display(tree.left) + print(tree.data) + display(tree.right) + + +def depth_of_tree(tree: Node | None) -> int: + """ + fungsi rekursif yang mengembalikan kedalam + binary tree + + >>> root = Node(0) + >>> depth_of_tree(root) + 1 + >>> root.left = Node(0) + >>> depth_of_tree(root) + 2 + >>> root.right = Node(0) + >>> depth_of_tree(root) + 2 + >>> root.left.right = Node(0) + >>> depth_of_tree(root) + 3 + >>> depth_of_tree(root.left) + 2 + """ + return 1 + max(depth_of_tree(tree.left), depth_of_tree(tree.right)) if tree else 0 + + +def is_full_binary_tree(tree: Node) -> bool: + """ + mengembalikan True jika ini binary tree penuh + + >>> root = Node(0) + >>> is_full_binary_tree(root) + True + >>> root.left = Node(0) + >>> is_full_binary_tree(root) + False + >>> root.right = Node(0) + >>> is_full_binary_tree(root) + True + >>> root.left.left = Node(0) + >>> is_full_binary_tree(root) + False + >>> root.right.right = Node(0) + >>> is_full_binary_tree(root) + False + """ + if not tree: + return True + if tree.left and tree.right: + return is_full_binary_tree(tree.left) and is_full_binary_tree(tree.right) + else: + return not tree.left and not tree.right + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/struktur_data/tree/binary_search_tree/binary_search_tree.py b/struktur_data/tree/binary_search_tree/binary_search_tree.py new file mode 100644 index 00000000..02998241 --- /dev/null +++ b/struktur_data/tree/binary_search_tree/binary_search_tree.py @@ -0,0 +1,87 @@ +from typing import Optional + + +class BinarySearchTree: + # method __init__ digunakan untuk membangun Node + def __init__(self, data: Optional[int] = None) -> None: + self.data: Optional[int] = data + self.left: Optional[int] = None + self.right: Optional[int] = None + + def insert(self, new_data: int) -> None: + if self.data is None: + # menginisasi root jika belum ada node sama sekali + self.data = new_data + elif new_data < self.data: + if self.left is None: + self.left = BinarySearchTree(new_data) + else: + # memasukkan node baru di sebelah kiri secara + # rekursif melalui atribut left + self.left.insert(new_data) + else: + if self.right is None: + self.right = BinarySearchTree(new_data) + else: + # memasukkan node baru di sebelah kanan secara + # rekursif melalui atribut right + self.right.insert(new_data) + + def preorder(self, arr: Optional[list[int]] = None) -> list[int]: + # Algoritma preorder adalah sebagai berikut: + # 1. Append data pada node + # 2. Traverse ke kiri + # 3. Traverse ke kanan + if arr is None: + arr = [] + arr.append(self.data) + if self.left is not None: + self.left.preorder(arr) + if self.right is not None: + self.right.preorder(arr) + return arr + + def inorder(self, arr: Optional[list[int]] = None) -> list[int]: + # Algoritma inorder adalah sebagai berikut: + # 1. Traverse ke kiri + # 2. Append data pada node + # 3. Traverse ke kanan + if arr is None: + arr = [] + if self.left: + self.left.inorder(arr) + arr.append(self.data) + if self.right: + self.right.inorder(arr) + return arr + + def postorder(self, arr: Optional[list[int]] = None) -> list[int]: + # Algoritma postorder adalah sebagai berikut: + # 1. Traverse ke kiri + # 2. Traverse ke kanan + # 3. Append data pada node + if arr is None: + arr = [] + if self.left: + self.left.postorder(arr) + if self.right: + self.right.postorder(arr) + arr.append(self.data) + return arr + + +if __name__ == "__main__": + root = BinarySearchTree() + root.insert(5) + root.insert(3) + root.insert(11) + root.insert(4) + preorder_result = root.preorder() + # menghasilkan [5, 3, 4, 11] + print(preorder_result) + inorder_result = root.inorder() + # menghasilkan [3, 4, 5, 11] + print(inorder_result) + postorder_result = root.postorder() + # menghasilkan [4, 3, 11, 5] + print(postorder_result) diff --git a/struktur_data/tree/binary_search_tree/binary_search_tree_rekursif.py b/struktur_data/tree/binary_search_tree/binary_search_tree_rekursif.py new file mode 100644 index 00000000..64b64a4f --- /dev/null +++ b/struktur_data/tree/binary_search_tree/binary_search_tree_rekursif.py @@ -0,0 +1,324 @@ +# implementasi dari binary search tree secara rekursif + +from __future__ import annotations + +import unittest + +from collection.abc import Iterator + + +class Node: + def __init__(self, label: int, parent: Node | None) -> None: + self.label = label + self.parent = parent + self.left: Node | None = None + self.right: Node | None = None + + +class BinarySearchTree: + def __init__(self) -> None: + self.root: Node | None = None + + def kosong(self) -> None: + """ + mengosongkan tree + + >>> t = BinarySearchTree() + >>> assert t.root is None + >>> t.put(8) + >>> assert t.root is not None + """ + self.root = None + + def cek_kosong(self) -> bool: + """ + cek tree jika kosong + + >>> t = BinarySearchTree() + >>> t.cek_kosong() + True + >>> t.put(20) + >>> t.cek_kosong() + False + """ + return self.root is None + + def put(self, label: int) -> None: + """ + memasukkan node ke dalam tree + >>> t = BinarySearchTree() + >>> t.put(8) + >>> assert t.root.parent is None + >>> assert t.root.label == 8 + """ + self.root = self._put(self.root, label) + + def _put(self, node: Node | None, label: int, parent: Node | None = None) -> Node: + if node is None: + node = Node(label, parent) + else: + if label < node.label: + node.left = self._put(node.left, label, node) + elif label > node.label: + node.right = self._put(node.right, label, node) + else: + raise Exception(f"Node dengan label {label} sudah ada") + return node + + def cari(self, label: int) -> Node: + """ + cari node dalam tree + >>> t = BinarySearchTree() + >>> t.put(8) + >>> t.put(10) + >>> node = t.cari(8) + >>> assert node.label == 8 + """ + return self._cari(self.root, label) + + def _cari(self, node: Node | None, label: int) -> Node: + if node is None: + raise Exception(f"Node dengan label {label} tidak ada") + else: + if label < node.label: + node = self._cari(node.left, label) + elif label > node.label: + node = self._cari(node.right, label) + + return node + + def remove(self, label: int) -> None: + # menghapus node di dalam tree + node = self.cari(label) + if node.right and node.left: + lowest_node = self._cari_node_terendah(node.right) + lowest_node.left = node.left + lowest_node.right = node.right + node.left.parent = lowest_node + if node.right: + node.right.parent = lowest_node + self._reassign_nodes(node, lowest_node) + elif not node.right and node.left: + self._reassign_nodes(node, node.left) + elif node.right and not node.left: + self._reassign_nodes(node, node.right) + else: + self._reassign_nodes(node, None) + + def _reassign_nodes(self, node: Node, new_childern: Node | None) -> None: + if new_childern: + new_childern.parent = node.parent + + if node.parent: + if node.paren.right == node: + node.parent.right = new_childern + else: + node.parent.left = new_childern + else: + self.root = new_childern + + def _cari_node_terendah(self, node: Node) -> Node: + if node.left: + lowest_node = self._cari_node_terendah(node.left) + else: + lowest_node = node + self._reassign_nodes(node, node.right) + return lowest_node + + def exists(self, label: int) -> bool: + """ + cek jika node ada di dalam tree + + >>> t = BinarySearchTree() + >>> t.put(8) + >>> t.exists(8) + True + + >>> t.exists(3) + False + """ + try: + self.search(label) + except Exception: + return False + + def get_max_label(self) -> int: + """ + mendapatkan label maksimal yang dimasukkan + ke dalam tree + + >>> t = BinarySearchTree() + >>> t.put8 + >>> t.put(8) + >>> t.get_max_label() + 10 + """ + if self.root is None: + raise Exception("binary search tree kosong") + + node = self.root + while node.right is not None: + node = node.right + return node.label + + def get_min_label(self) -> int: + """ + mendapatkan label minimal yang dimasukkan + ke dalam tree + + >>> t = BinarySearchTree() + >>> t.put(8) + >>> t.put(20) + >>> t.get_min_label() + 8 + """ + if self.root is None: + raise Exception("binary search tree kosong") + + node = self.root + while node.left is not None: + node = node.left + + return node.left + + def inorder_traversal(self) -> Iterator[Node]: + """ + return tree dari inorder traversal + + >>> t = BinarySearchTree() + >>> [i.label for i in t.inorder_traversal()] + [] + + >>> t.put(2) + >>> t.put(5) + >>> t.put(3) + >>> [i.label for i in t.inorder_traversal()] + [2, 3, 5] + """ + return self._inorder_traversal(self.root) + + def _inorder_traversal(self, node: Node | None) -> Iterator[Node]: + if node is not None: + yield from self._inorder_traversal(node.left) + yield node + yield from self._inorder_traversal(node.right) + + def preorder_traversal(self) -> Iterator[Node]: + """ + >>> t = BinarySearchTree() + >>> t.put(8) + >>> t.put(10) + >>> t.put(9) + >>> [i.label for t.preorder_traversal()] + [8, 10, 9] + """ + return self._preorder_traversal(self.root) + + def _preorder_traversal(self, node: Node | None) -> Iterator[Node]: + if node is not None: + yield node + yield from self._preorder_traversal(node.left) + yield from self._preorder_traversal(node.right) + + +class BinarySearchTreeTest(unittest.TestCase): + @staticmethod + def _get_binary_search_tree() -> BinarySearchTree: + r""" + 8 + / \ + 3 10 + / \ \ + 1 6 14 + / \ / + 4 7 13 + \ + 5 + """ + t = BinarySearchTree() + t.put(8) + t.put(3) + t.put(6) + t.put(1) + t.put(10) + t.put(14) + t.put(13) + t.put(4) + t.put(8) + t.put(5) + + return t + + def test_put(self) -> None: + t = BinarySearchTree() + t.put(8) + r""" + 8 + """ + assert t.root is not None + assert t.root.parent is None + assert t.root.label == 8 + + t.put(10) + r""" + 8 + \ + 10 + """ + assert t.root.right is not None + assert t.root.right.parent == t.root + assert t.root.right.label == 10 + + t.put(3) + r""" + 8 + / \ + 3 10 + """ + assert t.root.left is not None + assert t.root.left.parent == t.root + assert t.root.left.label == 3 + + t.put(6) + r""" + 8 + / \ + 3 10 + \ + 6 + """ + assert t.root.left.right is not None + assert t.root.left.right.parent == t.root.left + assert t.root.left.right.label == 6 + + t.put(1) + r""" + 8 + / \ + 3 10 + / \ + 1 6 + """ + assert t.root.left.left is not None + assert t.root.left.left.parent == t.root.left + assert t.root.left.left.label == 1 + + with self.assertRaises(Exception): # noqa: B017 + t.put(1) + + def test_kosong(self) -> None: + t = self._get_binary_search_tree() + t.kosong() + assert t.root is None + + def test_preorder_taversal(self) -> None: + t = self._get_binary_search_tree() + + preorder_traversal_nodes = [i.label for i in t.preorder_traversal()] + assert preorder_traversal_nodes == [8, 3, 1, 6, 4, 5, 7, 10, 14, 13] + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/struktur_data/tree/binary_search_tree/binary_tree_node_sum.py b/struktur_data/tree/binary_search_tree/binary_tree_node_sum.py new file mode 100644 index 00000000..1c700003 --- /dev/null +++ b/struktur_data/tree/binary_search_tree/binary_tree_node_sum.py @@ -0,0 +1,59 @@ +from __future__ import annotations + +from collections.abc import Iterator + + +class Node: + # hitung jumlah semua node dalam pohon biner + # node memiliki variable nilai dan mengarah ke + # node kiri dan kanannya + + def __init__(self, value: int) -> None: + self.value = value + self.left: Node | None = None + self.right: Node | None = None + + +class BinaryTreeNodeSum: + r""" + 10 + / \ + 5 -3 + / / \ + 12 8 0 + >>> tree = Node(10) + >>> sum(BinaryTreeNodeSum(tree)) + 10 + >>> tree.left = Node(5) + >>> sum(BinaryTreeNodeSum(tree)) + 15 + >>> tree.right = Node(-3) + >>> sum(BinaryTreeNodeSum(tree)) + 12 + >>> tree.left.left = Node(12) + >>> sum(BinaryTreeNodeSum(tree)) + 24 + >>> tree.right.left = Node(8) + >>> tree.right.right = Node(0) + >>> sum(BinaryTreeNodeSum(tree)) + 32 + """ + + def __init__(self, tree: Node) -> None: + self.tree = tree + + def depth_first_search(self, node: Node | None) -> int: + if node is None: + return 0 + return node.value( + self.depth_first_search(node.left) + self.depth_first_search(node.right) + ) + + def __iter__(self) -> Iterator[int]: + yield self.depth_first_search(self.tree) + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/struktur_data/tree/binary_search_tree/binary_tree_path_sum.py b/struktur_data/tree/binary_search_tree/binary_tree_path_sum.py new file mode 100644 index 00000000..e01f06d5 --- /dev/null +++ b/struktur_data/tree/binary_search_tree/binary_tree_path_sum.py @@ -0,0 +1,77 @@ +# diberikan root binary tree dan target bilangan bulat +# temukanjumlah jalur dimana jumlah nilai sama dengan +# target + +from __future__ import annotations + + +class Node: + # sebuah node memiliki variabel nilai dan + # pointer ke node di kiri dan kanannya + def __init__(self, value: int) -> None: + self.value = value + self.left: Node | None = None + self.right: Node | None = None + + +class BinaryTreePathSum: + r""" + 10 + / \ + 5 -3 + / \ \ + 3 2 11 + / \ \ + 3 -2 1 + >>> tree = Node(10) + >>> tree.left = Node(5) + >>> tree.right = Node(-3) + >>> tree.left.left = Node(3) + >>> tree.left.right = Node(2) + >>> tree.right.right = Node(11) + >>> tree.left.left.left = Node(3) + >>> tree.left.left.right = Node(-2) + >>> tree.left.right.right = Node(1) + >>> BinaryTreePathSum().path_sum(tree, 8) + 3 + >>> BinaryTreePathSum().path_sum(tree, 7) + 2 + >>> tree.right.right = Node(10) + >>> BinaryTreePathSum().path_sum(tree, 8) + 2 + """ + + target: int + + def __init__(self) -> None: + self.paths = 0 + + def depth_first_search(self, node: Node | None, path_sum: int) -> None: + if node is None: + return + + if path_sum == self.target: + self.paths += 1 + + if node.left: + self.depth_first_search(node.left, path_sum + node.left.value) + if node.right: + self.depth_first_search(node.right, path_sum + node.right.value) + + def path_sum(self, node: Node | None, target: int | None = None) -> int: + if node is None: + return 0 + if target is not None: + self.target = target + + self.depth_first_search(node, node.value) + self.path_sum(node.left) + self.path_sum(node.right) + + return self.paths + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/struktur_data/tree/binary_search_tree/img/bst_example.png b/struktur_data/tree/binary_search_tree/img/bst_example.png new file mode 100644 index 00000000..29472270 Binary files /dev/null and b/struktur_data/tree/binary_search_tree/img/bst_example.png differ diff --git a/struktur_data/tree/binary_search_tree/img/bst_insertion.png b/struktur_data/tree/binary_search_tree/img/bst_insertion.png new file mode 100644 index 00000000..9448c425 Binary files /dev/null and b/struktur_data/tree/binary_search_tree/img/bst_insertion.png differ diff --git a/struktur_data/tree/binary_search_tree/img/inorder.png b/struktur_data/tree/binary_search_tree/img/inorder.png new file mode 100644 index 00000000..683e4d05 Binary files /dev/null and b/struktur_data/tree/binary_search_tree/img/inorder.png differ diff --git a/struktur_data/tree/binary_search_tree/img/postorder.png b/struktur_data/tree/binary_search_tree/img/postorder.png new file mode 100644 index 00000000..86822e27 Binary files /dev/null and b/struktur_data/tree/binary_search_tree/img/postorder.png differ diff --git a/struktur_data/tree/binary_search_tree/img/preorder.png b/struktur_data/tree/binary_search_tree/img/preorder.png new file mode 100644 index 00000000..3235e063 Binary files /dev/null and b/struktur_data/tree/binary_search_tree/img/preorder.png differ diff --git a/struktur_data/tree/binary_tree_mirror.py b/struktur_data/tree/binary_tree_mirror.py new file mode 100644 index 00000000..03faf5b1 --- /dev/null +++ b/struktur_data/tree/binary_tree_mirror.py @@ -0,0 +1,38 @@ +# diberikan pohon biner, dan mengubah pohon yang merefleksikan +# dari pohon biner T +# 1 1 +# / \ / \ +# 2 3 3 2 +# / \ +# 4 4 + + +def binary_tree_mirror_dict(binary_tree_mirror_dictionary: dict, root: int): + if not root or root not in binary_tree_mirror_dictionary: + return + + left_child, right_child = binary_tree_mirror_dictionary[root][:2] + binary_tree_mirror_dictionary[root] = [right_child, left_child] + binary_tree_mirror_dict(binary_tree_mirror_dictionary, left_child) + binary_tree_mirror_dict(binary_tree_mirror_dictionary, right_child) + + +def binary_tree_mirror(binary_tree: dict, root: int = 1) -> dict: + """ + >>> binary_tree_mirror({ 1: [2,3], 2: [4,5], 3: [6,7], 7: [8,9]}, 1) + {1: [3, 2], 2: [5, 4], 3: [7, 6], 7: [9, 8]} + """ + if not binary_tree: + raise ValueError("binary tree tidak boleh kosong") + if root not in binary_tree: + raise ValueError(f"root {root} tidak tersedia pada binary_tree") + binary_tree_mirror_dictionary = dict(binary_tree) + binary_tree_mirror_dict(binary_tree_mirror_dictionary, root) + return binary_tree_mirror_dictionary + + +if __name__ == "__main__": + binary_tree = {1: [2, 3], 2: [4, 5], 3: [6, 7], 7: [8, 9]} + print(f"binary tree: {binary_tree}") + binary_tree_mirror_dictionary = binary_tree_mirror(binary_tree, 5) + print(f"Binary tree mirror: {binary_tree_mirror_dictionary}") diff --git a/struktur_data/tree/fenwick_tree.py b/struktur_data/tree/fenwick_tree.py new file mode 100644 index 00000000..10aa5232 --- /dev/null +++ b/struktur_data/tree/fenwick_tree.py @@ -0,0 +1,180 @@ +from copy import deepcopy + + +class FenwickTree: + """ + implementasi dasar dari fenwick tree + + informasi lebih lanjut tentang fenwick tree + + https://en.wikipedia.org/wiki/Fenwick_tree + """ + + def __init__(self, arr: list[int] | None = None, ukuran: int | None = None) -> None: + """ + konstructor untuk fenwick tree + + Parameter: + arr (list): list elemen untuk inisialisasi awal + ukuran (int): ukuran tree jika arr tidak diberikan + """ + if arr is None and ukuran is not None: + self.ukuran = ukuran + self.pohon = [0] * ukuran + elif arr is not None: + self.inisialisasi(arr) + else: + raise ValueError("harus ada salah satu antara arr atau ukuran") + + def inisialisasi(self, arr: list[int]) -> None: + """ + inisialisasi pohon fenwick berdasarkan arr dalam waktu O(N) + + Parameter: + arr (list): list elemen untuk inisialisasi + """ + self.ukuran = len(arr) + self.pohon = deepcopy(arr) + for i in range(1, self.ukuran): + j = self.berikutnya(i) + if j < self.ukuran: + self.pohon[i] += self.pohon[i] + + def ambil_array(self) -> list[int]: + """ + dapatin array asli dari fenwick tree dalam waktu O(N) + + Return: + (list): array sebelum dikonversi ke tree + """ + arr = self.pohon[:] + for i in range(self.ukuran - 1, 0, -1): + j = self.berikutnya(i) + if j < self.ukuran: + arr[j] -= arr[i] + return arr + + @staticmethod + def berikutnya(index: int) -> int: + return index + (index & (-index)) + + @staticmethod + def sebelumnya(index: int) -> int: + return index - (index & (-index)) + + def tambah(self, index: int, nilai: int) -> None: + """ + menambahkan nilai ke indeks tertentu dalam waktu + + Parameter: + index (int): indeks yang akan ditambahkan nilai + nilai (int): nilai yang akan ditambahkan + """ + if index == 0: + self.pohon[0] += nilai + return + while index < self.ukuran: + self.pohon[index] += nilai + index = self.berikutnya(index) + + def perbarui(self, index: int, nilai: int) -> None: + """ + mengganti nilai pada suatu indeks dalam waktu O(log N) + + Parameter: + index (int): indeks yang akan diubah nilainya + nilai (int): nilai baru yang akan diset + """ + self.tambah(index, nilai - self.ambil(index)) + + def jumlah_awal(self, batas_kanan: int) -> int: + """ + jumlah semua elemen dari indeks 0 hinggan batas_kanan - 1 dalam waktu O(log N) + + Parameter: + batas_kanan (int): batas akhir (tidak termasuk) + + Return: + (int): jumlah total dari elemen-elemen dalam rentang tersebut + """ + if batas_kanan == 0: + return 0 + hasil = self.pohon[0] + batas_kanan -= 1 + while batas_kanan > 0: + hasil += self.pohon[batas_kanan] + batas_kanan = self.sebelumnya(batas_kanan) + return hasil + + def tanya(self, batas_kiri: int, batas_kanan: int) -> int: + """ + cek jumlah elemen dari batas_kiri hinggan batas_kanan - 1 dalam waktu O(log N) + + Parameter: + batas_kiri (int): batas kiri + batas_kanan (int): batas kanan + + Return: + (int): jumlah + """ + return self.jumlah_awal(batas_kanan) - self.jumlah_awal(batas_kiri) + + def ambil(self, index: int) -> int: + """ + mendapatkan nilai pada indeks tertentu dalam waktu O(log N) + + Parameter: + index (int): indeks elemen yang ingin diambil + + Return: + (int): nilai elemen pada indeks tersebut + + Contoh: + >>> a = [i for i in range(128)] + >>> f = FenwickTree(a) + >>> res = True + >>> for i in range(len(a)): + ... res = res and f.ambil(i) == a[i] + >>> res + True + """ + return self.tanya(index, index + 1) + + def cari_indeks(self, nilai: int) -> int: + """ + cari indeks terbesar dengan jumlah awal <= nilai dalam waktu O(log N) + + Parameter: + nilai (int): nilai yang dicari indeksnya + + Return: + -1: jika nilai lebih kecil dari semua jumlah awal + (int): indeks terbesar dengan jumlah awal <= nilai + + Contoh: + >>> f = FenwickTree([1, 2, 0, 3, 0, 5]) + >>> f.cari_indeks(0) + -1 + >>> f.cari_indeks(11) + 5 + """ + nilai -= self.pohon[0] + if nilai < 0: + return -1 + j = 1 + while j * 2 < self.ukuran: + j *= 2 + + i = 0 + while j > 0: + if i + j < self.ukuran and self.pohon[i + j] <= nilai: + nilai -= self.pohon[i * j] + i += j + j //= 2 + return i + + +if __name__ == "__main__": + import doctest + + doctest.testmod() diff --git a/struktur_data/tree/img/Ilustrasi_BST.png b/struktur_data/tree/img/Ilustrasi_BST.png new file mode 100644 index 00000000..1d80ac14 Binary files /dev/null and b/struktur_data/tree/img/Ilustrasi_BST.png differ diff --git a/struktur_data/tree/img/complete_bt.png b/struktur_data/tree/img/complete_bt.png new file mode 100644 index 00000000..ee1263dc Binary files /dev/null and b/struktur_data/tree/img/complete_bt.png differ diff --git a/struktur_data/tree/img/degenerate_bt.png b/struktur_data/tree/img/degenerate_bt.png new file mode 100644 index 00000000..44ba109d Binary files /dev/null and b/struktur_data/tree/img/degenerate_bt.png differ diff --git a/struktur_data/tree/img/full_bt.png b/struktur_data/tree/img/full_bt.png new file mode 100644 index 00000000..d5d628d3 Binary files /dev/null and b/struktur_data/tree/img/full_bt.png differ diff --git a/struktur_data/tree/img/height_of_tree.png b/struktur_data/tree/img/height_of_tree.png new file mode 100644 index 00000000..f8c7f30b Binary files /dev/null and b/struktur_data/tree/img/height_of_tree.png differ diff --git a/struktur_data/tree/img/perfect_bt.png b/struktur_data/tree/img/perfect_bt.png new file mode 100644 index 00000000..7463984e Binary files /dev/null and b/struktur_data/tree/img/perfect_bt.png differ diff --git a/uv.lock b/uv.lock new file mode 100644 index 00000000..3cf9dbf4 --- /dev/null +++ b/uv.lock @@ -0,0 +1,1364 @@ +version = 1 +revision = 3 +requires-python = ">=3.13" +resolution-markers = [ + "sys_platform == 'darwin'", + "platform_machine == 'aarch64' and sys_platform == 'linux'", + "(platform_machine != 'aarch64' and sys_platform == 'linux') or (sys_platform != 'darwin' and sys_platform != 'linux')", +] + +[[package]] +name = "absl-py" +version = "2.1.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/7a/8f/fc001b92ecc467cc32ab38398bd0bfb45df46e7523bf33c2ad22a505f06e/absl-py-2.1.0.tar.gz", hash = "sha256:7820790efbb316739cde8b4e19357243fc3608a152024288513dd968d7d959ff", size = 118055, upload-time = "2024-01-16T22:14:26.154Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/a2/ad/e0d3c824784ff121c03cc031f944bc7e139a8f1870ffd2845cc2dd76f6c4/absl_py-2.1.0-py3-none-any.whl", hash = "sha256:526a04eadab8b4ee719ce68f204172ead1027549089702d99b9059f129ff1308", size = 133706, upload-time = "2024-01-16T22:14:24.055Z" }, +] + +[[package]] +name = "astunparse" +version = "1.6.3" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "six" }, + { name = "wheel" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/f3/af/4182184d3c338792894f34a62672919db7ca008c89abee9b564dd34d8029/astunparse-1.6.3.tar.gz", hash = "sha256:5ad93a8456f0d084c3456d059fd9a92cce667963232cbf763eac3bc5b7940872", size = 18290, upload-time = "2019-12-22T18:12:13.129Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/2b/03/13dde6512ad7b4557eb792fbcf0c653af6076b81e5941d36ec61f7ce6028/astunparse-1.6.3-py2.py3-none-any.whl", hash = "sha256:c2652417f2c8b5bb325c885ae329bdf3f86424075c4fd1a128674bc6fba4b8e8", size = 12732, upload-time = "2019-12-22T18:12:11.297Z" }, +] + +[[package]] +name = "beautifulsoup4" +version = "4.13.3" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "soupsieve" }, + { name = "typing-extensions" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/f0/3c/adaf39ce1fb4afdd21b611e3d530b183bb7759c9b673d60db0e347fd4439/beautifulsoup4-4.13.3.tar.gz", hash = "sha256:1bd32405dacc920b42b83ba01644747ed77456a65760e285fbc47633ceddaf8b", size = 619516, upload-time = "2025-02-04T20:05:01.681Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/f9/49/6abb616eb3cbab6a7cca303dc02fdf3836de2e0b834bf966a7f5271a34d8/beautifulsoup4-4.13.3-py3-none-any.whl", hash = "sha256:99045d7d3f08f91f0d656bc9b7efbae189426cd913d830294a15eefa0ea4df16", size = 186015, upload-time = "2025-02-04T20:05:03.729Z" }, +] + +[[package]] +name = "certifi" +version = "2025.1.31" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/1c/ab/c9f1e32b7b1bf505bf26f0ef697775960db7932abeb7b516de930ba2705f/certifi-2025.1.31.tar.gz", hash = "sha256:3d5da6925056f6f18f119200434a4780a94263f10d1c21d032a6f6b2baa20651", size = 167577, upload-time = "2025-01-31T02:16:47.166Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/38/fc/bce832fd4fd99766c04d1ee0eead6b0ec6486fb100ae5e74c1d91292b982/certifi-2025.1.31-py3-none-any.whl", hash = "sha256:ca78db4565a652026a4db2bcdf68f2fb589ea80d0be70e03929ed730746b84fe", size = 166393, upload-time = "2025-01-31T02:16:45.015Z" }, +] + +[[package]] +name = "cfgv" +version = "3.4.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/11/74/539e56497d9bd1d484fd863dd69cbbfa653cd2aa27abfe35653494d85e94/cfgv-3.4.0.tar.gz", hash = "sha256:e52591d4c5f5dead8e0f673fb16db7949d2cfb3f7da4582893288f0ded8fe560", size = 7114, upload-time = "2023-08-12T20:38:17.776Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/c5/55/51844dd50c4fc7a33b653bfaba4c2456f06955289ca770a5dbd5fd267374/cfgv-3.4.0-py2.py3-none-any.whl", hash = "sha256:b7265b1f29fd3316bfcd2b330d63d024f2bfd8bcb8b0272f8e19a504856c48f9", size = 7249, upload-time = "2023-08-12T20:38:16.269Z" }, +] + +[[package]] +name = "charset-normalizer" +version = "3.4.1" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/16/b0/572805e227f01586461c80e0fd25d65a2115599cc9dad142fee4b747c357/charset_normalizer-3.4.1.tar.gz", hash = "sha256:44251f18cd68a75b56585dd00dae26183e102cd5e0f9f1466e6df5da2ed64ea3", size = 123188, upload-time = "2024-12-24T18:12:35.43Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/38/94/ce8e6f63d18049672c76d07d119304e1e2d7c6098f0841b51c666e9f44a0/charset_normalizer-3.4.1-cp313-cp313-macosx_10_13_universal2.whl", hash = "sha256:aabfa34badd18f1da5ec1bc2715cadc8dca465868a4e73a0173466b688f29dda", size = 195698, upload-time = "2024-12-24T18:11:05.834Z" }, + { url = "https://files.pythonhosted.org/packages/24/2e/dfdd9770664aae179a96561cc6952ff08f9a8cd09a908f259a9dfa063568/charset_normalizer-3.4.1-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:22e14b5d70560b8dd51ec22863f370d1e595ac3d024cb8ad7d308b4cd95f8313", size = 140162, upload-time = "2024-12-24T18:11:07.064Z" }, + { url = "https://files.pythonhosted.org/packages/24/4e/f646b9093cff8fc86f2d60af2de4dc17c759de9d554f130b140ea4738ca6/charset_normalizer-3.4.1-cp313-cp313-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:8436c508b408b82d87dc5f62496973a1805cd46727c34440b0d29d8a2f50a6c9", size = 150263, upload-time = "2024-12-24T18:11:08.374Z" }, + { url = "https://files.pythonhosted.org/packages/5e/67/2937f8d548c3ef6e2f9aab0f6e21001056f692d43282b165e7c56023e6dd/charset_normalizer-3.4.1-cp313-cp313-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:2d074908e1aecee37a7635990b2c6d504cd4766c7bc9fc86d63f9c09af3fa11b", size = 142966, upload-time = "2024-12-24T18:11:09.831Z" }, + { url = "https://files.pythonhosted.org/packages/52/ed/b7f4f07de100bdb95c1756d3a4d17b90c1a3c53715c1a476f8738058e0fa/charset_normalizer-3.4.1-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:955f8851919303c92343d2f66165294848d57e9bba6cf6e3625485a70a038d11", size = 144992, upload-time = "2024-12-24T18:11:12.03Z" }, + { url = "https://files.pythonhosted.org/packages/96/2c/d49710a6dbcd3776265f4c923bb73ebe83933dfbaa841c5da850fe0fd20b/charset_normalizer-3.4.1-cp313-cp313-manylinux_2_5_i686.manylinux1_i686.manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:44ecbf16649486d4aebafeaa7ec4c9fed8b88101f4dd612dcaf65d5e815f837f", size = 147162, upload-time = "2024-12-24T18:11:13.372Z" }, + { url = "https://files.pythonhosted.org/packages/b4/41/35ff1f9a6bd380303dea55e44c4933b4cc3c4850988927d4082ada230273/charset_normalizer-3.4.1-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:0924e81d3d5e70f8126529951dac65c1010cdf117bb75eb02dd12339b57749dd", size = 140972, upload-time = "2024-12-24T18:11:14.628Z" }, + { url = "https://files.pythonhosted.org/packages/fb/43/c6a0b685fe6910d08ba971f62cd9c3e862a85770395ba5d9cad4fede33ab/charset_normalizer-3.4.1-cp313-cp313-musllinux_1_2_i686.whl", hash = "sha256:2967f74ad52c3b98de4c3b32e1a44e32975e008a9cd2a8cc8966d6a5218c5cb2", size = 149095, upload-time = "2024-12-24T18:11:17.672Z" }, + { url = "https://files.pythonhosted.org/packages/4c/ff/a9a504662452e2d2878512115638966e75633519ec11f25fca3d2049a94a/charset_normalizer-3.4.1-cp313-cp313-musllinux_1_2_ppc64le.whl", hash = "sha256:c75cb2a3e389853835e84a2d8fb2b81a10645b503eca9bcb98df6b5a43eb8886", size = 152668, upload-time = "2024-12-24T18:11:18.989Z" }, + { url = "https://files.pythonhosted.org/packages/6c/71/189996b6d9a4b932564701628af5cee6716733e9165af1d5e1b285c530ed/charset_normalizer-3.4.1-cp313-cp313-musllinux_1_2_s390x.whl", hash = "sha256:09b26ae6b1abf0d27570633b2b078a2a20419c99d66fb2823173d73f188ce601", size = 150073, upload-time = "2024-12-24T18:11:21.507Z" }, + { url = "https://files.pythonhosted.org/packages/e4/93/946a86ce20790e11312c87c75ba68d5f6ad2208cfb52b2d6a2c32840d922/charset_normalizer-3.4.1-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:fa88b843d6e211393a37219e6a1c1df99d35e8fd90446f1118f4216e307e48cd", size = 145732, upload-time = "2024-12-24T18:11:22.774Z" }, + { url = "https://files.pythonhosted.org/packages/cd/e5/131d2fb1b0dddafc37be4f3a2fa79aa4c037368be9423061dccadfd90091/charset_normalizer-3.4.1-cp313-cp313-win32.whl", hash = "sha256:eb8178fe3dba6450a3e024e95ac49ed3400e506fd4e9e5c32d30adda88cbd407", size = 95391, upload-time = "2024-12-24T18:11:24.139Z" }, + { url = "https://files.pythonhosted.org/packages/27/f2/4f9a69cc7712b9b5ad8fdb87039fd89abba997ad5cbe690d1835d40405b0/charset_normalizer-3.4.1-cp313-cp313-win_amd64.whl", hash = "sha256:b1ac5992a838106edb89654e0aebfc24f5848ae2547d22c2c3f66454daa11971", size = 102702, upload-time = "2024-12-24T18:11:26.535Z" }, + { url = "https://files.pythonhosted.org/packages/0e/f6/65ecc6878a89bb1c23a086ea335ad4bf21a588990c3f535a227b9eea9108/charset_normalizer-3.4.1-py3-none-any.whl", hash = "sha256:d98b1668f06378c6dbefec3b92299716b931cd4e6061f3c875a71ced1780ab85", size = 49767, upload-time = "2024-12-24T18:12:32.852Z" }, +] + +[[package]] +name = "colorama" +version = "0.4.6" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/d8/53/6f443c9a4a8358a93a6792e2acffb9d9d5cb0a5cfd8802644b7b1c9a02e4/colorama-0.4.6.tar.gz", hash = "sha256:08695f5cb7ed6e0531a20572697297273c47b8cae5a63ffc6d6ed5c201be6e44", size = 27697, upload-time = "2022-10-25T02:36:22.414Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/d1/d6/3965ed04c63042e047cb6a3e6ed1a63a35087b6a609aa3a15ed8ac56c221/colorama-0.4.6-py2.py3-none-any.whl", hash = "sha256:4f1d9991f5acc0ca119f9d443620b77f9d6b33703e51011c16baf57afb285fc6", size = 25335, upload-time = "2022-10-25T02:36:20.889Z" }, +] + +[[package]] +name = "contourpy" +version = "1.3.1" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "numpy" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/25/c2/fc7193cc5383637ff390a712e88e4ded0452c9fbcf84abe3de5ea3df1866/contourpy-1.3.1.tar.gz", hash = "sha256:dfd97abd83335045a913e3bcc4a09c0ceadbe66580cf573fe961f4a825efa699", size = 13465753, upload-time = "2024-11-12T11:00:59.118Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/9a/e7/de62050dce687c5e96f946a93546910bc67e483fe05324439e329ff36105/contourpy-1.3.1-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:a761d9ccfc5e2ecd1bf05534eda382aa14c3e4f9205ba5b1684ecfe400716ef2", size = 271548, upload-time = "2024-11-12T10:55:32.228Z" }, + { url = "https://files.pythonhosted.org/packages/78/4d/c2a09ae014ae984c6bdd29c11e74d3121b25eaa117eca0bb76340efd7e1c/contourpy-1.3.1-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:523a8ee12edfa36f6d2a49407f705a6ef4c5098de4f498619787e272de93f2d5", size = 255576, upload-time = "2024-11-12T10:55:36.246Z" }, + { url = "https://files.pythonhosted.org/packages/ab/8a/915380ee96a5638bda80cd061ccb8e666bfdccea38d5741cb69e6dbd61fc/contourpy-1.3.1-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:ece6df05e2c41bd46776fbc712e0996f7c94e0d0543af1656956d150c4ca7c81", size = 306635, upload-time = "2024-11-12T10:55:41.904Z" }, + { url = "https://files.pythonhosted.org/packages/29/5c/c83ce09375428298acd4e6582aeb68b1e0d1447f877fa993d9bf6cd3b0a0/contourpy-1.3.1-cp313-cp313-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:573abb30e0e05bf31ed067d2f82500ecfdaec15627a59d63ea2d95714790f5c2", size = 345925, upload-time = "2024-11-12T10:55:47.206Z" }, + { url = "https://files.pythonhosted.org/packages/29/63/5b52f4a15e80c66c8078a641a3bfacd6e07106835682454647aca1afc852/contourpy-1.3.1-cp313-cp313-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:a9fa36448e6a3a1a9a2ba23c02012c43ed88905ec80163f2ffe2421c7192a5d7", size = 318000, upload-time = "2024-11-12T10:55:52.264Z" }, + { url = "https://files.pythonhosted.org/packages/9a/e2/30ca086c692691129849198659bf0556d72a757fe2769eb9620a27169296/contourpy-1.3.1-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:3ea9924d28fc5586bf0b42d15f590b10c224117e74409dd7a0be3b62b74a501c", size = 322689, upload-time = "2024-11-12T10:55:57.858Z" }, + { url = "https://files.pythonhosted.org/packages/6b/77/f37812ef700f1f185d348394debf33f22d531e714cf6a35d13d68a7003c7/contourpy-1.3.1-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:5b75aa69cb4d6f137b36f7eb2ace9280cfb60c55dc5f61c731fdf6f037f958a3", size = 1268413, upload-time = "2024-11-12T10:56:13.328Z" }, + { url = "https://files.pythonhosted.org/packages/3f/6d/ce84e79cdd128542ebeb268f84abb4b093af78e7f8ec504676673d2675bc/contourpy-1.3.1-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:041b640d4ec01922083645a94bb3b2e777e6b626788f4095cf21abbe266413c1", size = 1326530, upload-time = "2024-11-12T10:56:30.07Z" }, + { url = "https://files.pythonhosted.org/packages/72/22/8282f4eae20c73c89bee7a82a19c4e27af9b57bb602ecaa00713d5bdb54d/contourpy-1.3.1-cp313-cp313-win32.whl", hash = "sha256:36987a15e8ace5f58d4d5da9dca82d498c2bbb28dff6e5d04fbfcc35a9cb3a82", size = 175315, upload-time = "2024-11-12T10:57:42.804Z" }, + { url = "https://files.pythonhosted.org/packages/e3/d5/28bca491f65312b438fbf076589dcde7f6f966b196d900777f5811b9c4e2/contourpy-1.3.1-cp313-cp313-win_amd64.whl", hash = "sha256:a7895f46d47671fa7ceec40f31fae721da51ad34bdca0bee83e38870b1f47ffd", size = 220987, upload-time = "2024-11-12T10:57:46.365Z" }, + { url = "https://files.pythonhosted.org/packages/2f/24/a4b285d6adaaf9746e4700932f579f1a7b6f9681109f694cfa233ae75c4e/contourpy-1.3.1-cp313-cp313t-macosx_10_13_x86_64.whl", hash = "sha256:9ddeb796389dadcd884c7eb07bd14ef12408aaae358f0e2ae24114d797eede30", size = 285001, upload-time = "2024-11-12T10:56:34.483Z" }, + { url = "https://files.pythonhosted.org/packages/48/1d/fb49a401b5ca4f06ccf467cd6c4f1fd65767e63c21322b29b04ec40b40b9/contourpy-1.3.1-cp313-cp313t-macosx_11_0_arm64.whl", hash = "sha256:19c1555a6801c2f084c7ddc1c6e11f02eb6a6016ca1318dd5452ba3f613a1751", size = 268553, upload-time = "2024-11-12T10:56:39.167Z" }, + { url = "https://files.pythonhosted.org/packages/79/1e/4aef9470d13fd029087388fae750dccb49a50c012a6c8d1d634295caa644/contourpy-1.3.1-cp313-cp313t-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:841ad858cff65c2c04bf93875e384ccb82b654574a6d7f30453a04f04af71342", size = 310386, upload-time = "2024-11-12T10:56:44.594Z" }, + { url = "https://files.pythonhosted.org/packages/b0/34/910dc706ed70153b60392b5305c708c9810d425bde12499c9184a1100888/contourpy-1.3.1-cp313-cp313t-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:4318af1c925fb9a4fb190559ef3eec206845f63e80fb603d47f2d6d67683901c", size = 349806, upload-time = "2024-11-12T10:56:49.565Z" }, + { url = "https://files.pythonhosted.org/packages/31/3c/faee6a40d66d7f2a87f7102236bf4780c57990dd7f98e5ff29881b1b1344/contourpy-1.3.1-cp313-cp313t-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:14c102b0eab282427b662cb590f2e9340a9d91a1c297f48729431f2dcd16e14f", size = 321108, upload-time = "2024-11-12T10:56:55.013Z" }, + { url = "https://files.pythonhosted.org/packages/17/69/390dc9b20dd4bb20585651d7316cc3054b7d4a7b4f8b710b2b698e08968d/contourpy-1.3.1-cp313-cp313t-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:05e806338bfeaa006acbdeba0ad681a10be63b26e1b17317bfac3c5d98f36cda", size = 327291, upload-time = "2024-11-12T10:56:59.897Z" }, + { url = "https://files.pythonhosted.org/packages/ef/74/7030b67c4e941fe1e5424a3d988080e83568030ce0355f7c9fc556455b01/contourpy-1.3.1-cp313-cp313t-musllinux_1_2_aarch64.whl", hash = "sha256:4d76d5993a34ef3df5181ba3c92fabb93f1eaa5729504fb03423fcd9f3177242", size = 1263752, upload-time = "2024-11-12T10:57:14.79Z" }, + { url = "https://files.pythonhosted.org/packages/f0/ed/92d86f183a8615f13f6b9cbfc5d4298a509d6ce433432e21da838b4b63f4/contourpy-1.3.1-cp313-cp313t-musllinux_1_2_x86_64.whl", hash = "sha256:89785bb2a1980c1bd87f0cb1517a71cde374776a5f150936b82580ae6ead44a1", size = 1318403, upload-time = "2024-11-12T10:57:31.326Z" }, + { url = "https://files.pythonhosted.org/packages/b3/0e/c8e4950c77dcfc897c71d61e56690a0a9df39543d2164040301b5df8e67b/contourpy-1.3.1-cp313-cp313t-win32.whl", hash = "sha256:8eb96e79b9f3dcadbad2a3891672f81cdcab7f95b27f28f1c67d75f045b6b4f1", size = 185117, upload-time = "2024-11-12T10:57:34.735Z" }, + { url = "https://files.pythonhosted.org/packages/c1/31/1ae946f11dfbd229222e6d6ad8e7bd1891d3d48bde5fbf7a0beb9491f8e3/contourpy-1.3.1-cp313-cp313t-win_amd64.whl", hash = "sha256:287ccc248c9e0d0566934e7d606201abd74761b5703d804ff3df8935f523d546", size = 236668, upload-time = "2024-11-12T10:57:39.061Z" }, +] + +[[package]] +name = "cycler" +version = "0.12.1" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/a9/95/a3dbbb5028f35eafb79008e7522a75244477d2838f38cbb722248dabc2a8/cycler-0.12.1.tar.gz", hash = "sha256:88bb128f02ba341da8ef447245a9e138fae777f6a23943da4540077d3601eb1c", size = 7615, upload-time = "2023-10-07T05:32:18.335Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/e7/05/c19819d5e3d95294a6f5947fb9b9629efb316b96de511b418c53d245aae6/cycler-0.12.1-py3-none-any.whl", hash = "sha256:85cef7cff222d8644161529808465972e51340599459b8ac3ccbac5a854e0d30", size = 8321, upload-time = "2023-10-07T05:32:16.783Z" }, +] + +[[package]] +name = "dill" +version = "0.3.9" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/70/43/86fe3f9e130c4137b0f1b50784dd70a5087b911fe07fa81e53e0c4c47fea/dill-0.3.9.tar.gz", hash = "sha256:81aa267dddf68cbfe8029c42ca9ec6a4ab3b22371d1c450abc54422577b4512c", size = 187000, upload-time = "2024-09-29T00:03:20.958Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/46/d1/e73b6ad76f0b1fb7f23c35c6d95dbc506a9c8804f43dda8cb5b0fa6331fd/dill-0.3.9-py3-none-any.whl", hash = "sha256:468dff3b89520b474c0397703366b7b95eebe6303f108adf9b19da1f702be87a", size = 119418, upload-time = "2024-09-29T00:03:19.344Z" }, +] + +[[package]] +name = "distlib" +version = "0.3.9" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/0d/dd/1bec4c5ddb504ca60fc29472f3d27e8d4da1257a854e1d96742f15c1d02d/distlib-0.3.9.tar.gz", hash = "sha256:a60f20dea646b8a33f3e7772f74dc0b2d0772d2837ee1342a00645c81edf9403", size = 613923, upload-time = "2024-10-09T18:35:47.551Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/91/a1/cf2472db20f7ce4a6be1253a81cfdf85ad9c7885ffbed7047fb72c24cf87/distlib-0.3.9-py2.py3-none-any.whl", hash = "sha256:47f8c22fd27c27e25a65601af709b38e4f0a45ea4fc2e710f65755fa8caaaf87", size = 468973, upload-time = "2024-10-09T18:35:44.272Z" }, +] + +[[package]] +name = "fake-useragent" +version = "2.0.3" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/d6/a4/f8d204c20e7879c2c1fd1719095673f447a3111282bfe09c0a74a5ed5000/fake_useragent-2.0.3.tar.gz", hash = "sha256:af86a26ef8229efece8fed529b4aeb5b73747d889b60f01cd477b6f301df46e6", size = 194741, upload-time = "2024-12-10T20:00:38.03Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/11/4f/a639b1dbdc557241e702eefb931ba24ba235c84f8fffdca3e272f096c6af/fake_useragent-2.0.3-py3-none-any.whl", hash = "sha256:8bae50abb72c309a5b3ae2f01a0b82426613fd5c4e2a04dca9332399ec44daa1", size = 201110, upload-time = "2024-12-10T20:00:36.622Z" }, +] + +[[package]] +name = "filelock" +version = "3.17.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/dc/9c/0b15fb47b464e1b663b1acd1253a062aa5feecb07d4e597daea542ebd2b5/filelock-3.17.0.tar.gz", hash = "sha256:ee4e77401ef576ebb38cd7f13b9b28893194acc20a8e68e18730ba9c0e54660e", size = 18027, upload-time = "2025-01-21T20:04:49.099Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/89/ec/00d68c4ddfedfe64159999e5f8a98fb8442729a63e2077eb9dcd89623d27/filelock-3.17.0-py3-none-any.whl", hash = "sha256:533dc2f7ba78dc2f0f531fc6c4940addf7b70a481e269a5a3b93be94ffbe8338", size = 16164, upload-time = "2025-01-21T20:04:47.734Z" }, +] + +[[package]] +name = "flatbuffers" +version = "25.2.10" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/e4/30/eb5dce7994fc71a2f685d98ec33cc660c0a5887db5610137e60d8cbc4489/flatbuffers-25.2.10.tar.gz", hash = "sha256:97e451377a41262f8d9bd4295cc836133415cc03d8cb966410a4af92eb00d26e", size = 22170, upload-time = "2025-02-11T04:26:46.257Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/b8/25/155f9f080d5e4bc0082edfda032ea2bc2b8fab3f4d25d46c1e9dd22a1a89/flatbuffers-25.2.10-py2.py3-none-any.whl", hash = "sha256:ebba5f4d5ea615af3f7fd70fc310636fbb2bbd1f566ac0a23d98dd412de50051", size = 30953, upload-time = "2025-02-11T04:26:44.484Z" }, +] + +[[package]] +name = "fonttools" +version = "4.56.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/1c/8c/9ffa2a555af0e5e5d0e2ed7fdd8c9bef474ed676995bb4c57c9cd0014248/fonttools-4.56.0.tar.gz", hash = "sha256:a114d1567e1a1586b7e9e7fc2ff686ca542a82769a296cef131e4c4af51e58f4", size = 3462892, upload-time = "2025-02-07T13:46:29.026Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/a5/55/f06b48d48e0b4ec3a3489efafe9bd4d81b6e0802ac51026e3ee4634e89ba/fonttools-4.56.0-cp313-cp313-macosx_10_13_universal2.whl", hash = "sha256:f20e2c0dfab82983a90f3d00703ac0960412036153e5023eed2b4641d7d5e692", size = 2735127, upload-time = "2025-02-07T13:44:59.966Z" }, + { url = "https://files.pythonhosted.org/packages/59/db/d2c7c9b6dd5cbd46f183e650a47403ffb88fca17484eb7c4b1cd88f9e513/fonttools-4.56.0-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:f36a0868f47b7566237640c026c65a86d09a3d9ca5df1cd039e30a1da73098a0", size = 2272519, upload-time = "2025-02-07T13:45:03.891Z" }, + { url = "https://files.pythonhosted.org/packages/4d/a2/da62d779c34a0e0c06415f02eab7fa3466de5d46df459c0275a255cefc65/fonttools-4.56.0-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:62b4c6802fa28e14dba010e75190e0e6228513573f1eeae57b11aa1a39b7e5b1", size = 4762423, upload-time = "2025-02-07T13:45:07.034Z" }, + { url = "https://files.pythonhosted.org/packages/be/6a/fd4018e0448c8a5e12138906411282c5eab51a598493f080a9f0960e658f/fonttools-4.56.0-cp313-cp313-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:a05d1f07eb0a7d755fbe01fee1fd255c3a4d3730130cf1bfefb682d18fd2fcea", size = 4834442, upload-time = "2025-02-07T13:45:10.6Z" }, + { url = "https://files.pythonhosted.org/packages/6d/63/fa1dec8efb35bc11ef9c39b2d74754b45d48a3ccb2cf78c0109c0af639e8/fonttools-4.56.0-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:0073b62c3438cf0058488c002ea90489e8801d3a7af5ce5f7c05c105bee815c3", size = 4742800, upload-time = "2025-02-07T13:45:14.096Z" }, + { url = "https://files.pythonhosted.org/packages/dd/f4/963247ae8c73ccc4cf2929e7162f595c81dbe17997d1d0ea77da24a217c9/fonttools-4.56.0-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:e2cad98c94833465bcf28f51c248aaf07ca022efc6a3eba750ad9c1e0256d278", size = 4963746, upload-time = "2025-02-07T13:45:17.479Z" }, + { url = "https://files.pythonhosted.org/packages/ea/e0/46f9600c39c644b54e4420f941f75fa200d9288c9ae171e5d80918b8cbb9/fonttools-4.56.0-cp313-cp313-win32.whl", hash = "sha256:d0cb73ccf7f6d7ca8d0bc7ea8ac0a5b84969a41c56ac3ac3422a24df2680546f", size = 2140927, upload-time = "2025-02-07T13:45:21.084Z" }, + { url = "https://files.pythonhosted.org/packages/27/6d/3edda54f98a550a0473f032d8050315fbc8f1b76a0d9f3879b72ebb2cdd6/fonttools-4.56.0-cp313-cp313-win_amd64.whl", hash = "sha256:62cc1253827d1e500fde9dbe981219fea4eb000fd63402283472d38e7d8aa1c6", size = 2186709, upload-time = "2025-02-07T13:45:23.719Z" }, + { url = "https://files.pythonhosted.org/packages/bf/ff/44934a031ce5a39125415eb405b9efb76fe7f9586b75291d66ae5cbfc4e6/fonttools-4.56.0-py3-none-any.whl", hash = "sha256:1088182f68c303b50ca4dc0c82d42083d176cba37af1937e1a976a31149d4d14", size = 1089800, upload-time = "2025-02-07T13:46:26.415Z" }, +] + +[[package]] +name = "gast" +version = "0.6.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/3c/14/c566f5ca00c115db7725263408ff952b8ae6d6a4e792ef9c84e77d9af7a1/gast-0.6.0.tar.gz", hash = "sha256:88fc5300d32c7ac6ca7b515310862f71e6fdf2c029bbec7c66c0f5dd47b6b1fb", size = 27708, upload-time = "2024-06-27T20:31:49.527Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/a3/61/8001b38461d751cd1a0c3a6ae84346796a5758123f3ed97a1b121dfbf4f3/gast-0.6.0-py3-none-any.whl", hash = "sha256:52b182313f7330389f72b069ba00f174cfe2a06411099547288839c6cbafbd54", size = 21173, upload-time = "2024-07-09T13:15:15.615Z" }, +] + +[[package]] +name = "google-pasta" +version = "0.2.0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "six" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/35/4a/0bd53b36ff0323d10d5f24ebd67af2de10a1117f5cf4d7add90df92756f1/google-pasta-0.2.0.tar.gz", hash = "sha256:c9f2c8dfc8f96d0d5808299920721be30c9eec37f2389f28904f454565c8a16e", size = 40430, upload-time = "2020-03-13T18:57:50.34Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/a3/de/c648ef6835192e6e2cc03f40b19eeda4382c49b5bafb43d88b931c4c74ac/google_pasta-0.2.0-py3-none-any.whl", hash = "sha256:b32482794a366b5366a32c92a9a9201b107821889935a02b3e51f6b432ea84ed", size = 57471, upload-time = "2020-03-13T18:57:48.872Z" }, +] + +[[package]] +name = "grpcio" +version = "1.70.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/69/e1/4b21b5017c33f3600dcc32b802bb48fe44a4d36d6c066f52650c7c2690fa/grpcio-1.70.0.tar.gz", hash = "sha256:8d1584a68d5922330025881e63a6c1b54cc8117291d382e4fa69339b6d914c56", size = 12788932, upload-time = "2025-01-23T18:00:17.288Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/68/38/66d0f32f88feaf7d83f8559cd87d899c970f91b1b8a8819b58226de0a496/grpcio-1.70.0-cp313-cp313-linux_armv7l.whl", hash = "sha256:aa573896aeb7d7ce10b1fa425ba263e8dddd83d71530d1322fd3a16f31257b4a", size = 5199218, upload-time = "2025-01-23T17:54:40.964Z" }, + { url = "https://files.pythonhosted.org/packages/c1/96/947df763a0b18efb5cc6c2ae348e56d97ca520dc5300c01617b234410173/grpcio-1.70.0-cp313-cp313-macosx_10_14_universal2.whl", hash = "sha256:d405b005018fd516c9ac529f4b4122342f60ec1cee181788249372524e6db429", size = 11445983, upload-time = "2025-01-23T17:54:43.527Z" }, + { url = "https://files.pythonhosted.org/packages/fd/5b/f3d4b063e51b2454bedb828e41f3485800889a3609c49e60f2296cc8b8e5/grpcio-1.70.0-cp313-cp313-manylinux_2_17_aarch64.whl", hash = "sha256:f32090238b720eb585248654db8e3afc87b48d26ac423c8dde8334a232ff53c9", size = 5663954, upload-time = "2025-01-23T17:54:47.532Z" }, + { url = "https://files.pythonhosted.org/packages/bd/0b/dab54365fcedf63e9f358c1431885478e77d6f190d65668936b12dd38057/grpcio-1.70.0-cp313-cp313-manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:dfa089a734f24ee5f6880c83d043e4f46bf812fcea5181dcb3a572db1e79e01c", size = 6304323, upload-time = "2025-01-23T17:54:50.036Z" }, + { url = "https://files.pythonhosted.org/packages/76/a8/8f965a7171ddd336ce32946e22954aa1bbc6f23f095e15dadaa70604ba20/grpcio-1.70.0-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:f19375f0300b96c0117aca118d400e76fede6db6e91f3c34b7b035822e06c35f", size = 5910939, upload-time = "2025-01-23T17:54:52.455Z" }, + { url = "https://files.pythonhosted.org/packages/1b/05/0bbf68be8b17d1ed6f178435a3c0c12e665a1e6054470a64ce3cb7896596/grpcio-1.70.0-cp313-cp313-musllinux_1_1_i686.whl", hash = "sha256:7c73c42102e4a5ec76608d9b60227d917cea46dff4d11d372f64cbeb56d259d0", size = 6631405, upload-time = "2025-01-23T17:54:55.808Z" }, + { url = "https://files.pythonhosted.org/packages/79/6a/5df64b6df405a1ed1482cb6c10044b06ec47fd28e87c2232dbcf435ecb33/grpcio-1.70.0-cp313-cp313-musllinux_1_1_x86_64.whl", hash = "sha256:0a5c78d5198a1f0aa60006cd6eb1c912b4a1520b6a3968e677dbcba215fabb40", size = 6190982, upload-time = "2025-01-23T17:54:58.405Z" }, + { url = "https://files.pythonhosted.org/packages/42/aa/aeaac87737e6d25d1048c53b8ec408c056d3ed0c922e7c5efad65384250c/grpcio-1.70.0-cp313-cp313-win32.whl", hash = "sha256:fe9dbd916df3b60e865258a8c72ac98f3ac9e2a9542dcb72b7a34d236242a5ce", size = 3598359, upload-time = "2025-01-23T17:55:00.671Z" }, + { url = "https://files.pythonhosted.org/packages/1f/79/8edd2442d2de1431b4a3de84ef91c37002f12de0f9b577fb07b452989dbc/grpcio-1.70.0-cp313-cp313-win_amd64.whl", hash = "sha256:4119fed8abb7ff6c32e3d2255301e59c316c22d31ab812b3fbcbaf3d0d87cc68", size = 4293938, upload-time = "2025-01-23T17:55:02.821Z" }, +] + +[[package]] +name = "h5py" +version = "3.13.0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "numpy" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/03/2e/a22d6a8bfa6f8be33e7febd985680fba531562795f0a9077ed1eb047bfb0/h5py-3.13.0.tar.gz", hash = "sha256:1870e46518720023da85d0895a1960ff2ce398c5671eac3b1a41ec696b7105c3", size = 414876, upload-time = "2025-02-18T16:04:01.824Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/60/43/f276f27921919a9144074320ce4ca40882fc67b3cfee81c3f5c7df083e97/h5py-3.13.0-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:e520ec76de00943dd017c8ea3f354fa1d2f542eac994811943a8faedf2a7d5cb", size = 3358040, upload-time = "2025-02-18T16:03:20.579Z" }, + { url = "https://files.pythonhosted.org/packages/1b/86/ad4a4cf781b08d4572be8bbdd8f108bb97b266a14835c640dc43dafc0729/h5py-3.13.0-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:e79d8368cd9295045956bfb436656bea3f915beaa11d342e9f79f129f5178763", size = 2892766, upload-time = "2025-02-18T16:03:26.831Z" }, + { url = "https://files.pythonhosted.org/packages/69/84/4c6367d6b58deaf0fa84999ec819e7578eee96cea6cbd613640d0625ed5e/h5py-3.13.0-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:56dd172d862e850823c4af02dc4ddbc308f042b85472ffdaca67f1598dff4a57", size = 4664255, upload-time = "2025-02-18T16:03:31.903Z" }, + { url = "https://files.pythonhosted.org/packages/fd/41/bc2df86b72965775f6d621e0ee269a5f3ac23e8f870abf519de9c7d93b4d/h5py-3.13.0-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:be949b46b7388074c5acae017fbbe3e5ba303fd9daaa52157fdfef30bbdacadd", size = 4927580, upload-time = "2025-02-18T16:03:36.429Z" }, + { url = "https://files.pythonhosted.org/packages/97/34/165b87ea55184770a0c1fcdb7e017199974ad2e271451fd045cfe35f3add/h5py-3.13.0-cp313-cp313-win_amd64.whl", hash = "sha256:4f97ecde7ac6513b21cd95efdfc38dc6d19f96f6ca6f2a30550e94e551458e0a", size = 2940890, upload-time = "2025-02-18T16:03:41.037Z" }, +] + +[[package]] +name = "identify" +version = "2.6.8" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/f9/fa/5eb460539e6f5252a7c5a931b53426e49258cde17e3d50685031c300a8fd/identify-2.6.8.tar.gz", hash = "sha256:61491417ea2c0c5c670484fd8abbb34de34cdae1e5f39a73ee65e48e4bb663fc", size = 99249, upload-time = "2025-02-22T17:54:42.151Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/78/8c/4bfcab2d8286473b8d83ea742716f4b79290172e75f91142bc1534b05b9a/identify-2.6.8-py2.py3-none-any.whl", hash = "sha256:83657f0f766a3c8d0eaea16d4ef42494b39b34629a4b3192a9d020d349b3e255", size = 99109, upload-time = "2025-02-22T17:54:40.088Z" }, +] + +[[package]] +name = "idna" +version = "3.10" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/f1/70/7703c29685631f5a7590aa73f1f1d3fa9a380e654b86af429e0934a32f7d/idna-3.10.tar.gz", hash = "sha256:12f65c9b470abda6dc35cf8e63cc574b1c52b11df2c86030af0ac09b01b13ea9", size = 190490, upload-time = "2024-09-15T18:07:39.745Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/76/c6/c88e154df9c4e1a2a66ccf0005a88dfb2650c1dffb6f5ce603dfbd452ce3/idna-3.10-py3-none-any.whl", hash = "sha256:946d195a0d259cbba61165e88e65941f16e9b36ea6ddb97f00452bae8b1287d3", size = 70442, upload-time = "2024-09-15T18:07:37.964Z" }, +] + +[[package]] +name = "iniconfig" +version = "2.3.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/72/34/14ca021ce8e5dfedc35312d08ba8bf51fdd999c576889fc2c24cb97f4f10/iniconfig-2.3.0.tar.gz", hash = "sha256:c76315c77db068650d49c5b56314774a7804df16fee4402c1f19d6d15d8c4730", size = 20503, upload-time = "2025-10-18T21:55:43.219Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/cb/b1/3846dd7f199d53cb17f49cba7e651e9ce294d8497c8c150530ed11865bb8/iniconfig-2.3.0-py3-none-any.whl", hash = "sha256:f631c04d2c48c52b84d0d0549c99ff3859c98df65b3101406327ecc7d53fbf12", size = 7484, upload-time = "2025-10-18T21:55:41.639Z" }, +] + +[[package]] +name = "joblib" +version = "1.4.2" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/64/33/60135848598c076ce4b231e1b1895170f45fbcaeaa2c9d5e38b04db70c35/joblib-1.4.2.tar.gz", hash = "sha256:2382c5816b2636fbd20a09e0f4e9dad4736765fdfb7dca582943b9c1366b3f0e", size = 2116621, upload-time = "2024-05-02T12:15:05.765Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/91/29/df4b9b42f2be0b623cbd5e2140cafcaa2bef0759a00b7b70104dcfe2fb51/joblib-1.4.2-py3-none-any.whl", hash = "sha256:06d478d5674cbc267e7496a410ee875abd68e4340feff4490bcb7afb88060ae6", size = 301817, upload-time = "2024-05-02T12:15:00.765Z" }, +] + +[[package]] +name = "keras" +version = "3.12.0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "absl-py" }, + { name = "h5py" }, + { name = "ml-dtypes" }, + { name = "namex" }, + { name = "numpy" }, + { name = "optree" }, + { name = "packaging" }, + { name = "rich" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/9b/b8/8df141314a64a31d3a21762658826f716cdf4c261c7fcdb3f729958def55/keras-3.12.0.tar.gz", hash = "sha256:536e3f8385a05ae04e82e08715a1a59988578087e187b04cb0a6fad11743f07f", size = 1129187, upload-time = "2025-10-27T20:23:11.574Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/ba/61/cc8be27bd65082440754be443b17b6f7c185dec5e00dfdaeab4f8662e4a8/keras-3.12.0-py3-none-any.whl", hash = "sha256:02b69e007d5df8042286c3bcc2a888539e3e487590ffb08f6be1b4354df50aa8", size = 1474424, upload-time = "2025-10-27T20:23:09.571Z" }, +] + +[[package]] +name = "kiwisolver" +version = "1.4.8" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/82/59/7c91426a8ac292e1cdd53a63b6d9439abd573c875c3f92c146767dd33faf/kiwisolver-1.4.8.tar.gz", hash = "sha256:23d5f023bdc8c7e54eb65f03ca5d5bb25b601eac4d7f1a042888a1f45237987e", size = 97538, upload-time = "2024-12-24T18:30:51.519Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/79/b3/e62464a652f4f8cd9006e13d07abad844a47df1e6537f73ddfbf1bc997ec/kiwisolver-1.4.8-cp313-cp313-macosx_10_13_universal2.whl", hash = "sha256:1c8ceb754339793c24aee1c9fb2485b5b1f5bb1c2c214ff13368431e51fc9a09", size = 124156, upload-time = "2024-12-24T18:29:45.368Z" }, + { url = "https://files.pythonhosted.org/packages/8d/2d/f13d06998b546a2ad4f48607a146e045bbe48030774de29f90bdc573df15/kiwisolver-1.4.8-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:54a62808ac74b5e55a04a408cda6156f986cefbcf0ada13572696b507cc92fa1", size = 66555, upload-time = "2024-12-24T18:29:46.37Z" }, + { url = "https://files.pythonhosted.org/packages/59/e3/b8bd14b0a54998a9fd1e8da591c60998dc003618cb19a3f94cb233ec1511/kiwisolver-1.4.8-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:68269e60ee4929893aad82666821aaacbd455284124817af45c11e50a4b42e3c", size = 65071, upload-time = "2024-12-24T18:29:47.333Z" }, + { url = "https://files.pythonhosted.org/packages/f0/1c/6c86f6d85ffe4d0ce04228d976f00674f1df5dc893bf2dd4f1928748f187/kiwisolver-1.4.8-cp313-cp313-manylinux_2_12_i686.manylinux2010_i686.manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:34d142fba9c464bc3bbfeff15c96eab0e7310343d6aefb62a79d51421fcc5f1b", size = 1378053, upload-time = "2024-12-24T18:29:49.636Z" }, + { url = "https://files.pythonhosted.org/packages/4e/b9/1c6e9f6dcb103ac5cf87cb695845f5fa71379021500153566d8a8a9fc291/kiwisolver-1.4.8-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:3ddc373e0eef45b59197de815b1b28ef89ae3955e7722cc9710fb91cd77b7f47", size = 1472278, upload-time = "2024-12-24T18:29:51.164Z" }, + { url = "https://files.pythonhosted.org/packages/ee/81/aca1eb176de671f8bda479b11acdc42c132b61a2ac861c883907dde6debb/kiwisolver-1.4.8-cp313-cp313-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:77e6f57a20b9bd4e1e2cedda4d0b986ebd0216236f0106e55c28aea3d3d69b16", size = 1478139, upload-time = "2024-12-24T18:29:52.594Z" }, + { url = "https://files.pythonhosted.org/packages/49/f4/e081522473671c97b2687d380e9e4c26f748a86363ce5af48b4a28e48d06/kiwisolver-1.4.8-cp313-cp313-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:08e77738ed7538f036cd1170cbed942ef749137b1311fa2bbe2a7fda2f6bf3cc", size = 1413517, upload-time = "2024-12-24T18:29:53.941Z" }, + { url = "https://files.pythonhosted.org/packages/8f/e9/6a7d025d8da8c4931522922cd706105aa32b3291d1add8c5427cdcd66e63/kiwisolver-1.4.8-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:a5ce1e481a74b44dd5e92ff03ea0cb371ae7a0268318e202be06c8f04f4f1246", size = 1474952, upload-time = "2024-12-24T18:29:56.523Z" }, + { url = "https://files.pythonhosted.org/packages/82/13/13fa685ae167bee5d94b415991c4fc7bb0a1b6ebea6e753a87044b209678/kiwisolver-1.4.8-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:fc2ace710ba7c1dfd1a3b42530b62b9ceed115f19a1656adefce7b1782a37794", size = 2269132, upload-time = "2024-12-24T18:29:57.989Z" }, + { url = "https://files.pythonhosted.org/packages/ef/92/bb7c9395489b99a6cb41d502d3686bac692586db2045adc19e45ee64ed23/kiwisolver-1.4.8-cp313-cp313-musllinux_1_2_i686.whl", hash = "sha256:3452046c37c7692bd52b0e752b87954ef86ee2224e624ef7ce6cb21e8c41cc1b", size = 2425997, upload-time = "2024-12-24T18:29:59.393Z" }, + { url = "https://files.pythonhosted.org/packages/ed/12/87f0e9271e2b63d35d0d8524954145837dd1a6c15b62a2d8c1ebe0f182b4/kiwisolver-1.4.8-cp313-cp313-musllinux_1_2_ppc64le.whl", hash = "sha256:7e9a60b50fe8b2ec6f448fe8d81b07e40141bfced7f896309df271a0b92f80f3", size = 2376060, upload-time = "2024-12-24T18:30:01.338Z" }, + { url = "https://files.pythonhosted.org/packages/02/6e/c8af39288edbce8bf0fa35dee427b082758a4b71e9c91ef18fa667782138/kiwisolver-1.4.8-cp313-cp313-musllinux_1_2_s390x.whl", hash = "sha256:918139571133f366e8362fa4a297aeba86c7816b7ecf0bc79168080e2bd79957", size = 2520471, upload-time = "2024-12-24T18:30:04.574Z" }, + { url = "https://files.pythonhosted.org/packages/13/78/df381bc7b26e535c91469f77f16adcd073beb3e2dd25042efd064af82323/kiwisolver-1.4.8-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:e063ef9f89885a1d68dd8b2e18f5ead48653176d10a0e324e3b0030e3a69adeb", size = 2338793, upload-time = "2024-12-24T18:30:06.25Z" }, + { url = "https://files.pythonhosted.org/packages/d0/dc/c1abe38c37c071d0fc71c9a474fd0b9ede05d42f5a458d584619cfd2371a/kiwisolver-1.4.8-cp313-cp313-win_amd64.whl", hash = "sha256:a17b7c4f5b2c51bb68ed379defd608a03954a1845dfed7cc0117f1cc8a9b7fd2", size = 71855, upload-time = "2024-12-24T18:30:07.535Z" }, + { url = "https://files.pythonhosted.org/packages/a0/b6/21529d595b126ac298fdd90b705d87d4c5693de60023e0efcb4f387ed99e/kiwisolver-1.4.8-cp313-cp313-win_arm64.whl", hash = "sha256:3cd3bc628b25f74aedc6d374d5babf0166a92ff1317f46267f12d2ed54bc1d30", size = 65430, upload-time = "2024-12-24T18:30:08.504Z" }, + { url = "https://files.pythonhosted.org/packages/34/bd/b89380b7298e3af9b39f49334e3e2a4af0e04819789f04b43d560516c0c8/kiwisolver-1.4.8-cp313-cp313t-macosx_10_13_universal2.whl", hash = "sha256:370fd2df41660ed4e26b8c9d6bbcad668fbe2560462cba151a721d49e5b6628c", size = 126294, upload-time = "2024-12-24T18:30:09.508Z" }, + { url = "https://files.pythonhosted.org/packages/83/41/5857dc72e5e4148eaac5aa76e0703e594e4465f8ab7ec0fc60e3a9bb8fea/kiwisolver-1.4.8-cp313-cp313t-macosx_10_13_x86_64.whl", hash = "sha256:84a2f830d42707de1d191b9490ac186bf7997a9495d4e9072210a1296345f7dc", size = 67736, upload-time = "2024-12-24T18:30:11.039Z" }, + { url = "https://files.pythonhosted.org/packages/e1/d1/be059b8db56ac270489fb0b3297fd1e53d195ba76e9bbb30e5401fa6b759/kiwisolver-1.4.8-cp313-cp313t-macosx_11_0_arm64.whl", hash = "sha256:7a3ad337add5148cf51ce0b55642dc551c0b9d6248458a757f98796ca7348712", size = 66194, upload-time = "2024-12-24T18:30:14.886Z" }, + { url = "https://files.pythonhosted.org/packages/e1/83/4b73975f149819eb7dcf9299ed467eba068ecb16439a98990dcb12e63fdd/kiwisolver-1.4.8-cp313-cp313t-manylinux_2_12_i686.manylinux2010_i686.manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:7506488470f41169b86d8c9aeff587293f530a23a23a49d6bc64dab66bedc71e", size = 1465942, upload-time = "2024-12-24T18:30:18.927Z" }, + { url = "https://files.pythonhosted.org/packages/c7/2c/30a5cdde5102958e602c07466bce058b9d7cb48734aa7a4327261ac8e002/kiwisolver-1.4.8-cp313-cp313t-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:2f0121b07b356a22fb0414cec4666bbe36fd6d0d759db3d37228f496ed67c880", size = 1595341, upload-time = "2024-12-24T18:30:22.102Z" }, + { url = "https://files.pythonhosted.org/packages/ff/9b/1e71db1c000385aa069704f5990574b8244cce854ecd83119c19e83c9586/kiwisolver-1.4.8-cp313-cp313t-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:d6d6bd87df62c27d4185de7c511c6248040afae67028a8a22012b010bc7ad062", size = 1598455, upload-time = "2024-12-24T18:30:24.947Z" }, + { url = "https://files.pythonhosted.org/packages/85/92/c8fec52ddf06231b31cbb779af77e99b8253cd96bd135250b9498144c78b/kiwisolver-1.4.8-cp313-cp313t-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:291331973c64bb9cce50bbe871fb2e675c4331dab4f31abe89f175ad7679a4d7", size = 1522138, upload-time = "2024-12-24T18:30:26.286Z" }, + { url = "https://files.pythonhosted.org/packages/0b/51/9eb7e2cd07a15d8bdd976f6190c0164f92ce1904e5c0c79198c4972926b7/kiwisolver-1.4.8-cp313-cp313t-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:893f5525bb92d3d735878ec00f781b2de998333659507d29ea4466208df37bed", size = 1582857, upload-time = "2024-12-24T18:30:28.86Z" }, + { url = "https://files.pythonhosted.org/packages/0f/95/c5a00387a5405e68ba32cc64af65ce881a39b98d73cc394b24143bebc5b8/kiwisolver-1.4.8-cp313-cp313t-musllinux_1_2_aarch64.whl", hash = "sha256:b47a465040146981dc9db8647981b8cb96366fbc8d452b031e4f8fdffec3f26d", size = 2293129, upload-time = "2024-12-24T18:30:30.34Z" }, + { url = "https://files.pythonhosted.org/packages/44/83/eeb7af7d706b8347548313fa3a3a15931f404533cc54fe01f39e830dd231/kiwisolver-1.4.8-cp313-cp313t-musllinux_1_2_i686.whl", hash = "sha256:99cea8b9dd34ff80c521aef46a1dddb0dcc0283cf18bde6d756f1e6f31772165", size = 2421538, upload-time = "2024-12-24T18:30:33.334Z" }, + { url = "https://files.pythonhosted.org/packages/05/f9/27e94c1b3eb29e6933b6986ffc5fa1177d2cd1f0c8efc5f02c91c9ac61de/kiwisolver-1.4.8-cp313-cp313t-musllinux_1_2_ppc64le.whl", hash = "sha256:151dffc4865e5fe6dafce5480fab84f950d14566c480c08a53c663a0020504b6", size = 2390661, upload-time = "2024-12-24T18:30:34.939Z" }, + { url = "https://files.pythonhosted.org/packages/d9/d4/3c9735faa36ac591a4afcc2980d2691000506050b7a7e80bcfe44048daa7/kiwisolver-1.4.8-cp313-cp313t-musllinux_1_2_s390x.whl", hash = "sha256:577facaa411c10421314598b50413aa1ebcf5126f704f1e5d72d7e4e9f020d90", size = 2546710, upload-time = "2024-12-24T18:30:37.281Z" }, + { url = "https://files.pythonhosted.org/packages/4c/fa/be89a49c640930180657482a74970cdcf6f7072c8d2471e1babe17a222dc/kiwisolver-1.4.8-cp313-cp313t-musllinux_1_2_x86_64.whl", hash = "sha256:be4816dc51c8a471749d664161b434912eee82f2ea66bd7628bd14583a833e85", size = 2349213, upload-time = "2024-12-24T18:30:40.019Z" }, +] + +[[package]] +name = "libclang" +version = "18.1.1" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/6e/5c/ca35e19a4f142adffa27e3d652196b7362fa612243e2b916845d801454fc/libclang-18.1.1.tar.gz", hash = "sha256:a1214966d08d73d971287fc3ead8dfaf82eb07fb197680d8b3859dbbbbf78250", size = 39612, upload-time = "2024-03-17T16:04:37.434Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/4b/49/f5e3e7e1419872b69f6f5e82ba56e33955a74bd537d8a1f5f1eff2f3668a/libclang-18.1.1-1-py2.py3-none-macosx_11_0_arm64.whl", hash = "sha256:0b2e143f0fac830156feb56f9231ff8338c20aecfe72b4ffe96f19e5a1dbb69a", size = 25836045, upload-time = "2024-06-30T17:40:31.646Z" }, + { url = "https://files.pythonhosted.org/packages/e2/e5/fc61bbded91a8830ccce94c5294ecd6e88e496cc85f6704bf350c0634b70/libclang-18.1.1-py2.py3-none-macosx_10_9_x86_64.whl", hash = "sha256:6f14c3f194704e5d09769108f03185fce7acaf1d1ae4bbb2f30a72c2400cb7c5", size = 26502641, upload-time = "2024-03-18T15:52:26.722Z" }, + { url = "https://files.pythonhosted.org/packages/db/ed/1df62b44db2583375f6a8a5e2ca5432bbdc3edb477942b9b7c848c720055/libclang-18.1.1-py2.py3-none-macosx_11_0_arm64.whl", hash = "sha256:83ce5045d101b669ac38e6da8e58765f12da2d3aafb3b9b98d88b286a60964d8", size = 26420207, upload-time = "2024-03-17T15:00:26.63Z" }, + { url = "https://files.pythonhosted.org/packages/1d/fc/716c1e62e512ef1c160e7984a73a5fc7df45166f2ff3f254e71c58076f7c/libclang-18.1.1-py2.py3-none-manylinux2010_x86_64.whl", hash = "sha256:c533091d8a3bbf7460a00cb6c1a71da93bffe148f172c7d03b1c31fbf8aa2a0b", size = 24515943, upload-time = "2024-03-17T16:03:45.942Z" }, + { url = "https://files.pythonhosted.org/packages/3c/3d/f0ac1150280d8d20d059608cf2d5ff61b7c3b7f7bcf9c0f425ab92df769a/libclang-18.1.1-py2.py3-none-manylinux2014_aarch64.whl", hash = "sha256:54dda940a4a0491a9d1532bf071ea3ef26e6dbaf03b5000ed94dd7174e8f9592", size = 23784972, upload-time = "2024-03-17T16:12:47.677Z" }, + { url = "https://files.pythonhosted.org/packages/fe/2f/d920822c2b1ce9326a4c78c0c2b4aa3fde610c7ee9f631b600acb5376c26/libclang-18.1.1-py2.py3-none-manylinux2014_armv7l.whl", hash = "sha256:cf4a99b05376513717ab5d82a0db832c56ccea4fd61a69dbb7bccf2dfb207dbe", size = 20259606, upload-time = "2024-03-17T16:17:42.437Z" }, + { url = "https://files.pythonhosted.org/packages/2d/c2/de1db8c6d413597076a4259cea409b83459b2db997c003578affdd32bf66/libclang-18.1.1-py2.py3-none-musllinux_1_2_x86_64.whl", hash = "sha256:69f8eb8f65c279e765ffd28aaa7e9e364c776c17618af8bff22a8df58677ff4f", size = 24921494, upload-time = "2024-03-17T16:14:20.132Z" }, + { url = "https://files.pythonhosted.org/packages/0b/2d/3f480b1e1d31eb3d6de5e3ef641954e5c67430d5ac93b7fa7e07589576c7/libclang-18.1.1-py2.py3-none-win_amd64.whl", hash = "sha256:4dd2d3b82fab35e2bf9ca717d7b63ac990a3519c7e312f19fa8e86dcc712f7fb", size = 26415083, upload-time = "2024-03-17T16:42:21.703Z" }, + { url = "https://files.pythonhosted.org/packages/71/cf/e01dc4cc79779cd82d77888a88ae2fa424d93b445ad4f6c02bfc18335b70/libclang-18.1.1-py2.py3-none-win_arm64.whl", hash = "sha256:3f0e1f49f04d3cd198985fea0511576b0aee16f9ff0e0f0cad7f9c57ec3c20e8", size = 22361112, upload-time = "2024-03-17T16:42:59.565Z" }, +] + +[[package]] +name = "lxml" +version = "5.3.1" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/ef/f6/c15ca8e5646e937c148e147244817672cf920b56ac0bf2cc1512ae674be8/lxml-5.3.1.tar.gz", hash = "sha256:106b7b5d2977b339f1e97efe2778e2ab20e99994cbb0ec5e55771ed0795920c8", size = 3678591, upload-time = "2025-02-10T07:51:41.769Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/94/1c/724931daa1ace168e0237b929e44062545bf1551974102a5762c349c668d/lxml-5.3.1-cp313-cp313-macosx_10_13_universal2.whl", hash = "sha256:c093c7088b40d8266f57ed71d93112bd64c6724d31f0794c1e52cc4857c28e0e", size = 8171881, upload-time = "2025-02-10T07:46:40.653Z" }, + { url = "https://files.pythonhosted.org/packages/67/0c/857b8fb6010c4246e66abeebb8639eaabba60a6d9b7c606554ecc5cbf1ee/lxml-5.3.1-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:b0884e3f22d87c30694e625b1e62e6f30d39782c806287450d9dc2fdf07692fd", size = 4440394, upload-time = "2025-02-10T07:46:44.037Z" }, + { url = "https://files.pythonhosted.org/packages/61/72/c9e81de6a000f9682ccdd13503db26e973b24c68ac45a7029173237e3eed/lxml-5.3.1-cp313-cp313-manylinux_2_12_i686.manylinux2010_i686.manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:1637fa31ec682cd5760092adfabe86d9b718a75d43e65e211d5931809bc111e7", size = 5037860, upload-time = "2025-02-10T07:46:47.919Z" }, + { url = "https://files.pythonhosted.org/packages/24/26/942048c4b14835711b583b48cd7209bd2b5f0b6939ceed2381a494138b14/lxml-5.3.1-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:a364e8e944d92dcbf33b6b494d4e0fb3499dcc3bd9485beb701aa4b4201fa414", size = 4782513, upload-time = "2025-02-10T07:46:50.696Z" }, + { url = "https://files.pythonhosted.org/packages/e2/65/27792339caf00f610cc5be32b940ba1e3009b7054feb0c4527cebac228d4/lxml-5.3.1-cp313-cp313-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:779e851fd0e19795ccc8a9bb4d705d6baa0ef475329fe44a13cf1e962f18ff1e", size = 5305227, upload-time = "2025-02-10T07:46:53.503Z" }, + { url = "https://files.pythonhosted.org/packages/18/e1/25f7aa434a4d0d8e8420580af05ea49c3e12db6d297cf5435ac0a054df56/lxml-5.3.1-cp313-cp313-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:c4393600915c308e546dc7003d74371744234e8444a28622d76fe19b98fa59d1", size = 4829846, upload-time = "2025-02-10T07:46:56.262Z" }, + { url = "https://files.pythonhosted.org/packages/fe/ed/faf235e0792547d24f61ee1448159325448a7e4f2ab706503049d8e5df19/lxml-5.3.1-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:673b9d8e780f455091200bba8534d5f4f465944cbdd61f31dc832d70e29064a5", size = 4949495, upload-time = "2025-02-10T07:46:59.189Z" }, + { url = "https://files.pythonhosted.org/packages/e5/e1/8f572ad9ed6039ba30f26dd4c2c58fb90f79362d2ee35ca3820284767672/lxml-5.3.1-cp313-cp313-manylinux_2_28_aarch64.whl", hash = "sha256:2e4a570f6a99e96c457f7bec5ad459c9c420ee80b99eb04cbfcfe3fc18ec6423", size = 4773415, upload-time = "2025-02-10T07:47:03.53Z" }, + { url = "https://files.pythonhosted.org/packages/a3/75/6b57166b9d1983dac8f28f354e38bff8d6bcab013a241989c4d54c72701b/lxml-5.3.1-cp313-cp313-manylinux_2_28_ppc64le.whl", hash = "sha256:71f31eda4e370f46af42fc9f264fafa1b09f46ba07bdbee98f25689a04b81c20", size = 5337710, upload-time = "2025-02-10T07:47:06.385Z" }, + { url = "https://files.pythonhosted.org/packages/cc/71/4aa56e2daa83bbcc66ca27b5155be2f900d996f5d0c51078eaaac8df9547/lxml-5.3.1-cp313-cp313-manylinux_2_28_s390x.whl", hash = "sha256:42978a68d3825eaac55399eb37a4d52012a205c0c6262199b8b44fcc6fd686e8", size = 4897362, upload-time = "2025-02-10T07:47:09.24Z" }, + { url = "https://files.pythonhosted.org/packages/65/10/3fa2da152cd9b49332fd23356ed7643c9b74cad636ddd5b2400a9730d12b/lxml-5.3.1-cp313-cp313-manylinux_2_28_x86_64.whl", hash = "sha256:8b1942b3e4ed9ed551ed3083a2e6e0772de1e5e3aca872d955e2e86385fb7ff9", size = 4977795, upload-time = "2025-02-10T07:47:12.101Z" }, + { url = "https://files.pythonhosted.org/packages/de/d2/e1da0f7b20827e7b0ce934963cb6334c1b02cf1bb4aecd218c4496880cb3/lxml-5.3.1-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:85c4f11be9cf08917ac2a5a8b6e1ef63b2f8e3799cec194417e76826e5f1de9c", size = 4858104, upload-time = "2025-02-10T07:47:15.998Z" }, + { url = "https://files.pythonhosted.org/packages/a5/35/063420e1b33d3308f5aa7fcbdd19ef6c036f741c9a7a4bd5dc8032486b27/lxml-5.3.1-cp313-cp313-musllinux_1_2_ppc64le.whl", hash = "sha256:231cf4d140b22a923b1d0a0a4e0b4f972e5893efcdec188934cc65888fd0227b", size = 5416531, upload-time = "2025-02-10T07:47:19.862Z" }, + { url = "https://files.pythonhosted.org/packages/c3/83/93a6457d291d1e37adfb54df23498101a4701834258c840381dd2f6a030e/lxml-5.3.1-cp313-cp313-musllinux_1_2_s390x.whl", hash = "sha256:5865b270b420eda7b68928d70bb517ccbe045e53b1a428129bb44372bf3d7dd5", size = 5273040, upload-time = "2025-02-10T07:47:24.29Z" }, + { url = "https://files.pythonhosted.org/packages/39/25/ad4ac8fac488505a2702656550e63c2a8db3a4fd63db82a20dad5689cecb/lxml-5.3.1-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:dbf7bebc2275016cddf3c997bf8a0f7044160714c64a9b83975670a04e6d2252", size = 5050951, upload-time = "2025-02-10T07:47:27.143Z" }, + { url = "https://files.pythonhosted.org/packages/82/74/f7d223c704c87e44b3d27b5e0dde173a2fcf2e89c0524c8015c2b3554876/lxml-5.3.1-cp313-cp313-win32.whl", hash = "sha256:d0751528b97d2b19a388b302be2a0ee05817097bab46ff0ed76feeec24951f78", size = 3485357, upload-time = "2025-02-10T07:47:29.738Z" }, + { url = "https://files.pythonhosted.org/packages/80/83/8c54533b3576f4391eebea88454738978669a6cad0d8e23266224007939d/lxml-5.3.1-cp313-cp313-win_amd64.whl", hash = "sha256:91fb6a43d72b4f8863d21f347a9163eecbf36e76e2f51068d59cd004c506f332", size = 3814484, upload-time = "2025-02-10T07:47:33.3Z" }, +] + +[[package]] +name = "markdown" +version = "3.7" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/54/28/3af612670f82f4c056911fbbbb42760255801b3068c48de792d354ff4472/markdown-3.7.tar.gz", hash = "sha256:2ae2471477cfd02dbbf038d5d9bc226d40def84b4fe2986e49b59b6b472bbed2", size = 357086, upload-time = "2024-08-16T15:55:17.812Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/3f/08/83871f3c50fc983b88547c196d11cf8c3340e37c32d2e9d6152abe2c61f7/Markdown-3.7-py3-none-any.whl", hash = "sha256:7eb6df5690b81a1d7942992c97fad2938e956e79df20cbc6186e9c3a77b1c803", size = 106349, upload-time = "2024-08-16T15:55:16.176Z" }, +] + +[[package]] +name = "markdown-it-py" +version = "3.0.0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "mdurl" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/38/71/3b932df36c1a044d397a1f92d1cf91ee0a503d91e470cbd670aa66b07ed0/markdown-it-py-3.0.0.tar.gz", hash = "sha256:e3f60a94fa066dc52ec76661e37c851cb232d92f9886b15cb560aaada2df8feb", size = 74596, upload-time = "2023-06-03T06:41:14.443Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/42/d7/1ec15b46af6af88f19b8e5ffea08fa375d433c998b8a7639e76935c14f1f/markdown_it_py-3.0.0-py3-none-any.whl", hash = "sha256:355216845c60bd96232cd8d8c40e8f9765cc86f46880e43a8fd22dc1a1a8cab1", size = 87528, upload-time = "2023-06-03T06:41:11.019Z" }, +] + +[[package]] +name = "markupsafe" +version = "3.0.2" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/b2/97/5d42485e71dfc078108a86d6de8fa46db44a1a9295e89c5d6d4a06e23a62/markupsafe-3.0.2.tar.gz", hash = "sha256:ee55d3edf80167e48ea11a923c7386f4669df67d7994554387f84e7d8b0a2bf0", size = 20537, upload-time = "2024-10-18T15:21:54.129Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/83/0e/67eb10a7ecc77a0c2bbe2b0235765b98d164d81600746914bebada795e97/MarkupSafe-3.0.2-cp313-cp313-macosx_10_13_universal2.whl", hash = "sha256:ba9527cdd4c926ed0760bc301f6728ef34d841f405abf9d4f959c478421e4efd", size = 14274, upload-time = "2024-10-18T15:21:24.577Z" }, + { url = "https://files.pythonhosted.org/packages/2b/6d/9409f3684d3335375d04e5f05744dfe7e9f120062c9857df4ab490a1031a/MarkupSafe-3.0.2-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:f8b3d067f2e40fe93e1ccdd6b2e1d16c43140e76f02fb1319a05cf2b79d99430", size = 12352, upload-time = "2024-10-18T15:21:25.382Z" }, + { url = "https://files.pythonhosted.org/packages/d2/f5/6eadfcd3885ea85fe2a7c128315cc1bb7241e1987443d78c8fe712d03091/MarkupSafe-3.0.2-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:569511d3b58c8791ab4c2e1285575265991e6d8f8700c7be0e88f86cb0672094", size = 24122, upload-time = "2024-10-18T15:21:26.199Z" }, + { url = "https://files.pythonhosted.org/packages/0c/91/96cf928db8236f1bfab6ce15ad070dfdd02ed88261c2afafd4b43575e9e9/MarkupSafe-3.0.2-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:15ab75ef81add55874e7ab7055e9c397312385bd9ced94920f2802310c930396", size = 23085, upload-time = "2024-10-18T15:21:27.029Z" }, + { url = "https://files.pythonhosted.org/packages/c2/cf/c9d56af24d56ea04daae7ac0940232d31d5a8354f2b457c6d856b2057d69/MarkupSafe-3.0.2-cp313-cp313-manylinux_2_5_i686.manylinux1_i686.manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:f3818cb119498c0678015754eba762e0d61e5b52d34c8b13d770f0719f7b1d79", size = 22978, upload-time = "2024-10-18T15:21:27.846Z" }, + { url = "https://files.pythonhosted.org/packages/2a/9f/8619835cd6a711d6272d62abb78c033bda638fdc54c4e7f4272cf1c0962b/MarkupSafe-3.0.2-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:cdb82a876c47801bb54a690c5ae105a46b392ac6099881cdfb9f6e95e4014c6a", size = 24208, upload-time = "2024-10-18T15:21:28.744Z" }, + { url = "https://files.pythonhosted.org/packages/f9/bf/176950a1792b2cd2102b8ffeb5133e1ed984547b75db47c25a67d3359f77/MarkupSafe-3.0.2-cp313-cp313-musllinux_1_2_i686.whl", hash = "sha256:cabc348d87e913db6ab4aa100f01b08f481097838bdddf7c7a84b7575b7309ca", size = 23357, upload-time = "2024-10-18T15:21:29.545Z" }, + { url = "https://files.pythonhosted.org/packages/ce/4f/9a02c1d335caabe5c4efb90e1b6e8ee944aa245c1aaaab8e8a618987d816/MarkupSafe-3.0.2-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:444dcda765c8a838eaae23112db52f1efaf750daddb2d9ca300bcae1039adc5c", size = 23344, upload-time = "2024-10-18T15:21:30.366Z" }, + { url = "https://files.pythonhosted.org/packages/ee/55/c271b57db36f748f0e04a759ace9f8f759ccf22b4960c270c78a394f58be/MarkupSafe-3.0.2-cp313-cp313-win32.whl", hash = "sha256:bcf3e58998965654fdaff38e58584d8937aa3096ab5354d493c77d1fdd66d7a1", size = 15101, upload-time = "2024-10-18T15:21:31.207Z" }, + { url = "https://files.pythonhosted.org/packages/29/88/07df22d2dd4df40aba9f3e402e6dc1b8ee86297dddbad4872bd5e7b0094f/MarkupSafe-3.0.2-cp313-cp313-win_amd64.whl", hash = "sha256:e6a2a455bd412959b57a172ce6328d2dd1f01cb2135efda2e4576e8a23fa3b0f", size = 15603, upload-time = "2024-10-18T15:21:32.032Z" }, + { url = "https://files.pythonhosted.org/packages/62/6a/8b89d24db2d32d433dffcd6a8779159da109842434f1dd2f6e71f32f738c/MarkupSafe-3.0.2-cp313-cp313t-macosx_10_13_universal2.whl", hash = "sha256:b5a6b3ada725cea8a5e634536b1b01c30bcdcd7f9c6fff4151548d5bf6b3a36c", size = 14510, upload-time = "2024-10-18T15:21:33.625Z" }, + { url = "https://files.pythonhosted.org/packages/7a/06/a10f955f70a2e5a9bf78d11a161029d278eeacbd35ef806c3fd17b13060d/MarkupSafe-3.0.2-cp313-cp313t-macosx_11_0_arm64.whl", hash = "sha256:a904af0a6162c73e3edcb969eeeb53a63ceeb5d8cf642fade7d39e7963a22ddb", size = 12486, upload-time = "2024-10-18T15:21:34.611Z" }, + { url = "https://files.pythonhosted.org/packages/34/cf/65d4a571869a1a9078198ca28f39fba5fbb910f952f9dbc5220afff9f5e6/MarkupSafe-3.0.2-cp313-cp313t-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:4aa4e5faecf353ed117801a068ebab7b7e09ffb6e1d5e412dc852e0da018126c", size = 25480, upload-time = "2024-10-18T15:21:35.398Z" }, + { url = "https://files.pythonhosted.org/packages/0c/e3/90e9651924c430b885468b56b3d597cabf6d72be4b24a0acd1fa0e12af67/MarkupSafe-3.0.2-cp313-cp313t-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:c0ef13eaeee5b615fb07c9a7dadb38eac06a0608b41570d8ade51c56539e509d", size = 23914, upload-time = "2024-10-18T15:21:36.231Z" }, + { url = "https://files.pythonhosted.org/packages/66/8c/6c7cf61f95d63bb866db39085150df1f2a5bd3335298f14a66b48e92659c/MarkupSafe-3.0.2-cp313-cp313t-manylinux_2_5_i686.manylinux1_i686.manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:d16a81a06776313e817c951135cf7340a3e91e8c1ff2fac444cfd75fffa04afe", size = 23796, upload-time = "2024-10-18T15:21:37.073Z" }, + { url = "https://files.pythonhosted.org/packages/bb/35/cbe9238ec3f47ac9a7c8b3df7a808e7cb50fe149dc7039f5f454b3fba218/MarkupSafe-3.0.2-cp313-cp313t-musllinux_1_2_aarch64.whl", hash = "sha256:6381026f158fdb7c72a168278597a5e3a5222e83ea18f543112b2662a9b699c5", size = 25473, upload-time = "2024-10-18T15:21:37.932Z" }, + { url = "https://files.pythonhosted.org/packages/e6/32/7621a4382488aa283cc05e8984a9c219abad3bca087be9ec77e89939ded9/MarkupSafe-3.0.2-cp313-cp313t-musllinux_1_2_i686.whl", hash = "sha256:3d79d162e7be8f996986c064d1c7c817f6df3a77fe3d6859f6f9e7be4b8c213a", size = 24114, upload-time = "2024-10-18T15:21:39.799Z" }, + { url = "https://files.pythonhosted.org/packages/0d/80/0985960e4b89922cb5a0bac0ed39c5b96cbc1a536a99f30e8c220a996ed9/MarkupSafe-3.0.2-cp313-cp313t-musllinux_1_2_x86_64.whl", hash = "sha256:131a3c7689c85f5ad20f9f6fb1b866f402c445b220c19fe4308c0b147ccd2ad9", size = 24098, upload-time = "2024-10-18T15:21:40.813Z" }, + { url = "https://files.pythonhosted.org/packages/82/78/fedb03c7d5380df2427038ec8d973587e90561b2d90cd472ce9254cf348b/MarkupSafe-3.0.2-cp313-cp313t-win32.whl", hash = "sha256:ba8062ed2cf21c07a9e295d5b8a2a5ce678b913b45fdf68c32d95d6c1291e0b6", size = 15208, upload-time = "2024-10-18T15:21:41.814Z" }, + { url = "https://files.pythonhosted.org/packages/4f/65/6079a46068dfceaeabb5dcad6d674f5f5c61a6fa5673746f42a9f4c233b3/MarkupSafe-3.0.2-cp313-cp313t-win_amd64.whl", hash = "sha256:e444a31f8db13eb18ada366ab3cf45fd4b31e4db1236a4448f68778c1d1a5a2f", size = 15739, upload-time = "2024-10-18T15:21:42.784Z" }, +] + +[[package]] +name = "matplotlib" +version = "3.10.1" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "contourpy" }, + { name = "cycler" }, + { name = "fonttools" }, + { name = "kiwisolver" }, + { name = "numpy" }, + { name = "packaging" }, + { name = "pillow" }, + { name = "pyparsing" }, + { name = "python-dateutil" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/2f/08/b89867ecea2e305f408fbb417139a8dd941ecf7b23a2e02157c36da546f0/matplotlib-3.10.1.tar.gz", hash = "sha256:e8d2d0e3881b129268585bf4765ad3ee73a4591d77b9a18c214ac7e3a79fb2ba", size = 36743335, upload-time = "2025-02-27T19:19:51.038Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/60/73/6770ff5e5523d00f3bc584acb6031e29ee5c8adc2336b16cd1d003675fe0/matplotlib-3.10.1-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:c42eee41e1b60fd83ee3292ed83a97a5f2a8239b10c26715d8a6172226988d7b", size = 8176112, upload-time = "2025-02-27T19:19:07.59Z" }, + { url = "https://files.pythonhosted.org/packages/08/97/b0ca5da0ed54a3f6599c3ab568bdda65269bc27c21a2c97868c1625e4554/matplotlib-3.10.1-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:4f0647b17b667ae745c13721602b540f7aadb2a32c5b96e924cd4fea5dcb90f1", size = 8046931, upload-time = "2025-02-27T19:19:10.515Z" }, + { url = "https://files.pythonhosted.org/packages/df/9a/1acbdc3b165d4ce2dcd2b1a6d4ffb46a7220ceee960c922c3d50d8514067/matplotlib-3.10.1-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:aa3854b5f9473564ef40a41bc922be978fab217776e9ae1545c9b3a5cf2092a3", size = 8453422, upload-time = "2025-02-27T19:19:12.738Z" }, + { url = "https://files.pythonhosted.org/packages/51/d0/2bc4368abf766203e548dc7ab57cf7e9c621f1a3c72b516cc7715347b179/matplotlib-3.10.1-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:7e496c01441be4c7d5f96d4e40f7fca06e20dcb40e44c8daa2e740e1757ad9e6", size = 8596819, upload-time = "2025-02-27T19:19:15.306Z" }, + { url = "https://files.pythonhosted.org/packages/ab/1b/8b350f8a1746c37ab69dda7d7528d1fc696efb06db6ade9727b7887be16d/matplotlib-3.10.1-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:5d45d3f5245be5b469843450617dcad9af75ca50568acf59997bed9311131a0b", size = 9402782, upload-time = "2025-02-27T19:19:17.841Z" }, + { url = "https://files.pythonhosted.org/packages/89/06/f570373d24d93503988ba8d04f213a372fa1ce48381c5eb15da985728498/matplotlib-3.10.1-cp313-cp313-win_amd64.whl", hash = "sha256:8e8e25b1209161d20dfe93037c8a7f7ca796ec9aa326e6e4588d8c4a5dd1e473", size = 8063812, upload-time = "2025-02-27T19:19:20.888Z" }, + { url = "https://files.pythonhosted.org/packages/fc/e0/8c811a925b5a7ad75135f0e5af46408b78af88bbb02a1df775100ef9bfef/matplotlib-3.10.1-cp313-cp313t-macosx_10_13_x86_64.whl", hash = "sha256:19b06241ad89c3ae9469e07d77efa87041eac65d78df4fcf9cac318028009b01", size = 8214021, upload-time = "2025-02-27T19:19:23.412Z" }, + { url = "https://files.pythonhosted.org/packages/4a/34/319ec2139f68ba26da9d00fce2ff9f27679fb799a6c8e7358539801fd629/matplotlib-3.10.1-cp313-cp313t-macosx_11_0_arm64.whl", hash = "sha256:01e63101ebb3014e6e9f80d9cf9ee361a8599ddca2c3e166c563628b39305dbb", size = 8090782, upload-time = "2025-02-27T19:19:28.33Z" }, + { url = "https://files.pythonhosted.org/packages/77/ea/9812124ab9a99df5b2eec1110e9b2edc0b8f77039abf4c56e0a376e84a29/matplotlib-3.10.1-cp313-cp313t-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:3f06bad951eea6422ac4e8bdebcf3a70c59ea0a03338c5d2b109f57b64eb3972", size = 8478901, upload-time = "2025-02-27T19:19:31.536Z" }, + { url = "https://files.pythonhosted.org/packages/c9/db/b05bf463689134789b06dea85828f8ebe506fa1e37593f723b65b86c9582/matplotlib-3.10.1-cp313-cp313t-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:a3dfb036f34873b46978f55e240cff7a239f6c4409eac62d8145bad3fc6ba5a3", size = 8613864, upload-time = "2025-02-27T19:19:34.233Z" }, + { url = "https://files.pythonhosted.org/packages/c2/04/41ccec4409f3023a7576df3b5c025f1a8c8b81fbfe922ecfd837ac36e081/matplotlib-3.10.1-cp313-cp313t-musllinux_1_2_x86_64.whl", hash = "sha256:dc6ab14a7ab3b4d813b88ba957fc05c79493a037f54e246162033591e770de6f", size = 9409487, upload-time = "2025-02-27T19:19:36.924Z" }, + { url = "https://files.pythonhosted.org/packages/ac/c2/0d5aae823bdcc42cc99327ecdd4d28585e15ccd5218c453b7bcd827f3421/matplotlib-3.10.1-cp313-cp313t-win_amd64.whl", hash = "sha256:bc411ebd5889a78dabbc457b3fa153203e22248bfa6eedc6797be5df0164dbf9", size = 8134832, upload-time = "2025-02-27T19:19:39.431Z" }, +] + +[[package]] +name = "mdurl" +version = "0.1.2" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/d6/54/cfe61301667036ec958cb99bd3efefba235e65cdeb9c84d24a8293ba1d90/mdurl-0.1.2.tar.gz", hash = "sha256:bb413d29f5eea38f31dd4754dd7377d4465116fb207585f97bf925588687c1ba", size = 8729, upload-time = "2022-08-14T12:40:10.846Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/b3/38/89ba8ad64ae25be8de66a6d463314cf1eb366222074cfda9ee839c56a4b4/mdurl-0.1.2-py3-none-any.whl", hash = "sha256:84008a41e51615a49fc9966191ff91509e3c40b939176e643fd50a5c2196b8f8", size = 9979, upload-time = "2022-08-14T12:40:09.779Z" }, +] + +[[package]] +name = "ml-dtypes" +version = "0.5.4" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "numpy" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/0e/4a/c27b42ed9b1c7d13d9ba8b6905dece787d6259152f2309338aed29b2447b/ml_dtypes-0.5.4.tar.gz", hash = "sha256:8ab06a50fb9bf9666dd0fe5dfb4676fa2b0ac0f31ecff72a6c3af8e22c063453", size = 692314, upload-time = "2025-11-17T22:32:31.031Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/d9/a1/4008f14bbc616cfb1ac5b39ea485f9c63031c4634ab3f4cf72e7541f816a/ml_dtypes-0.5.4-cp313-cp313-macosx_10_13_universal2.whl", hash = "sha256:8c760d85a2f82e2bed75867079188c9d18dae2ee77c25a54d60e9cc79be1bc48", size = 676888, upload-time = "2025-11-17T22:31:56.907Z" }, + { url = "https://files.pythonhosted.org/packages/d3/b7/dff378afc2b0d5a7d6cd9d3209b60474d9819d1189d347521e1688a60a53/ml_dtypes-0.5.4-cp313-cp313-manylinux_2_27_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:ce756d3a10d0c4067172804c9cc276ba9cc0ff47af9078ad439b075d1abdc29b", size = 5036993, upload-time = "2025-11-17T22:31:58.497Z" }, + { url = "https://files.pythonhosted.org/packages/eb/33/40cd74219417e78b97c47802037cf2d87b91973e18bb968a7da48a96ea44/ml_dtypes-0.5.4-cp313-cp313-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:533ce891ba774eabf607172254f2e7260ba5f57bdd64030c9a4fcfbd99815d0d", size = 5010956, upload-time = "2025-11-17T22:31:59.931Z" }, + { url = "https://files.pythonhosted.org/packages/e1/8b/200088c6859d8221454825959df35b5244fa9bdf263fd0249ac5fb75e281/ml_dtypes-0.5.4-cp313-cp313-win_amd64.whl", hash = "sha256:f21c9219ef48ca5ee78402d5cc831bd58ea27ce89beda894428bc67a52da5328", size = 212224, upload-time = "2025-11-17T22:32:01.349Z" }, + { url = "https://files.pythonhosted.org/packages/8f/75/dfc3775cb36367816e678f69a7843f6f03bd4e2bcd79941e01ea960a068e/ml_dtypes-0.5.4-cp313-cp313-win_arm64.whl", hash = "sha256:35f29491a3e478407f7047b8a4834e4640a77d2737e0b294d049746507af5175", size = 160798, upload-time = "2025-11-17T22:32:02.864Z" }, + { url = "https://files.pythonhosted.org/packages/4f/74/e9ddb35fd1dd43b1106c20ced3f53c2e8e7fc7598c15638e9f80677f81d4/ml_dtypes-0.5.4-cp313-cp313t-macosx_10_13_universal2.whl", hash = "sha256:304ad47faa395415b9ccbcc06a0350800bc50eda70f0e45326796e27c62f18b6", size = 702083, upload-time = "2025-11-17T22:32:04.08Z" }, + { url = "https://files.pythonhosted.org/packages/74/f5/667060b0aed1aa63166b22897fdf16dca9eb704e6b4bbf86848d5a181aa7/ml_dtypes-0.5.4-cp313-cp313t-manylinux_2_27_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:6a0df4223b514d799b8a1629c65ddc351b3efa833ccf7f8ea0cf654a61d1e35d", size = 5354111, upload-time = "2025-11-17T22:32:05.546Z" }, + { url = "https://files.pythonhosted.org/packages/40/49/0f8c498a28c0efa5f5c95a9e374c83ec1385ca41d0e85e7cf40e5d519a21/ml_dtypes-0.5.4-cp313-cp313t-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:531eff30e4d368cb6255bc2328d070e35836aa4f282a0fb5f3a0cd7260257298", size = 5366453, upload-time = "2025-11-17T22:32:07.115Z" }, + { url = "https://files.pythonhosted.org/packages/8c/27/12607423d0a9c6bbbcc780ad19f1f6baa2b68b18ce4bddcdc122c4c68dc9/ml_dtypes-0.5.4-cp313-cp313t-win_amd64.whl", hash = "sha256:cb73dccfc991691c444acc8c0012bee8f2470da826a92e3a20bb333b1a7894e6", size = 225612, upload-time = "2025-11-17T22:32:08.615Z" }, + { url = "https://files.pythonhosted.org/packages/e5/80/5a5929e92c72936d5b19872c5fb8fc09327c1da67b3b68c6a13139e77e20/ml_dtypes-0.5.4-cp313-cp313t-win_arm64.whl", hash = "sha256:3bbbe120b915090d9dd1375e4684dd17a20a2491ef25d640a908281da85e73f1", size = 164145, upload-time = "2025-11-17T22:32:09.782Z" }, + { url = "https://files.pythonhosted.org/packages/72/4e/1339dc6e2557a344f5ba5590872e80346f76f6cb2ac3dd16e4666e88818c/ml_dtypes-0.5.4-cp314-cp314-macosx_10_13_universal2.whl", hash = "sha256:2b857d3af6ac0d39db1de7c706e69c7f9791627209c3d6dedbfca8c7e5faec22", size = 673781, upload-time = "2025-11-17T22:32:11.364Z" }, + { url = "https://files.pythonhosted.org/packages/04/f9/067b84365c7e83bda15bba2b06c6ca250ce27b20630b1128c435fb7a09aa/ml_dtypes-0.5.4-cp314-cp314-manylinux_2_27_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:805cef3a38f4eafae3a5bf9ebdcdb741d0bcfd9e1bd90eb54abd24f928cd2465", size = 5036145, upload-time = "2025-11-17T22:32:12.783Z" }, + { url = "https://files.pythonhosted.org/packages/c6/bb/82c7dcf38070b46172a517e2334e665c5bf374a262f99a283ea454bece7c/ml_dtypes-0.5.4-cp314-cp314-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:14a4fd3228af936461db66faccef6e4f41c1d82fcc30e9f8d58a08916b1d811f", size = 5010230, upload-time = "2025-11-17T22:32:14.38Z" }, + { url = "https://files.pythonhosted.org/packages/e9/93/2bfed22d2498c468f6bcd0d9f56b033eaa19f33320389314c19ef6766413/ml_dtypes-0.5.4-cp314-cp314-win_amd64.whl", hash = "sha256:8c6a2dcebd6f3903e05d51960a8058d6e131fe69f952a5397e5dbabc841b6d56", size = 221032, upload-time = "2025-11-17T22:32:15.763Z" }, + { url = "https://files.pythonhosted.org/packages/76/a3/9c912fe6ea747bb10fe2f8f54d027eb265db05dfb0c6335e3e063e74e6e8/ml_dtypes-0.5.4-cp314-cp314-win_arm64.whl", hash = "sha256:5a0f68ca8fd8d16583dfa7793973feb86f2fbb56ce3966daf9c9f748f52a2049", size = 163353, upload-time = "2025-11-17T22:32:16.932Z" }, + { url = "https://files.pythonhosted.org/packages/cd/02/48aa7d84cc30ab4ee37624a2fd98c56c02326785750cd212bc0826c2f15b/ml_dtypes-0.5.4-cp314-cp314t-macosx_10_13_universal2.whl", hash = "sha256:bfc534409c5d4b0bf945af29e5d0ab075eae9eecbb549ff8a29280db822f34f9", size = 702085, upload-time = "2025-11-17T22:32:18.175Z" }, + { url = "https://files.pythonhosted.org/packages/5a/e7/85cb99fe80a7a5513253ec7faa88a65306be071163485e9a626fce1b6e84/ml_dtypes-0.5.4-cp314-cp314t-manylinux_2_27_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:2314892cdc3fcf05e373d76d72aaa15fda9fb98625effa73c1d646f331fcecb7", size = 5355358, upload-time = "2025-11-17T22:32:19.7Z" }, + { url = "https://files.pythonhosted.org/packages/79/2b/a826ba18d2179a56e144aef69e57fb2ab7c464ef0b2111940ee8a3a223a2/ml_dtypes-0.5.4-cp314-cp314t-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:0d2ffd05a2575b1519dc928c0b93c06339eb67173ff53acb00724502cda231cf", size = 5366332, upload-time = "2025-11-17T22:32:21.193Z" }, + { url = "https://files.pythonhosted.org/packages/84/44/f4d18446eacb20ea11e82f133ea8f86e2bf2891785b67d9da8d0ab0ef525/ml_dtypes-0.5.4-cp314-cp314t-win_amd64.whl", hash = "sha256:4381fe2f2452a2d7589689693d3162e876b3ddb0a832cde7a414f8e1adf7eab1", size = 236612, upload-time = "2025-11-17T22:32:22.579Z" }, + { url = "https://files.pythonhosted.org/packages/ad/3f/3d42e9a78fe5edf792a83c074b13b9b770092a4fbf3462872f4303135f09/ml_dtypes-0.5.4-cp314-cp314t-win_arm64.whl", hash = "sha256:11942cbf2cf92157db91e5022633c0d9474d4dfd813a909383bd23ce828a4b7d", size = 168825, upload-time = "2025-11-17T22:32:23.766Z" }, +] + +[[package]] +name = "mpmath" +version = "1.3.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/e0/47/dd32fa426cc72114383ac549964eecb20ecfd886d1e5ccf5340b55b02f57/mpmath-1.3.0.tar.gz", hash = "sha256:7a28eb2a9774d00c7bc92411c19a89209d5da7c4c9a9e227be8330a23a25b91f", size = 508106, upload-time = "2023-03-07T16:47:11.061Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/43/e3/7d92a15f894aa0c9c4b49b8ee9ac9850d6e63b03c9c32c0367a13ae62209/mpmath-1.3.0-py3-none-any.whl", hash = "sha256:a0b2b9fe80bbcd81a6647ff13108738cfb482d481d826cc0e02f5b35e5c88d2c", size = 536198, upload-time = "2023-03-07T16:47:09.197Z" }, +] + +[[package]] +name = "namex" +version = "0.0.8" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/9d/48/d275cdb6216c6bb4f9351675795a0b48974e138f16b1ffe0252c1f8faa28/namex-0.0.8.tar.gz", hash = "sha256:32a50f6c565c0bb10aa76298c959507abdc0e850efe085dc38f3440fcb3aa90b", size = 6623, upload-time = "2024-04-15T04:04:25.917Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/73/59/7854fbfb59f8ae35483ce93493708be5942ebb6328cd85b3a609df629736/namex-0.0.8-py3-none-any.whl", hash = "sha256:7ddb6c2bb0e753a311b7590f84f6da659dd0c05e65cb89d519d54c0a250c0487", size = 5806, upload-time = "2024-04-15T04:04:24.513Z" }, +] + +[[package]] +name = "networkx" +version = "3.4.2" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/fd/1d/06475e1cd5264c0b870ea2cc6fdb3e37177c1e565c43f56ff17a10e3937f/networkx-3.4.2.tar.gz", hash = "sha256:307c3669428c5362aab27c8a1260aa8f47c4e91d3891f48be0141738d8d053e1", size = 2151368, upload-time = "2024-10-21T12:39:38.695Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/b9/54/dd730b32ea14ea797530a4479b2ed46a6fb250f682a9cfb997e968bf0261/networkx-3.4.2-py3-none-any.whl", hash = "sha256:df5d4365b724cf81b8c6a7312509d0c22386097011ad1abe274afd5e9d3bbc5f", size = 1723263, upload-time = "2024-10-21T12:39:36.247Z" }, +] + +[[package]] +name = "nodeenv" +version = "1.9.1" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/43/16/fc88b08840de0e0a72a2f9d8c6bae36be573e475a6326ae854bcc549fc45/nodeenv-1.9.1.tar.gz", hash = "sha256:6ec12890a2dab7946721edbfbcd91f3319c6ccc9aec47be7c7e6b7011ee6645f", size = 47437, upload-time = "2024-06-04T18:44:11.171Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/d2/1d/1b658dbd2b9fa9c4c9f32accbfc0205d532c8c6194dc0f2a4c0428e7128a/nodeenv-1.9.1-py2.py3-none-any.whl", hash = "sha256:ba11c9782d29c27c70ffbdda2d7415098754709be8a7056d79a737cd901155c9", size = 22314, upload-time = "2024-06-04T18:44:08.352Z" }, +] + +[[package]] +name = "numpy" +version = "2.3.5" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/76/65/21b3bc86aac7b8f2862db1e808f1ea22b028e30a225a34a5ede9bf8678f2/numpy-2.3.5.tar.gz", hash = "sha256:784db1dcdab56bf0517743e746dfb0f885fc68d948aba86eeec2cba234bdf1c0", size = 20584950, upload-time = "2025-11-16T22:52:42.067Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/db/69/9cde09f36da4b5a505341180a3f2e6fadc352fd4d2b7096ce9778db83f1a/numpy-2.3.5-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:d0f23b44f57077c1ede8c5f26b30f706498b4862d3ff0a7298b8411dd2f043ff", size = 16728251, upload-time = "2025-11-16T22:50:19.013Z" }, + { url = "https://files.pythonhosted.org/packages/79/fb/f505c95ceddd7027347b067689db71ca80bd5ecc926f913f1a23e65cf09b/numpy-2.3.5-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:aa5bc7c5d59d831d9773d1170acac7893ce3a5e130540605770ade83280e7188", size = 12254652, upload-time = "2025-11-16T22:50:21.487Z" }, + { url = "https://files.pythonhosted.org/packages/78/da/8c7738060ca9c31b30e9301ee0cf6c5ffdbf889d9593285a1cead337f9a5/numpy-2.3.5-cp313-cp313-macosx_14_0_arm64.whl", hash = "sha256:ccc933afd4d20aad3c00bcef049cb40049f7f196e0397f1109dba6fed63267b0", size = 5083172, upload-time = "2025-11-16T22:50:24.562Z" }, + { url = "https://files.pythonhosted.org/packages/a4/b4/ee5bb2537fb9430fd2ef30a616c3672b991a4129bb1c7dcc42aa0abbe5d7/numpy-2.3.5-cp313-cp313-macosx_14_0_x86_64.whl", hash = "sha256:afaffc4393205524af9dfa400fa250143a6c3bc646c08c9f5e25a9f4b4d6a903", size = 6622990, upload-time = "2025-11-16T22:50:26.47Z" }, + { url = "https://files.pythonhosted.org/packages/95/03/dc0723a013c7d7c19de5ef29e932c3081df1c14ba582b8b86b5de9db7f0f/numpy-2.3.5-cp313-cp313-manylinux_2_27_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:9c75442b2209b8470d6d5d8b1c25714270686f14c749028d2199c54e29f20b4d", size = 14248902, upload-time = "2025-11-16T22:50:28.861Z" }, + { url = "https://files.pythonhosted.org/packages/f5/10/ca162f45a102738958dcec8023062dad0cbc17d1ab99d68c4e4a6c45fb2b/numpy-2.3.5-cp313-cp313-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:11e06aa0af8c0f05104d56450d6093ee639e15f24ecf62d417329d06e522e017", size = 16597430, upload-time = "2025-11-16T22:50:31.56Z" }, + { url = "https://files.pythonhosted.org/packages/2a/51/c1e29be863588db58175175f057286900b4b3327a1351e706d5e0f8dd679/numpy-2.3.5-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:ed89927b86296067b4f81f108a2271d8926467a8868e554eaf370fc27fa3ccaf", size = 16024551, upload-time = "2025-11-16T22:50:34.242Z" }, + { url = "https://files.pythonhosted.org/packages/83/68/8236589d4dbb87253d28259d04d9b814ec0ecce7cb1c7fed29729f4c3a78/numpy-2.3.5-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:51c55fe3451421f3a6ef9a9c1439e82101c57a2c9eab9feb196a62b1a10b58ce", size = 18533275, upload-time = "2025-11-16T22:50:37.651Z" }, + { url = "https://files.pythonhosted.org/packages/40/56/2932d75b6f13465239e3b7b7e511be27f1b8161ca2510854f0b6e521c395/numpy-2.3.5-cp313-cp313-win32.whl", hash = "sha256:1978155dd49972084bd6ef388d66ab70f0c323ddee6f693d539376498720fb7e", size = 6277637, upload-time = "2025-11-16T22:50:40.11Z" }, + { url = "https://files.pythonhosted.org/packages/0c/88/e2eaa6cffb115b85ed7c7c87775cb8bcf0816816bc98ca8dbfa2ee33fe6e/numpy-2.3.5-cp313-cp313-win_amd64.whl", hash = "sha256:00dc4e846108a382c5869e77c6ed514394bdeb3403461d25a829711041217d5b", size = 12779090, upload-time = "2025-11-16T22:50:42.503Z" }, + { url = "https://files.pythonhosted.org/packages/8f/88/3f41e13a44ebd4034ee17baa384acac29ba6a4fcc2aca95f6f08ca0447d1/numpy-2.3.5-cp313-cp313-win_arm64.whl", hash = "sha256:0472f11f6ec23a74a906a00b48a4dcf3849209696dff7c189714511268d103ae", size = 10194710, upload-time = "2025-11-16T22:50:44.971Z" }, + { url = "https://files.pythonhosted.org/packages/13/cb/71744144e13389d577f867f745b7df2d8489463654a918eea2eeb166dfc9/numpy-2.3.5-cp313-cp313t-macosx_10_13_x86_64.whl", hash = "sha256:414802f3b97f3c1eef41e530aaba3b3c1620649871d8cb38c6eaff034c2e16bd", size = 16827292, upload-time = "2025-11-16T22:50:47.715Z" }, + { url = "https://files.pythonhosted.org/packages/71/80/ba9dc6f2a4398e7f42b708a7fdc841bb638d353be255655498edbf9a15a8/numpy-2.3.5-cp313-cp313t-macosx_11_0_arm64.whl", hash = "sha256:5ee6609ac3604fa7780e30a03e5e241a7956f8e2fcfe547d51e3afa5247ac47f", size = 12378897, upload-time = "2025-11-16T22:50:51.327Z" }, + { url = "https://files.pythonhosted.org/packages/2e/6d/db2151b9f64264bcceccd51741aa39b50150de9b602d98ecfe7e0c4bff39/numpy-2.3.5-cp313-cp313t-macosx_14_0_arm64.whl", hash = "sha256:86d835afea1eaa143012a2d7a3f45a3adce2d7adc8b4961f0b362214d800846a", size = 5207391, upload-time = "2025-11-16T22:50:54.542Z" }, + { url = "https://files.pythonhosted.org/packages/80/ae/429bacace5ccad48a14c4ae5332f6aa8ab9f69524193511d60ccdfdc65fa/numpy-2.3.5-cp313-cp313t-macosx_14_0_x86_64.whl", hash = "sha256:30bc11310e8153ca664b14c5f1b73e94bd0503681fcf136a163de856f3a50139", size = 6721275, upload-time = "2025-11-16T22:50:56.794Z" }, + { url = "https://files.pythonhosted.org/packages/74/5b/1919abf32d8722646a38cd527bc3771eb229a32724ee6ba340ead9b92249/numpy-2.3.5-cp313-cp313t-manylinux_2_27_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:1062fde1dcf469571705945b0f221b73928f34a20c904ffb45db101907c3454e", size = 14306855, upload-time = "2025-11-16T22:50:59.208Z" }, + { url = "https://files.pythonhosted.org/packages/a5/87/6831980559434973bebc30cd9c1f21e541a0f2b0c280d43d3afd909b66d0/numpy-2.3.5-cp313-cp313t-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:ce581db493ea1a96c0556360ede6607496e8bf9b3a8efa66e06477267bc831e9", size = 16657359, upload-time = "2025-11-16T22:51:01.991Z" }, + { url = "https://files.pythonhosted.org/packages/dd/91/c797f544491ee99fd00495f12ebb7802c440c1915811d72ac5b4479a3356/numpy-2.3.5-cp313-cp313t-musllinux_1_2_aarch64.whl", hash = "sha256:cc8920d2ec5fa99875b670bb86ddeb21e295cb07aa331810d9e486e0b969d946", size = 16093374, upload-time = "2025-11-16T22:51:05.291Z" }, + { url = "https://files.pythonhosted.org/packages/74/a6/54da03253afcbe7a72785ec4da9c69fb7a17710141ff9ac5fcb2e32dbe64/numpy-2.3.5-cp313-cp313t-musllinux_1_2_x86_64.whl", hash = "sha256:9ee2197ef8c4f0dfe405d835f3b6a14f5fee7782b5de51ba06fb65fc9b36e9f1", size = 18594587, upload-time = "2025-11-16T22:51:08.585Z" }, + { url = "https://files.pythonhosted.org/packages/80/e9/aff53abbdd41b0ecca94285f325aff42357c6b5abc482a3fcb4994290b18/numpy-2.3.5-cp313-cp313t-win32.whl", hash = "sha256:70b37199913c1bd300ff6e2693316c6f869c7ee16378faf10e4f5e3275b299c3", size = 6405940, upload-time = "2025-11-16T22:51:11.541Z" }, + { url = "https://files.pythonhosted.org/packages/d5/81/50613fec9d4de5480de18d4f8ef59ad7e344d497edbef3cfd80f24f98461/numpy-2.3.5-cp313-cp313t-win_amd64.whl", hash = "sha256:b501b5fa195cc9e24fe102f21ec0a44dffc231d2af79950b451e0d99cea02234", size = 12920341, upload-time = "2025-11-16T22:51:14.312Z" }, + { url = "https://files.pythonhosted.org/packages/bb/ab/08fd63b9a74303947f34f0bd7c5903b9c5532c2d287bead5bdf4c556c486/numpy-2.3.5-cp313-cp313t-win_arm64.whl", hash = "sha256:a80afd79f45f3c4a7d341f13acbe058d1ca8ac017c165d3fa0d3de6bc1a079d7", size = 10262507, upload-time = "2025-11-16T22:51:16.846Z" }, + { url = "https://files.pythonhosted.org/packages/ba/97/1a914559c19e32d6b2e233cf9a6a114e67c856d35b1d6babca571a3e880f/numpy-2.3.5-cp314-cp314-macosx_10_15_x86_64.whl", hash = "sha256:bf06bc2af43fa8d32d30fae16ad965663e966b1a3202ed407b84c989c3221e82", size = 16735706, upload-time = "2025-11-16T22:51:19.558Z" }, + { url = "https://files.pythonhosted.org/packages/57/d4/51233b1c1b13ecd796311216ae417796b88b0616cfd8a33ae4536330748a/numpy-2.3.5-cp314-cp314-macosx_11_0_arm64.whl", hash = "sha256:052e8c42e0c49d2575621c158934920524f6c5da05a1d3b9bab5d8e259e045f0", size = 12264507, upload-time = "2025-11-16T22:51:22.492Z" }, + { url = "https://files.pythonhosted.org/packages/45/98/2fe46c5c2675b8306d0b4a3ec3494273e93e1226a490f766e84298576956/numpy-2.3.5-cp314-cp314-macosx_14_0_arm64.whl", hash = "sha256:1ed1ec893cff7040a02c8aa1c8611b94d395590d553f6b53629a4461dc7f7b63", size = 5093049, upload-time = "2025-11-16T22:51:25.171Z" }, + { url = "https://files.pythonhosted.org/packages/ce/0e/0698378989bb0ac5f1660c81c78ab1fe5476c1a521ca9ee9d0710ce54099/numpy-2.3.5-cp314-cp314-macosx_14_0_x86_64.whl", hash = "sha256:2dcd0808a421a482a080f89859a18beb0b3d1e905b81e617a188bd80422d62e9", size = 6626603, upload-time = "2025-11-16T22:51:27Z" }, + { url = "https://files.pythonhosted.org/packages/5e/a6/9ca0eecc489640615642a6cbc0ca9e10df70df38c4d43f5a928ff18d8827/numpy-2.3.5-cp314-cp314-manylinux_2_27_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:727fd05b57df37dc0bcf1a27767a3d9a78cbbc92822445f32cc3436ba797337b", size = 14262696, upload-time = "2025-11-16T22:51:29.402Z" }, + { url = "https://files.pythonhosted.org/packages/c8/f6/07ec185b90ec9d7217a00eeeed7383b73d7e709dae2a9a021b051542a708/numpy-2.3.5-cp314-cp314-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:fffe29a1ef00883599d1dc2c51aa2e5d80afe49523c261a74933df395c15c520", size = 16597350, upload-time = "2025-11-16T22:51:32.167Z" }, + { url = "https://files.pythonhosted.org/packages/75/37/164071d1dde6a1a84c9b8e5b414fa127981bad47adf3a6b7e23917e52190/numpy-2.3.5-cp314-cp314-musllinux_1_2_aarch64.whl", hash = "sha256:8f7f0e05112916223d3f438f293abf0727e1181b5983f413dfa2fefc4098245c", size = 16040190, upload-time = "2025-11-16T22:51:35.403Z" }, + { url = "https://files.pythonhosted.org/packages/08/3c/f18b82a406b04859eb026d204e4e1773eb41c5be58410f41ffa511d114ae/numpy-2.3.5-cp314-cp314-musllinux_1_2_x86_64.whl", hash = "sha256:2e2eb32ddb9ccb817d620ac1d8dae7c3f641c1e5f55f531a33e8ab97960a75b8", size = 18536749, upload-time = "2025-11-16T22:51:39.698Z" }, + { url = "https://files.pythonhosted.org/packages/40/79/f82f572bf44cf0023a2fe8588768e23e1592585020d638999f15158609e1/numpy-2.3.5-cp314-cp314-win32.whl", hash = "sha256:66f85ce62c70b843bab1fb14a05d5737741e74e28c7b8b5a064de10142fad248", size = 6335432, upload-time = "2025-11-16T22:51:42.476Z" }, + { url = "https://files.pythonhosted.org/packages/a3/2e/235b4d96619931192c91660805e5e49242389742a7a82c27665021db690c/numpy-2.3.5-cp314-cp314-win_amd64.whl", hash = "sha256:e6a0bc88393d65807d751a614207b7129a310ca4fe76a74e5c7da5fa5671417e", size = 12919388, upload-time = "2025-11-16T22:51:45.275Z" }, + { url = "https://files.pythonhosted.org/packages/07/2b/29fd75ce45d22a39c61aad74f3d718e7ab67ccf839ca8b60866054eb15f8/numpy-2.3.5-cp314-cp314-win_arm64.whl", hash = "sha256:aeffcab3d4b43712bb7a60b65f6044d444e75e563ff6180af8f98dd4b905dfd2", size = 10476651, upload-time = "2025-11-16T22:51:47.749Z" }, + { url = "https://files.pythonhosted.org/packages/17/e1/f6a721234ebd4d87084cfa68d081bcba2f5cfe1974f7de4e0e8b9b2a2ba1/numpy-2.3.5-cp314-cp314t-macosx_10_15_x86_64.whl", hash = "sha256:17531366a2e3a9e30762c000f2c43a9aaa05728712e25c11ce1dbe700c53ad41", size = 16834503, upload-time = "2025-11-16T22:51:50.443Z" }, + { url = "https://files.pythonhosted.org/packages/5c/1c/baf7ffdc3af9c356e1c135e57ab7cf8d247931b9554f55c467efe2c69eff/numpy-2.3.5-cp314-cp314t-macosx_11_0_arm64.whl", hash = "sha256:d21644de1b609825ede2f48be98dfde4656aefc713654eeee280e37cadc4e0ad", size = 12381612, upload-time = "2025-11-16T22:51:53.609Z" }, + { url = "https://files.pythonhosted.org/packages/74/91/f7f0295151407ddc9ba34e699013c32c3c91944f9b35fcf9281163dc1468/numpy-2.3.5-cp314-cp314t-macosx_14_0_arm64.whl", hash = "sha256:c804e3a5aba5460c73955c955bdbd5c08c354954e9270a2c1565f62e866bdc39", size = 5210042, upload-time = "2025-11-16T22:51:56.213Z" }, + { url = "https://files.pythonhosted.org/packages/2e/3b/78aebf345104ec50dd50a4d06ddeb46a9ff5261c33bcc58b1c4f12f85ec2/numpy-2.3.5-cp314-cp314t-macosx_14_0_x86_64.whl", hash = "sha256:cc0a57f895b96ec78969c34f682c602bf8da1a0270b09bc65673df2e7638ec20", size = 6724502, upload-time = "2025-11-16T22:51:58.584Z" }, + { url = "https://files.pythonhosted.org/packages/02/c6/7c34b528740512e57ef1b7c8337ab0b4f0bddf34c723b8996c675bc2bc91/numpy-2.3.5-cp314-cp314t-manylinux_2_27_aarch64.manylinux_2_28_aarch64.whl", hash = "sha256:900218e456384ea676e24ea6a0417f030a3b07306d29d7ad843957b40a9d8d52", size = 14308962, upload-time = "2025-11-16T22:52:01.698Z" }, + { url = "https://files.pythonhosted.org/packages/80/35/09d433c5262bc32d725bafc619e095b6a6651caf94027a03da624146f655/numpy-2.3.5-cp314-cp314t-manylinux_2_27_x86_64.manylinux_2_28_x86_64.whl", hash = "sha256:09a1bea522b25109bf8e6f3027bd810f7c1085c64a0c7ce050c1676ad0ba010b", size = 16655054, upload-time = "2025-11-16T22:52:04.267Z" }, + { url = "https://files.pythonhosted.org/packages/7a/ab/6a7b259703c09a88804fa2430b43d6457b692378f6b74b356155283566ac/numpy-2.3.5-cp314-cp314t-musllinux_1_2_aarch64.whl", hash = "sha256:04822c00b5fd0323c8166d66c701dc31b7fbd252c100acd708c48f763968d6a3", size = 16091613, upload-time = "2025-11-16T22:52:08.651Z" }, + { url = "https://files.pythonhosted.org/packages/c2/88/330da2071e8771e60d1038166ff9d73f29da37b01ec3eb43cb1427464e10/numpy-2.3.5-cp314-cp314t-musllinux_1_2_x86_64.whl", hash = "sha256:d6889ec4ec662a1a37eb4b4fb26b6100841804dac55bd9df579e326cdc146227", size = 18591147, upload-time = "2025-11-16T22:52:11.453Z" }, + { url = "https://files.pythonhosted.org/packages/51/41/851c4b4082402d9ea860c3626db5d5df47164a712cb23b54be028b184c1c/numpy-2.3.5-cp314-cp314t-win32.whl", hash = "sha256:93eebbcf1aafdf7e2ddd44c2923e2672e1010bddc014138b229e49725b4d6be5", size = 6479806, upload-time = "2025-11-16T22:52:14.641Z" }, + { url = "https://files.pythonhosted.org/packages/90/30/d48bde1dfd93332fa557cff1972fbc039e055a52021fbef4c2c4b1eefd17/numpy-2.3.5-cp314-cp314t-win_amd64.whl", hash = "sha256:c8a9958e88b65c3b27e22ca2a076311636850b612d6bbfb76e8d156aacde2aaf", size = 13105760, upload-time = "2025-11-16T22:52:17.975Z" }, + { url = "https://files.pythonhosted.org/packages/2d/fd/4b5eb0b3e888d86aee4d198c23acec7d214baaf17ea93c1adec94c9518b9/numpy-2.3.5-cp314-cp314t-win_arm64.whl", hash = "sha256:6203fdf9f3dc5bdaed7319ad8698e685c7a3be10819f41d32a0723e611733b42", size = 10545459, upload-time = "2025-11-16T22:52:20.55Z" }, +] + +[[package]] +name = "nvidia-nccl-cu12" +version = "2.25.1" +source = { registry = "https://pypi.org/simple" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/4b/28/f62adab24f2d4b2165b22145af56a7598ab535feb6ccd172f76b9106ebaa/nvidia_nccl_cu12-2.25.1-py3-none-manylinux2014_aarch64.manylinux_2_17_aarch64.whl", hash = "sha256:4ab428bc915785cc66e8c57cb34c7a64cf739c46702b8db748b6ad6cc7180cf8", size = 201581984, upload-time = "2025-01-24T01:21:47.792Z" }, + { url = "https://files.pythonhosted.org/packages/11/0c/8c78b7603f4e685624a3ea944940f1e75f36d71bd6504330511f4a0e1557/nvidia_nccl_cu12-2.25.1-py3-none-manylinux2014_x86_64.manylinux_2_17_x86_64.whl", hash = "sha256:362aed5963fb9ea2ed2f264409baae30143498fd0e5c503aeaa1badd88cdc54a", size = 201352353, upload-time = "2025-01-24T01:21:27.263Z" }, +] + +[[package]] +name = "opencv-python" +version = "4.11.0.86" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "numpy" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/17/06/68c27a523103dad5837dc5b87e71285280c4f098c60e4fe8a8db6486ab09/opencv-python-4.11.0.86.tar.gz", hash = "sha256:03d60ccae62304860d232272e4a4fda93c39d595780cb40b161b310244b736a4", size = 95171956, upload-time = "2025-01-16T13:52:24.737Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/05/4d/53b30a2a3ac1f75f65a59eb29cf2ee7207ce64867db47036ad61743d5a23/opencv_python-4.11.0.86-cp37-abi3-macosx_13_0_arm64.whl", hash = "sha256:432f67c223f1dc2824f5e73cdfcd9db0efc8710647d4e813012195dc9122a52a", size = 37326322, upload-time = "2025-01-16T13:52:25.887Z" }, + { url = "https://files.pythonhosted.org/packages/3b/84/0a67490741867eacdfa37bc18df96e08a9d579583b419010d7f3da8ff503/opencv_python-4.11.0.86-cp37-abi3-macosx_13_0_x86_64.whl", hash = "sha256:9d05ef13d23fe97f575153558653e2d6e87103995d54e6a35db3f282fe1f9c66", size = 56723197, upload-time = "2025-01-16T13:55:21.222Z" }, + { url = "https://files.pythonhosted.org/packages/f3/bd/29c126788da65c1fb2b5fb621b7fed0ed5f9122aa22a0868c5e2c15c6d23/opencv_python-4.11.0.86-cp37-abi3-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:1b92ae2c8852208817e6776ba1ea0d6b1e0a1b5431e971a2a0ddd2a8cc398202", size = 42230439, upload-time = "2025-01-16T13:51:35.822Z" }, + { url = "https://files.pythonhosted.org/packages/2c/8b/90eb44a40476fa0e71e05a0283947cfd74a5d36121a11d926ad6f3193cc4/opencv_python-4.11.0.86-cp37-abi3-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:6b02611523803495003bd87362db3e1d2a0454a6a63025dc6658a9830570aa0d", size = 62986597, upload-time = "2025-01-16T13:52:08.836Z" }, + { url = "https://files.pythonhosted.org/packages/fb/d7/1d5941a9dde095468b288d989ff6539dd69cd429dbf1b9e839013d21b6f0/opencv_python-4.11.0.86-cp37-abi3-win32.whl", hash = "sha256:810549cb2a4aedaa84ad9a1c92fbfdfc14090e2749cedf2c1589ad8359aa169b", size = 29384337, upload-time = "2025-01-16T13:52:13.549Z" }, + { url = "https://files.pythonhosted.org/packages/a4/7d/f1c30a92854540bf789e9cd5dde7ef49bbe63f855b85a2e6b3db8135c591/opencv_python-4.11.0.86-cp37-abi3-win_amd64.whl", hash = "sha256:085ad9b77c18853ea66283e98affefe2de8cc4c1f43eda4c100cf9b2721142ec", size = 39488044, upload-time = "2025-01-16T13:52:21.928Z" }, +] + +[[package]] +name = "opt-einsum" +version = "3.4.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/8c/b9/2ac072041e899a52f20cf9510850ff58295003aa75525e58343591b0cbfb/opt_einsum-3.4.0.tar.gz", hash = "sha256:96ca72f1b886d148241348783498194c577fa30a8faac108586b14f1ba4473ac", size = 63004, upload-time = "2024-09-26T14:33:24.483Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/23/cd/066e86230ae37ed0be70aae89aabf03ca8d9f39c8aea0dec8029455b5540/opt_einsum-3.4.0-py3-none-any.whl", hash = "sha256:69bb92469f86a1565195ece4ac0323943e83477171b91d24c35afe028a90d7cd", size = 71932, upload-time = "2024-09-26T14:33:23.039Z" }, +] + +[[package]] +name = "optree" +version = "0.14.1" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "typing-extensions" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/c7/67/fdacb738f92e46db53cd501ccf6bc8699a243d5e8398bb7f5ae8f5cbb726/optree-0.14.1.tar.gz", hash = "sha256:c011c6124d6dcbfceade2d7c4f836eab66ed8cf9ab12f94535b41a71dd734637", size = 163095, upload-time = "2025-03-01T22:46:10.388Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/da/9d/1f7f1ba818e1e8ceefae17178f127e080d7276c22c1283255dd2afb17ff1/optree-0.14.1-cp313-cp313-macosx_10_13_universal2.whl", hash = "sha256:6a1536ce5f092d5f65fe73749cc8c782dfdee5b0722c80b20791a9edf2924e3e", size = 640283, upload-time = "2025-03-01T22:44:52.721Z" }, + { url = "https://files.pythonhosted.org/packages/ec/de/868f3f9d0d18ab7a12bc45acb1da6ee5f5c716d9cee0026e6a9d82a476a7/optree-0.14.1-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:4705dfe590cdfd7e4385c6820bea94e88fee82d8c298d393a50a12eb2a982144", size = 343131, upload-time = "2025-03-01T22:44:54.585Z" }, + { url = "https://files.pythonhosted.org/packages/e6/28/1528c8858fe2731d70c442c92b9a02d0be3e54222e3fb75860fecdd167ab/optree-0.14.1-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:8cf7b6d701382b0f5712dd338bbdda512a31af9b793563c422b094b987e794ae", size = 370356, upload-time = "2025-03-01T22:44:55.889Z" }, + { url = "https://files.pythonhosted.org/packages/94/04/5698666255b536d4d7854c6a66566e2ef68598bdd5784743d1e42bd81c1f/optree-0.14.1-cp313-cp313-manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:75bcacae9dc389e0fef192178fc00f8082508148858971e687e5ff6b68f8f5d4", size = 420555, upload-time = "2025-03-01T22:44:57.102Z" }, + { url = "https://files.pythonhosted.org/packages/18/58/226e1603bb819481302bcb982359ffe5d740cb05b1af8b75a2cf71831526/optree-0.14.1-cp313-cp313-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:4206a5f4cf797c90b9794fb99d7f9f2b71d02c5adb35bcfd8166424df83a6ac8", size = 416193, upload-time = "2025-03-01T22:44:58.992Z" }, + { url = "https://files.pythonhosted.org/packages/c0/11/e4305a61364b4f3ef67f96fd9ffe09fe5a6ed805e564b7d8470e1b39118f/optree-0.14.1-cp313-cp313-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:8f43551c220f8311bf08e62bd51b3691e09b2f199b90ceaccd88925b6a4494af", size = 386574, upload-time = "2025-03-01T22:45:00.779Z" }, + { url = "https://files.pythonhosted.org/packages/68/5e/2391b7c36dc5d88391057272f281c0b0ff1ca936ce2510be5d739db62a83/optree-0.14.1-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:262873dde1e2726759814986de043a9850684c7cff3e8cb267c37ff5519e8f6e", size = 407321, upload-time = "2025-03-01T22:45:02.107Z" }, + { url = "https://files.pythonhosted.org/packages/b3/4e/966bf784fb1a9e9927d8a9116edb2f613fe4b8f7739210d49ea31230e0df/optree-0.14.1-cp313-cp313-win32.whl", hash = "sha256:5623a1d0cd38e0a3cd37a35f5c049b6c3d9f7f45284cf596a0f770f89d3a888e", size = 277307, upload-time = "2025-03-01T22:45:03.353Z" }, + { url = "https://files.pythonhosted.org/packages/90/43/93aa65f56b857b8364e76d76eb188a4a6912ed305374b90f9ba30dcf0de9/optree-0.14.1-cp313-cp313-win_amd64.whl", hash = "sha256:25ea23fc6d6c0fa7dcf85afcfe10b43ed4fdf0e9d958a3677cd27fcdf0ca17d6", size = 308413, upload-time = "2025-03-01T22:45:05.158Z" }, + { url = "https://files.pythonhosted.org/packages/60/ce/89c5ede1569f506b9cd74733e292a1fb90f91dbeac02b82d2a440dd2d470/optree-0.14.1-cp313-cp313-win_arm64.whl", hash = "sha256:bfb9f6a6731fba84ed9c4c4498092b25e1c4f1831e097e35a03d8ef28fd47c1f", size = 302631, upload-time = "2025-03-01T22:45:07.026Z" }, + { url = "https://files.pythonhosted.org/packages/f8/44/395d6202cc1b3ae9456b06774bdb294cfccbc0d9ffb20512201b84a19096/optree-0.14.1-cp313-cp313t-macosx_10_13_universal2.whl", hash = "sha256:33d50c2c10eab1e6b05e3774299dcb3b7322956374eef8c008ae6415239d8c4c", size = 736351, upload-time = "2025-03-01T22:45:08.916Z" }, + { url = "https://files.pythonhosted.org/packages/3d/5c/d3b00d591ec74aba51127edaa766a3bae906ffdfe7c12741c311528f277d/optree-0.14.1-cp313-cp313t-macosx_11_0_arm64.whl", hash = "sha256:bd5dacc30b66b25ec46252ff5a32036f62d95c6ee22b30eb52b4e65c3d7d0e73", size = 387599, upload-time = "2025-03-01T22:45:10.574Z" }, + { url = "https://files.pythonhosted.org/packages/b0/99/157c631eae1b39b9d530afdf56db9e3babf2312da23b848068241d264478/optree-0.14.1-cp313-cp313t-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:b953f7106acb8e50864e8e7ab2053553bfd97ec3fa8bd4f60cb913b9425111e4", size = 388231, upload-time = "2025-03-01T22:45:11.757Z" }, + { url = "https://files.pythonhosted.org/packages/d7/8f/32d0116048eaa140f212b9b95f3a3b60b3e62683ff59190323e6bf3f0dc1/optree-0.14.1-cp313-cp313t-manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:bddda1a943b9d8b5295d995f01f0c934dffe9e1b9432b7af557988adc27048c3", size = 434611, upload-time = "2025-03-01T22:45:15.183Z" }, + { url = "https://files.pythonhosted.org/packages/40/74/77014b203220d7402c1148e102c2d3ff038af923362f3f708142998a5f96/optree-0.14.1-cp313-cp313t-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:485039725a3773df20b5fca117a71a76af1ebaf3a8773d340a0b5ee9b89b4947", size = 432761, upload-time = "2025-03-01T22:45:16.507Z" }, + { url = "https://files.pythonhosted.org/packages/17/0f/7037a744731207cae9077a8d75f1533c924751f7945b1df6531f96a88c49/optree-0.14.1-cp313-cp313t-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:cd06f1144526c997062e1bf2e2a61d6463a2902c3f419e28549b1e0f41a9a009", size = 401171, upload-time = "2025-03-01T22:45:17.85Z" }, + { url = "https://files.pythonhosted.org/packages/ad/29/1f6a22690a5c16a3308be7dcf7f44fa6a15e7015c100cd3321688608e510/optree-0.14.1-cp313-cp313t-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:fd96c93a97baca498bd07b5fb3d4b5f25e7a31934418162bff1813d85e79ec3b", size = 422433, upload-time = "2025-03-01T22:45:20.08Z" }, + { url = "https://files.pythonhosted.org/packages/61/da/2d31d9f8da0c8a9a74a9f66beae3f5df4cdbd3d927617fbd443909bee5d5/optree-0.14.1-cp313-cp313t-win32.whl", hash = "sha256:735ac409b5074e6a5c264d3d710d7e181f6e862655983a3c56d34dce78d32c1f", size = 308265, upload-time = "2025-03-01T22:45:21.346Z" }, + { url = "https://files.pythonhosted.org/packages/0c/95/419c37ab6b27afc0a8abffcf3b5f82ef6471ac9a67092b1af2e9001b9350/optree-0.14.1-cp313-cp313t-win_amd64.whl", hash = "sha256:d4af3fef9ddd0cf0bcda4b8e19a69f5ce05ce4bda281d7a673fe800d63e4774b", size = 343890, upload-time = "2025-03-01T22:45:22.696Z" }, + { url = "https://files.pythonhosted.org/packages/15/b8/e66636db8c039bf6d5a65ac9e55a3db71cdb6898c82929572ecfeb01b49e/optree-0.14.1-cp313-cp313t-win_arm64.whl", hash = "sha256:431863e7dd182137f8d1531d5f603dab3a56bc444bf32c6a8b9dac9216162818", size = 336525, upload-time = "2025-03-01T22:45:24.032Z" }, +] + +[[package]] +name = "packaging" +version = "24.2" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/d0/63/68dbb6eb2de9cb10ee4c9c14a0148804425e13c4fb20d61cce69f53106da/packaging-24.2.tar.gz", hash = "sha256:c228a6dc5e932d346bc5739379109d49e8853dd8223571c7c5b55260edc0b97f", size = 163950, upload-time = "2024-11-08T09:47:47.202Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/88/ef/eb23f262cca3c0c4eb7ab1933c3b1f03d021f2c48f54763065b6f0e321be/packaging-24.2-py3-none-any.whl", hash = "sha256:09abb1bccd265c01f4a3aa3f7a7db064b36514d2cba19a2f694fe6150451a759", size = 65451, upload-time = "2024-11-08T09:47:44.722Z" }, +] + +[[package]] +name = "pandas" +version = "2.2.3" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "numpy" }, + { name = "python-dateutil" }, + { name = "pytz" }, + { name = "tzdata" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/9c/d6/9f8431bacc2e19dca897724cd097b1bb224a6ad5433784a44b587c7c13af/pandas-2.2.3.tar.gz", hash = "sha256:4f18ba62b61d7e192368b84517265a99b4d7ee8912f8708660fb4a366cc82667", size = 4399213, upload-time = "2024-09-20T13:10:04.827Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/64/22/3b8f4e0ed70644e85cfdcd57454686b9057c6c38d2f74fe4b8bc2527214a/pandas-2.2.3-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:f00d1345d84d8c86a63e476bb4955e46458b304b9575dcf71102b5c705320015", size = 12477643, upload-time = "2024-09-20T13:09:25.522Z" }, + { url = "https://files.pythonhosted.org/packages/e4/93/b3f5d1838500e22c8d793625da672f3eec046b1a99257666c94446969282/pandas-2.2.3-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:3508d914817e153ad359d7e069d752cdd736a247c322d932eb89e6bc84217f28", size = 11281573, upload-time = "2024-09-20T13:09:28.012Z" }, + { url = "https://files.pythonhosted.org/packages/f5/94/6c79b07f0e5aab1dcfa35a75f4817f5c4f677931d4234afcd75f0e6a66ca/pandas-2.2.3-cp313-cp313-manylinux2014_aarch64.manylinux_2_17_aarch64.whl", hash = "sha256:22a9d949bfc9a502d320aa04e5d02feab689d61da4e7764b62c30b991c42c5f0", size = 15196085, upload-time = "2024-09-20T19:02:10.451Z" }, + { url = "https://files.pythonhosted.org/packages/e8/31/aa8da88ca0eadbabd0a639788a6da13bb2ff6edbbb9f29aa786450a30a91/pandas-2.2.3-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:f3a255b2c19987fbbe62a9dfd6cff7ff2aa9ccab3fc75218fd4b7530f01efa24", size = 12711809, upload-time = "2024-09-20T13:09:30.814Z" }, + { url = "https://files.pythonhosted.org/packages/ee/7c/c6dbdb0cb2a4344cacfb8de1c5808ca885b2e4dcfde8008266608f9372af/pandas-2.2.3-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:800250ecdadb6d9c78eae4990da62743b857b470883fa27f652db8bdde7f6659", size = 16356316, upload-time = "2024-09-20T19:02:13.825Z" }, + { url = "https://files.pythonhosted.org/packages/57/b7/8b757e7d92023b832869fa8881a992696a0bfe2e26f72c9ae9f255988d42/pandas-2.2.3-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:6374c452ff3ec675a8f46fd9ab25c4ad0ba590b71cf0656f8b6daa5202bca3fb", size = 14022055, upload-time = "2024-09-20T13:09:33.462Z" }, + { url = "https://files.pythonhosted.org/packages/3b/bc/4b18e2b8c002572c5a441a64826252ce5da2aa738855747247a971988043/pandas-2.2.3-cp313-cp313-win_amd64.whl", hash = "sha256:61c5ad4043f791b61dd4752191d9f07f0ae412515d59ba8f005832a532f8736d", size = 11481175, upload-time = "2024-09-20T13:09:35.871Z" }, + { url = "https://files.pythonhosted.org/packages/76/a3/a5d88146815e972d40d19247b2c162e88213ef51c7c25993942c39dbf41d/pandas-2.2.3-cp313-cp313t-macosx_10_13_x86_64.whl", hash = "sha256:3b71f27954685ee685317063bf13c7709a7ba74fc996b84fc6821c59b0f06468", size = 12615650, upload-time = "2024-09-20T13:09:38.685Z" }, + { url = "https://files.pythonhosted.org/packages/9c/8c/f0fd18f6140ddafc0c24122c8a964e48294acc579d47def376fef12bcb4a/pandas-2.2.3-cp313-cp313t-macosx_11_0_arm64.whl", hash = "sha256:38cf8125c40dae9d5acc10fa66af8ea6fdf760b2714ee482ca691fc66e6fcb18", size = 11290177, upload-time = "2024-09-20T13:09:41.141Z" }, + { url = "https://files.pythonhosted.org/packages/ed/f9/e995754eab9c0f14c6777401f7eece0943840b7a9fc932221c19d1abee9f/pandas-2.2.3-cp313-cp313t-manylinux2014_aarch64.manylinux_2_17_aarch64.whl", hash = "sha256:ba96630bc17c875161df3818780af30e43be9b166ce51c9a18c1feae342906c2", size = 14651526, upload-time = "2024-09-20T19:02:16.905Z" }, + { url = "https://files.pythonhosted.org/packages/25/b0/98d6ae2e1abac4f35230aa756005e8654649d305df9a28b16b9ae4353bff/pandas-2.2.3-cp313-cp313t-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:1db71525a1538b30142094edb9adc10be3f3e176748cd7acc2240c2f2e5aa3a4", size = 11871013, upload-time = "2024-09-20T13:09:44.39Z" }, + { url = "https://files.pythonhosted.org/packages/cc/57/0f72a10f9db6a4628744c8e8f0df4e6e21de01212c7c981d31e50ffc8328/pandas-2.2.3-cp313-cp313t-musllinux_1_2_aarch64.whl", hash = "sha256:15c0e1e02e93116177d29ff83e8b1619c93ddc9c49083f237d4312337a61165d", size = 15711620, upload-time = "2024-09-20T19:02:20.639Z" }, + { url = "https://files.pythonhosted.org/packages/ab/5f/b38085618b950b79d2d9164a711c52b10aefc0ae6833b96f626b7021b2ed/pandas-2.2.3-cp313-cp313t-musllinux_1_2_x86_64.whl", hash = "sha256:ad5b65698ab28ed8d7f18790a0dc58005c7629f227be9ecc1072aa74c0c1d43a", size = 13098436, upload-time = "2024-09-20T13:09:48.112Z" }, +] + +[[package]] +name = "patsy" +version = "1.0.1" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "numpy" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/d1/81/74f6a65b848ffd16c18f920620ce999fe45fe27f01ab3911260ce4ed85e4/patsy-1.0.1.tar.gz", hash = "sha256:e786a9391eec818c054e359b737bbce692f051aee4c661f4141cc88fb459c0c4", size = 396010, upload-time = "2024-11-12T14:10:54.642Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/87/2b/b50d3d08ea0fc419c183a84210571eba005328efa62b6b98bc28e9ead32a/patsy-1.0.1-py2.py3-none-any.whl", hash = "sha256:751fb38f9e97e62312e921a1954b81e1bb2bcda4f5eeabaf94db251ee791509c", size = 232923, upload-time = "2024-11-12T14:10:52.85Z" }, +] + +[[package]] +name = "pbr" +version = "6.1.1" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "setuptools" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/01/d2/510cc0d218e753ba62a1bc1434651db3cd797a9716a0a66cc714cb4f0935/pbr-6.1.1.tar.gz", hash = "sha256:93ea72ce6989eb2eed99d0f75721474f69ad88128afdef5ac377eb797c4bf76b", size = 125702, upload-time = "2025-02-04T14:28:06.514Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/47/ac/684d71315abc7b1214d59304e23a982472967f6bf4bde5a98f1503f648dc/pbr-6.1.1-py2.py3-none-any.whl", hash = "sha256:38d4daea5d9fa63b3f626131b9d34947fd0c8be9b05a29276870580050a25a76", size = 108997, upload-time = "2025-02-04T14:28:03.168Z" }, +] + +[[package]] +name = "pillow" +version = "11.1.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/f3/af/c097e544e7bd278333db77933e535098c259609c4eb3b85381109602fb5b/pillow-11.1.0.tar.gz", hash = "sha256:368da70808b36d73b4b390a8ffac11069f8a5c85f29eff1f1b01bcf3ef5b2a20", size = 46742715, upload-time = "2025-01-02T08:13:58.407Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/b3/31/9ca79cafdce364fd5c980cd3416c20ce1bebd235b470d262f9d24d810184/pillow-11.1.0-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:ae98e14432d458fc3de11a77ccb3ae65ddce70f730e7c76140653048c71bfcbc", size = 3226640, upload-time = "2025-01-02T08:11:58.329Z" }, + { url = "https://files.pythonhosted.org/packages/ac/0f/ff07ad45a1f172a497aa393b13a9d81a32e1477ef0e869d030e3c1532521/pillow-11.1.0-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:cc1331b6d5a6e144aeb5e626f4375f5b7ae9934ba620c0ac6b3e43d5e683a0f0", size = 3101437, upload-time = "2025-01-02T08:12:01.797Z" }, + { url = "https://files.pythonhosted.org/packages/08/2f/9906fca87a68d29ec4530be1f893149e0cb64a86d1f9f70a7cfcdfe8ae44/pillow-11.1.0-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:758e9d4ef15d3560214cddbc97b8ef3ef86ce04d62ddac17ad39ba87e89bd3b1", size = 4326605, upload-time = "2025-01-02T08:12:05.224Z" }, + { url = "https://files.pythonhosted.org/packages/b0/0f/f3547ee15b145bc5c8b336401b2d4c9d9da67da9dcb572d7c0d4103d2c69/pillow-11.1.0-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:b523466b1a31d0dcef7c5be1f20b942919b62fd6e9a9be199d035509cbefc0ec", size = 4411173, upload-time = "2025-01-02T08:12:08.281Z" }, + { url = "https://files.pythonhosted.org/packages/b1/df/bf8176aa5db515c5de584c5e00df9bab0713548fd780c82a86cba2c2fedb/pillow-11.1.0-cp313-cp313-manylinux_2_28_aarch64.whl", hash = "sha256:9044b5e4f7083f209c4e35aa5dd54b1dd5b112b108648f5c902ad586d4f945c5", size = 4369145, upload-time = "2025-01-02T08:12:11.411Z" }, + { url = "https://files.pythonhosted.org/packages/de/7c/7433122d1cfadc740f577cb55526fdc39129a648ac65ce64db2eb7209277/pillow-11.1.0-cp313-cp313-manylinux_2_28_x86_64.whl", hash = "sha256:3764d53e09cdedd91bee65c2527815d315c6b90d7b8b79759cc48d7bf5d4f114", size = 4496340, upload-time = "2025-01-02T08:12:15.29Z" }, + { url = "https://files.pythonhosted.org/packages/25/46/dd94b93ca6bd555588835f2504bd90c00d5438fe131cf01cfa0c5131a19d/pillow-11.1.0-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:31eba6bbdd27dde97b0174ddf0297d7a9c3a507a8a1480e1e60ef914fe23d352", size = 4296906, upload-time = "2025-01-02T08:12:17.485Z" }, + { url = "https://files.pythonhosted.org/packages/a8/28/2f9d32014dfc7753e586db9add35b8a41b7a3b46540e965cb6d6bc607bd2/pillow-11.1.0-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:b5d658fbd9f0d6eea113aea286b21d3cd4d3fd978157cbf2447a6035916506d3", size = 4431759, upload-time = "2025-01-02T08:12:20.382Z" }, + { url = "https://files.pythonhosted.org/packages/33/48/19c2cbe7403870fbe8b7737d19eb013f46299cdfe4501573367f6396c775/pillow-11.1.0-cp313-cp313-win32.whl", hash = "sha256:f86d3a7a9af5d826744fabf4afd15b9dfef44fe69a98541f666f66fbb8d3fef9", size = 2291657, upload-time = "2025-01-02T08:12:23.922Z" }, + { url = "https://files.pythonhosted.org/packages/3b/ad/285c556747d34c399f332ba7c1a595ba245796ef3e22eae190f5364bb62b/pillow-11.1.0-cp313-cp313-win_amd64.whl", hash = "sha256:593c5fd6be85da83656b93ffcccc2312d2d149d251e98588b14fbc288fd8909c", size = 2626304, upload-time = "2025-01-02T08:12:28.069Z" }, + { url = "https://files.pythonhosted.org/packages/e5/7b/ef35a71163bf36db06e9c8729608f78dedf032fc8313d19bd4be5c2588f3/pillow-11.1.0-cp313-cp313-win_arm64.whl", hash = "sha256:11633d58b6ee5733bde153a8dafd25e505ea3d32e261accd388827ee987baf65", size = 2375117, upload-time = "2025-01-02T08:12:30.064Z" }, + { url = "https://files.pythonhosted.org/packages/79/30/77f54228401e84d6791354888549b45824ab0ffde659bafa67956303a09f/pillow-11.1.0-cp313-cp313t-macosx_10_13_x86_64.whl", hash = "sha256:70ca5ef3b3b1c4a0812b5c63c57c23b63e53bc38e758b37a951e5bc466449861", size = 3230060, upload-time = "2025-01-02T08:12:32.362Z" }, + { url = "https://files.pythonhosted.org/packages/ce/b1/56723b74b07dd64c1010fee011951ea9c35a43d8020acd03111f14298225/pillow-11.1.0-cp313-cp313t-macosx_11_0_arm64.whl", hash = "sha256:8000376f139d4d38d6851eb149b321a52bb8893a88dae8ee7d95840431977081", size = 3106192, upload-time = "2025-01-02T08:12:34.361Z" }, + { url = "https://files.pythonhosted.org/packages/e1/cd/7bf7180e08f80a4dcc6b4c3a0aa9e0b0ae57168562726a05dc8aa8fa66b0/pillow-11.1.0-cp313-cp313t-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:9ee85f0696a17dd28fbcfceb59f9510aa71934b483d1f5601d1030c3c8304f3c", size = 4446805, upload-time = "2025-01-02T08:12:36.99Z" }, + { url = "https://files.pythonhosted.org/packages/97/42/87c856ea30c8ed97e8efbe672b58c8304dee0573f8c7cab62ae9e31db6ae/pillow-11.1.0-cp313-cp313t-manylinux_2_28_x86_64.whl", hash = "sha256:dd0e081319328928531df7a0e63621caf67652c8464303fd102141b785ef9547", size = 4530623, upload-time = "2025-01-02T08:12:41.912Z" }, + { url = "https://files.pythonhosted.org/packages/ff/41/026879e90c84a88e33fb00cc6bd915ac2743c67e87a18f80270dfe3c2041/pillow-11.1.0-cp313-cp313t-musllinux_1_2_x86_64.whl", hash = "sha256:e63e4e5081de46517099dc30abe418122f54531a6ae2ebc8680bcd7096860eab", size = 4465191, upload-time = "2025-01-02T08:12:45.186Z" }, + { url = "https://files.pythonhosted.org/packages/e5/fb/a7960e838bc5df57a2ce23183bfd2290d97c33028b96bde332a9057834d3/pillow-11.1.0-cp313-cp313t-win32.whl", hash = "sha256:dda60aa465b861324e65a78c9f5cf0f4bc713e4309f83bc387be158b077963d9", size = 2295494, upload-time = "2025-01-02T08:12:47.098Z" }, + { url = "https://files.pythonhosted.org/packages/d7/6c/6ec83ee2f6f0fda8d4cf89045c6be4b0373ebfc363ba8538f8c999f63fcd/pillow-11.1.0-cp313-cp313t-win_amd64.whl", hash = "sha256:ad5db5781c774ab9a9b2c4302bbf0c1014960a0a7be63278d13ae6fdf88126fe", size = 2631595, upload-time = "2025-01-02T08:12:50.47Z" }, + { url = "https://files.pythonhosted.org/packages/cf/6c/41c21c6c8af92b9fea313aa47c75de49e2f9a467964ee33eb0135d47eb64/pillow-11.1.0-cp313-cp313t-win_arm64.whl", hash = "sha256:67cd427c68926108778a9005f2a04adbd5e67c442ed21d95389fe1d595458756", size = 2377651, upload-time = "2025-01-02T08:12:53.356Z" }, +] + +[[package]] +name = "platformdirs" +version = "4.3.6" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/13/fc/128cc9cb8f03208bdbf93d3aa862e16d376844a14f9a0ce5cf4507372de4/platformdirs-4.3.6.tar.gz", hash = "sha256:357fb2acbc885b0419afd3ce3ed34564c13c9b95c89360cd9563f73aa5e2b907", size = 21302, upload-time = "2024-09-17T19:06:50.688Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/3c/a6/bc1012356d8ece4d66dd75c4b9fc6c1f6650ddd5991e421177d9f8f671be/platformdirs-4.3.6-py3-none-any.whl", hash = "sha256:73e575e1408ab8103900836b97580d5307456908a03e92031bab39e4554cc3fb", size = 18439, upload-time = "2024-09-17T19:06:49.212Z" }, +] + +[[package]] +name = "pluggy" +version = "1.6.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/f9/e2/3e91f31a7d2b083fe6ef3fa267035b518369d9511ffab804f839851d2779/pluggy-1.6.0.tar.gz", hash = "sha256:7dcc130b76258d33b90f61b658791dede3486c3e6bfb003ee5c9bfb396dd22f3", size = 69412, upload-time = "2025-05-15T12:30:07.975Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/54/20/4d324d65cc6d9205fabedc306948156824eb9f0ee1633355a8f7ec5c66bf/pluggy-1.6.0-py3-none-any.whl", hash = "sha256:e920276dd6813095e9377c0bc5566d94c932c33b27a3e3945d8389c374dd4746", size = 20538, upload-time = "2025-05-15T12:30:06.134Z" }, +] + +[[package]] +name = "pre-commit" +version = "4.1.0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "cfgv" }, + { name = "identify" }, + { name = "nodeenv" }, + { name = "pyyaml" }, + { name = "virtualenv" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/2a/13/b62d075317d8686071eb843f0bb1f195eb332f48869d3c31a4c6f1e063ac/pre_commit-4.1.0.tar.gz", hash = "sha256:ae3f018575a588e30dfddfab9a05448bfbd6b73d78709617b5a2b853549716d4", size = 193330, upload-time = "2025-01-20T18:31:48.681Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/43/b3/df14c580d82b9627d173ceea305ba898dca135feb360b6d84019d0803d3b/pre_commit-4.1.0-py2.py3-none-any.whl", hash = "sha256:d29e7cb346295bcc1cc75fc3e92e343495e3ea0196c9ec6ba53f49f10ab6ae7b", size = 220560, upload-time = "2025-01-20T18:31:47.319Z" }, +] + +[[package]] +name = "projectq" +version = "0.8.0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "matplotlib" }, + { name = "networkx" }, + { name = "numpy" }, + { name = "requests" }, + { name = "scipy" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/30/88/48c8347cadf6afb7f329e7c06d30880159e2a50b6e8a643c7667c26ffaf0/projectq-0.8.0.tar.gz", hash = "sha256:0bcd242afabe947ac4737dffab1de62628b84125ee6ccb3ec23bd4f1d082ec60", size = 433667, upload-time = "2022-10-18T16:03:17.779Z" } + +[[package]] +name = "protobuf" +version = "5.29.3" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/f7/d1/e0a911544ca9993e0f17ce6d3cc0932752356c1b0a834397f28e63479344/protobuf-5.29.3.tar.gz", hash = "sha256:5da0f41edaf117bde316404bad1a486cb4ededf8e4a54891296f648e8e076620", size = 424945, upload-time = "2025-01-08T21:38:51.572Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/dc/7a/1e38f3cafa022f477ca0f57a1f49962f21ad25850c3ca0acd3b9d0091518/protobuf-5.29.3-cp310-abi3-win32.whl", hash = "sha256:3ea51771449e1035f26069c4c7fd51fba990d07bc55ba80701c78f886bf9c888", size = 422708, upload-time = "2025-01-08T21:38:31.799Z" }, + { url = "https://files.pythonhosted.org/packages/61/fa/aae8e10512b83de633f2646506a6d835b151edf4b30d18d73afd01447253/protobuf-5.29.3-cp310-abi3-win_amd64.whl", hash = "sha256:a4fa6f80816a9a0678429e84973f2f98cbc218cca434abe8db2ad0bffc98503a", size = 434508, upload-time = "2025-01-08T21:38:35.489Z" }, + { url = "https://files.pythonhosted.org/packages/dd/04/3eaedc2ba17a088961d0e3bd396eac764450f431621b58a04ce898acd126/protobuf-5.29.3-cp38-abi3-macosx_10_9_universal2.whl", hash = "sha256:a8434404bbf139aa9e1300dbf989667a83d42ddda9153d8ab76e0d5dcaca484e", size = 417825, upload-time = "2025-01-08T21:38:36.642Z" }, + { url = "https://files.pythonhosted.org/packages/4f/06/7c467744d23c3979ce250397e26d8ad8eeb2bea7b18ca12ad58313c1b8d5/protobuf-5.29.3-cp38-abi3-manylinux2014_aarch64.whl", hash = "sha256:daaf63f70f25e8689c072cfad4334ca0ac1d1e05a92fc15c54eb9cf23c3efd84", size = 319573, upload-time = "2025-01-08T21:38:37.896Z" }, + { url = "https://files.pythonhosted.org/packages/a8/45/2ebbde52ad2be18d3675b6bee50e68cd73c9e0654de77d595540b5129df8/protobuf-5.29.3-cp38-abi3-manylinux2014_x86_64.whl", hash = "sha256:c027e08a08be10b67c06bf2370b99c811c466398c357e615ca88c91c07f0910f", size = 319672, upload-time = "2025-01-08T21:38:40.204Z" }, + { url = "https://files.pythonhosted.org/packages/fd/b2/ab07b09e0f6d143dfb839693aa05765257bceaa13d03bf1a696b78323e7a/protobuf-5.29.3-py3-none-any.whl", hash = "sha256:0a18ed4a24198528f2333802eb075e59dea9d679ab7a6c5efb017a59004d849f", size = 172550, upload-time = "2025-01-08T21:38:50.439Z" }, +] + +[[package]] +name = "pygments" +version = "2.19.1" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/7c/2d/c3338d48ea6cc0feb8446d8e6937e1408088a72a39937982cc6111d17f84/pygments-2.19.1.tar.gz", hash = "sha256:61c16d2a8576dc0649d9f39e089b5f02bcd27fba10d8fb4dcc28173f7a45151f", size = 4968581, upload-time = "2025-01-06T17:26:30.443Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/8a/0b/9fcc47d19c48b59121088dd6da2488a49d5f72dacf8262e2790a1d2c7d15/pygments-2.19.1-py3-none-any.whl", hash = "sha256:9ea1544ad55cecf4b8242fab6dd35a93bbce657034b0611ee383099054ab6d8c", size = 1225293, upload-time = "2025-01-06T17:26:25.553Z" }, +] + +[[package]] +name = "pyparsing" +version = "3.2.1" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/8b/1a/3544f4f299a47911c2ab3710f534e52fea62a633c96806995da5d25be4b2/pyparsing-3.2.1.tar.gz", hash = "sha256:61980854fd66de3a90028d679a954d5f2623e83144b5afe5ee86f43d762e5f0a", size = 1067694, upload-time = "2024-12-31T20:59:46.157Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/1c/a7/c8a2d361bf89c0d9577c934ebb7421b25dc84bf3a8e3ac0a40aed9acc547/pyparsing-3.2.1-py3-none-any.whl", hash = "sha256:506ff4f4386c4cec0590ec19e6302d3aedb992fdc02c761e90416f158dacf8e1", size = 107716, upload-time = "2024-12-31T20:59:42.738Z" }, +] + +[[package]] +name = "pytest" +version = "9.0.1" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "colorama", marker = "sys_platform == 'win32'" }, + { name = "iniconfig" }, + { name = "packaging" }, + { name = "pluggy" }, + { name = "pygments" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/07/56/f013048ac4bc4c1d9be45afd4ab209ea62822fb1598f40687e6bf45dcea4/pytest-9.0.1.tar.gz", hash = "sha256:3e9c069ea73583e255c3b21cf46b8d3c56f6e3a1a8f6da94ccb0fcf57b9d73c8", size = 1564125, upload-time = "2025-11-12T13:05:09.333Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/0b/8b/6300fb80f858cda1c51ffa17075df5d846757081d11ab4aa35cef9e6258b/pytest-9.0.1-py3-none-any.whl", hash = "sha256:67be0030d194df2dfa7b556f2e56fb3c3315bd5c8822c6951162b92b32ce7dad", size = 373668, upload-time = "2025-11-12T13:05:07.379Z" }, +] + +[[package]] +name = "python-bellshade" +version = "1.0.0" +source = { virtual = "." } +dependencies = [ + { name = "beautifulsoup4" }, + { name = "fake-useragent" }, + { name = "keras" }, + { name = "lxml" }, + { name = "matplotlib" }, + { name = "numpy" }, + { name = "opencv-python" }, + { name = "pandas" }, + { name = "pillow" }, + { name = "pre-commit" }, + { name = "projectq" }, + { name = "pytest" }, + { name = "qiskit" }, + { name = "requests" }, + { name = "scikit-fuzzy" }, + { name = "scikit-learn" }, + { name = "statsmodels" }, + { name = "sympy" }, + { name = "tensorflow" }, + { name = "types-requests" }, + { name = "xgboost" }, +] + +[package.metadata] +requires-dist = [ + { name = "beautifulsoup4" }, + { name = "fake-useragent" }, + { name = "keras" }, + { name = "lxml" }, + { name = "matplotlib" }, + { name = "numpy" }, + { name = "opencv-python" }, + { name = "pandas" }, + { name = "pillow" }, + { name = "pre-commit", specifier = ">=4.1.0" }, + { name = "projectq" }, + { name = "pytest", specifier = ">=9.0.1" }, + { name = "qiskit" }, + { name = "requests" }, + { name = "scikit-fuzzy" }, + { name = "scikit-learn" }, + { name = "statsmodels" }, + { name = "sympy" }, + { name = "tensorflow" }, + { name = "types-requests" }, + { name = "xgboost" }, +] + +[[package]] +name = "python-dateutil" +version = "2.9.0.post0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "six" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/66/c0/0c8b6ad9f17a802ee498c46e004a0eb49bc148f2fd230864601a86dcf6db/python-dateutil-2.9.0.post0.tar.gz", hash = "sha256:37dd54208da7e1cd875388217d5e00ebd4179249f90fb72437e91a35459a0ad3", size = 342432, upload-time = "2024-03-01T18:36:20.211Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/ec/57/56b9bcc3c9c6a792fcbaf139543cee77261f3651ca9da0c93f5c1221264b/python_dateutil-2.9.0.post0-py2.py3-none-any.whl", hash = "sha256:a8b2bc7bffae282281c8140a97d3aa9c14da0b136dfe83f850eea9a5f7470427", size = 229892, upload-time = "2024-03-01T18:36:18.57Z" }, +] + +[[package]] +name = "pytz" +version = "2025.1" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/5f/57/df1c9157c8d5a05117e455d66fd7cf6dbc46974f832b1058ed4856785d8a/pytz-2025.1.tar.gz", hash = "sha256:c2db42be2a2518b28e65f9207c4d05e6ff547d1efa4086469ef855e4ab70178e", size = 319617, upload-time = "2025-01-31T01:54:48.615Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/eb/38/ac33370d784287baa1c3d538978b5e2ea064d4c1b93ffbd12826c190dd10/pytz-2025.1-py2.py3-none-any.whl", hash = "sha256:89dd22dca55b46eac6eda23b2d72721bf1bdfef212645d81513ef5d03038de57", size = 507930, upload-time = "2025-01-31T01:54:45.634Z" }, +] + +[[package]] +name = "pyyaml" +version = "6.0.2" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/54/ed/79a089b6be93607fa5cdaedf301d7dfb23af5f25c398d5ead2525b063e17/pyyaml-6.0.2.tar.gz", hash = "sha256:d584d9ec91ad65861cc08d42e834324ef890a082e591037abe114850ff7bbc3e", size = 130631, upload-time = "2024-08-06T20:33:50.674Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/ef/e3/3af305b830494fa85d95f6d95ef7fa73f2ee1cc8ef5b495c7c3269fb835f/PyYAML-6.0.2-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:efdca5630322a10774e8e98e1af481aad470dd62c3170801852d752aa7a783ba", size = 181309, upload-time = "2024-08-06T20:32:43.4Z" }, + { url = "https://files.pythonhosted.org/packages/45/9f/3b1c20a0b7a3200524eb0076cc027a970d320bd3a6592873c85c92a08731/PyYAML-6.0.2-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:50187695423ffe49e2deacb8cd10510bc361faac997de9efef88badc3bb9e2d1", size = 171679, upload-time = "2024-08-06T20:32:44.801Z" }, + { url = "https://files.pythonhosted.org/packages/7c/9a/337322f27005c33bcb656c655fa78325b730324c78620e8328ae28b64d0c/PyYAML-6.0.2-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:0ffe8360bab4910ef1b9e87fb812d8bc0a308b0d0eef8c8f44e0254ab3b07133", size = 733428, upload-time = "2024-08-06T20:32:46.432Z" }, + { url = "https://files.pythonhosted.org/packages/a3/69/864fbe19e6c18ea3cc196cbe5d392175b4cf3d5d0ac1403ec3f2d237ebb5/PyYAML-6.0.2-cp313-cp313-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:17e311b6c678207928d649faa7cb0d7b4c26a0ba73d41e99c4fff6b6c3276484", size = 763361, upload-time = "2024-08-06T20:32:51.188Z" }, + { url = "https://files.pythonhosted.org/packages/04/24/b7721e4845c2f162d26f50521b825fb061bc0a5afcf9a386840f23ea19fa/PyYAML-6.0.2-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:70b189594dbe54f75ab3a1acec5f1e3faa7e8cf2f1e08d9b561cb41b845f69d5", size = 759523, upload-time = "2024-08-06T20:32:53.019Z" }, + { url = "https://files.pythonhosted.org/packages/2b/b2/e3234f59ba06559c6ff63c4e10baea10e5e7df868092bf9ab40e5b9c56b6/PyYAML-6.0.2-cp313-cp313-musllinux_1_1_aarch64.whl", hash = "sha256:41e4e3953a79407c794916fa277a82531dd93aad34e29c2a514c2c0c5fe971cc", size = 726660, upload-time = "2024-08-06T20:32:54.708Z" }, + { url = "https://files.pythonhosted.org/packages/fe/0f/25911a9f080464c59fab9027482f822b86bf0608957a5fcc6eaac85aa515/PyYAML-6.0.2-cp313-cp313-musllinux_1_1_x86_64.whl", hash = "sha256:68ccc6023a3400877818152ad9a1033e3db8625d899c72eacb5a668902e4d652", size = 751597, upload-time = "2024-08-06T20:32:56.985Z" }, + { url = "https://files.pythonhosted.org/packages/14/0d/e2c3b43bbce3cf6bd97c840b46088a3031085179e596d4929729d8d68270/PyYAML-6.0.2-cp313-cp313-win32.whl", hash = "sha256:bc2fa7c6b47d6bc618dd7fb02ef6fdedb1090ec036abab80d4681424b84c1183", size = 140527, upload-time = "2024-08-06T20:33:03.001Z" }, + { url = "https://files.pythonhosted.org/packages/fa/de/02b54f42487e3d3c6efb3f89428677074ca7bf43aae402517bc7cca949f3/PyYAML-6.0.2-cp313-cp313-win_amd64.whl", hash = "sha256:8388ee1976c416731879ac16da0aff3f63b286ffdd57cdeb95f3f2e085687563", size = 156446, upload-time = "2024-08-06T20:33:04.33Z" }, +] + +[[package]] +name = "qiskit" +version = "1.4.0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "dill" }, + { name = "numpy" }, + { name = "python-dateutil" }, + { name = "rustworkx" }, + { name = "scipy" }, + { name = "stevedore" }, + { name = "symengine" }, + { name = "sympy" }, + { name = "typing-extensions" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/aa/67/ad3654ecabb3785a2b2a2747bc37bce8074153761b8f0415ee208cf67e7f/qiskit-1.4.0.tar.gz", hash = "sha256:c5dcdf171bbec743c90c9b9e9f94a422ec90fcbf908c904d54b6b91f562fad83", size = 3933810, upload-time = "2025-02-21T10:21:28.246Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/80/28/6ce1290a85afec236554314bb3f4f0f0d518ef2cbbf01d0c508860a659ed/qiskit-1.4.0-cp39-abi3-macosx_10_12_x86_64.whl", hash = "sha256:9a6ac6f124f97d62f1843ce2aaf5a6c0311fd25c90a0d2b90a600e0fb2346732", size = 6567539, upload-time = "2025-02-21T10:21:10.013Z" }, + { url = "https://files.pythonhosted.org/packages/47/f0/faafa9ced24353ce58f4114f5e23ede6a3360a1b142e7daf4efacf22aed9/qiskit-1.4.0-cp39-abi3-macosx_11_0_arm64.whl", hash = "sha256:bf1dd1a2d9d5375dd712594dd7de2d9d3cae8cbb22c820a4c0f88b26c03a4a64", size = 6242939, upload-time = "2025-02-21T10:21:13.603Z" }, + { url = "https://files.pythonhosted.org/packages/5c/91/f2442baa598d88d32918ec3a5aac3d311e5a138c3d39e3b8bdacdca57c07/qiskit-1.4.0-cp39-abi3-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:b563fefc4485cdd44338ad091311c2c72a7855d5c0d0bfdfc6cb35f9050ff800", size = 6392786, upload-time = "2025-02-21T11:46:50.2Z" }, + { url = "https://files.pythonhosted.org/packages/26/45/8d8e52572187c405604436e7866cec9b250b626d28478c4260667ed11ab0/qiskit-1.4.0-cp39-abi3-manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:585b6a7d3001ee619af08816d59492840f5650ac831ae62e24877049605abfc5", size = 6726907, upload-time = "2025-02-21T10:21:16.923Z" }, + { url = "https://files.pythonhosted.org/packages/db/5d/848ecee68192a4fffd1195f9749f2b7eaa751ff9cf6cf9846d7dbfefa74d/qiskit-1.4.0-cp39-abi3-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:4b818df95c835d419ebcb64ca4cec924c17c9f56486b7d52e636c2f258d2083e", size = 6796769, upload-time = "2025-02-21T11:46:52.907Z" }, + { url = "https://files.pythonhosted.org/packages/d9/56/4474fb46faf829f6e67cd1b0d884c3e5dfdc5f401ed8c136248fb8246414/qiskit-1.4.0-cp39-abi3-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:b50295c80bffd21194837ee63dae3de0bbf1a432c3571e6e6bb6f8464fd1ee0c", size = 7882280, upload-time = "2025-02-21T11:46:55.114Z" }, + { url = "https://files.pythonhosted.org/packages/f4/ab/fad45892bcc207ef7eed141d9b81e840c78b53da6701cc0dd5d51eb499f3/qiskit-1.4.0-cp39-abi3-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:a4efe9ee228c8601b6f0c6b9613d981ae9b0cce8161efc4deb8432800b143d40", size = 6748438, upload-time = "2025-02-21T10:21:20.062Z" }, + { url = "https://files.pythonhosted.org/packages/7c/8a/b85b9db39bb7ee61fc7093dddc99a2ca18b1d84f2ee9b3ef5e2c039877f4/qiskit-1.4.0-cp39-abi3-win32.whl", hash = "sha256:f47cdd3d4df71581fd9ccffe5c1cb3f10e3e2c3254f8cf0e963e192ed48633f9", size = 6138354, upload-time = "2025-02-21T10:21:23.203Z" }, + { url = "https://files.pythonhosted.org/packages/73/16/6354248452dbd4aca537460a75effb59d9b01b4101a17df8235d345c86c8/qiskit-1.4.0-cp39-abi3-win_amd64.whl", hash = "sha256:9cd963e0b74983d8c1a6db5b64446bf57598d181a7ad85bd5e22911b5251303d", size = 6499047, upload-time = "2025-02-21T10:21:26.209Z" }, +] + +[[package]] +name = "requests" +version = "2.32.3" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "certifi" }, + { name = "charset-normalizer" }, + { name = "idna" }, + { name = "urllib3" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/63/70/2bf7780ad2d390a8d301ad0b550f1581eadbd9a20f896afe06353c2a2913/requests-2.32.3.tar.gz", hash = "sha256:55365417734eb18255590a9ff9eb97e9e1da868d4ccd6402399eaf68af20a760", size = 131218, upload-time = "2024-05-29T15:37:49.536Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/f9/9b/335f9764261e915ed497fcdeb11df5dfd6f7bf257d4a6a2a686d80da4d54/requests-2.32.3-py3-none-any.whl", hash = "sha256:70761cfe03c773ceb22aa2f671b4757976145175cdfca038c02654d061d6dcc6", size = 64928, upload-time = "2024-05-29T15:37:47.027Z" }, +] + +[[package]] +name = "rich" +version = "13.9.4" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "markdown-it-py" }, + { name = "pygments" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/ab/3a/0316b28d0761c6734d6bc14e770d85506c986c85ffb239e688eeaab2c2bc/rich-13.9.4.tar.gz", hash = "sha256:439594978a49a09530cff7ebc4b5c7103ef57baf48d5ea3184f21d9a2befa098", size = 223149, upload-time = "2024-11-01T16:43:57.873Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/19/71/39c7c0d87f8d4e6c020a393182060eaefeeae6c01dab6a84ec346f2567df/rich-13.9.4-py3-none-any.whl", hash = "sha256:6049d5e6ec054bf2779ab3358186963bac2ea89175919d699e378b99738c2a90", size = 242424, upload-time = "2024-11-01T16:43:55.817Z" }, +] + +[[package]] +name = "rustworkx" +version = "0.16.0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "numpy" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/a5/c4/6d6ef39e57610d54c5f106dc3dece9eebce8b9d52d561ae092e3aede1b66/rustworkx-0.16.0.tar.gz", hash = "sha256:9f0dcb83f38d5ca2c3a683eb9b6951c8aec3262fbfe5141946a7ee5ba37e0bb6", size = 349524, upload-time = "2025-01-24T01:22:34.686Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/f8/70/36f5916aee41ffe4f604ad75742eb1bb1b849fb568e010555f9d159cd93e/rustworkx-0.16.0-cp39-abi3-macosx_10_12_x86_64.whl", hash = "sha256:476a6c67b0142acd941691943750cc6737a48372304489969c2b62d30aaf4c27", size = 2141999, upload-time = "2025-01-24T01:21:50.3Z" }, + { url = "https://files.pythonhosted.org/packages/94/47/7e7c37fb73efcc87be6414b235534605c4008a4cdbd92a61db23b878eecd/rustworkx-0.16.0-cp39-abi3-macosx_11_0_arm64.whl", hash = "sha256:bef2ef42870f806af93979b457e240f6dfa4f867ca33965c620f3a804409ed3a", size = 1940309, upload-time = "2025-01-24T01:21:52.053Z" }, + { url = "https://files.pythonhosted.org/packages/c6/42/a6d6b3137be55ef1d887becdf6b64b0917c7d437bd483065a88500a55603/rustworkx-0.16.0-cp39-abi3-manylinux_2_12_i686.manylinux2010_i686.manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:0db3a73bf68b3e66c08322a2fc95d3aa663d037d9b4e49c3509da4898d3529cc", size = 2195350, upload-time = "2025-01-24T01:21:53.785Z" }, + { url = "https://files.pythonhosted.org/packages/59/d2/1bc99df831c132c4b7420a85ce9150e065f4c993798f31b6a4229f238398/rustworkx-0.16.0-cp39-abi3-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:4f12a13d7486234fa2a84746d5e41f436bf9df43548043e7a232f48804ff8c61", size = 1971689, upload-time = "2025-01-24T17:09:26.338Z" }, + { url = "https://files.pythonhosted.org/packages/b5/3b/1125e7eb834f4408bcec3cee79947efd504c715fb7ab1876f8cd4bbca497/rustworkx-0.16.0-cp39-abi3-manylinux_2_17_s390x.manylinux2014_s390x.whl", hash = "sha256:89efd5c3a4653ddacc55ca39f28b261d43deec7d678f8f8fc6b76b5087f1dfea", size = 3297342, upload-time = "2025-01-24T03:18:48.885Z" }, + { url = "https://files.pythonhosted.org/packages/4f/e2/e21187b255c6211d71db0d08a44fc16771038b2af41712d66c408d9bec16/rustworkx-0.16.0-cp39-abi3-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:ec0c12aac8c54910ace20ac6ada4b890cd39f95f69100514715f8ad7af9041e4", size = 2110107, upload-time = "2025-01-24T01:21:58.884Z" }, + { url = "https://files.pythonhosted.org/packages/3c/79/e3fcff21f31253ea85ef196bf2fcabad7802b11468f7d3a5d592cd0ac789/rustworkx-0.16.0-cp39-abi3-musllinux_1_2_aarch64.whl", hash = "sha256:d650e39fc1a1534335f7517358ebfc3478bb235428463cfcd7c5750d50377b33", size = 2007544, upload-time = "2025-01-26T04:16:53.807Z" }, + { url = "https://files.pythonhosted.org/packages/67/04/741ed09c2b0dc0f360f85270c1179ed433785372ac9ab6ab26d3dd3ae02d/rustworkx-0.16.0-cp39-abi3-musllinux_1_2_x86_64.whl", hash = "sha256:293180b83509ee9bff4c3af7ccc1024f6528d61b65d0cb7320bd31924f10cb71", size = 2172787, upload-time = "2025-01-24T01:22:01.282Z" }, + { url = "https://files.pythonhosted.org/packages/6d/fd/9c71e90f8cde76fed95dbc1e7d019977b89a29492f49ded232c6fad3055f/rustworkx-0.16.0-cp39-abi3-win32.whl", hash = "sha256:040c4368729cf502f756a3b0ff5f1c6915fc389f74dcc6afc6c3833688c97c01", size = 1840183, upload-time = "2025-01-24T01:22:03.643Z" }, + { url = "https://files.pythonhosted.org/packages/3e/79/9bdd52d2a33d468c81c1827de1b588080cb055d1d3561b194ab7bf2635b5/rustworkx-0.16.0-cp39-abi3-win_amd64.whl", hash = "sha256:905df608843c32fa45ac023687769fe13056edf7584474c801d5c50705d76e9b", size = 1953559, upload-time = "2025-01-24T01:22:06.136Z" }, +] + +[[package]] +name = "scikit-fuzzy" +version = "0.5.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/98/1c/eeffa327ecf44e11fdd312b2b8cf5a7ac7f6cd2956646980893dc4aa56d8/scikit_fuzzy-0.5.0.tar.gz", hash = "sha256:2ee5340523aa7635ca568b9d8029c7738d05f9ea550fc89d4054b4cb50f34e7f", size = 958406, upload-time = "2024-08-22T22:20:45.697Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/9d/06/da70811f95c4a3bada55e7b20c957548a4d9bc21150916f0c024286d67c7/scikit_fuzzy-0.5.0-py2.py3-none-any.whl", hash = "sha256:e456c365146bc5c58d9f593f4127ac783112e2daf89f87b12c6ef3c38e4087dd", size = 920817, upload-time = "2024-08-22T22:20:43.447Z" }, +] + +[[package]] +name = "scikit-learn" +version = "1.6.1" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "joblib" }, + { name = "numpy" }, + { name = "scipy" }, + { name = "threadpoolctl" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/9e/a5/4ae3b3a0755f7b35a280ac90b28817d1f380318973cff14075ab41ef50d9/scikit_learn-1.6.1.tar.gz", hash = "sha256:b4fc2525eca2c69a59260f583c56a7557c6ccdf8deafdba6e060f94c1c59738e", size = 7068312, upload-time = "2025-01-10T08:07:55.348Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/2e/59/8eb1872ca87009bdcdb7f3cdc679ad557b992c12f4b61f9250659e592c63/scikit_learn-1.6.1-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:2ffa1e9e25b3d93990e74a4be2c2fc61ee5af85811562f1288d5d055880c4322", size = 12010001, upload-time = "2025-01-10T08:06:58.613Z" }, + { url = "https://files.pythonhosted.org/packages/9d/05/f2fc4effc5b32e525408524c982c468c29d22f828834f0625c5ef3d601be/scikit_learn-1.6.1-cp313-cp313-macosx_12_0_arm64.whl", hash = "sha256:dc5cf3d68c5a20ad6d571584c0750ec641cc46aeef1c1507be51300e6003a7e1", size = 11096360, upload-time = "2025-01-10T08:07:01.556Z" }, + { url = "https://files.pythonhosted.org/packages/c8/e4/4195d52cf4f113573fb8ebc44ed5a81bd511a92c0228889125fac2f4c3d1/scikit_learn-1.6.1-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:c06beb2e839ecc641366000ca84f3cf6fa9faa1777e29cf0c04be6e4d096a348", size = 12209004, upload-time = "2025-01-10T08:07:06.931Z" }, + { url = "https://files.pythonhosted.org/packages/94/be/47e16cdd1e7fcf97d95b3cb08bde1abb13e627861af427a3651fcb80b517/scikit_learn-1.6.1-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:e8ca8cb270fee8f1f76fa9bfd5c3507d60c6438bbee5687f81042e2bb98e5a97", size = 13171776, upload-time = "2025-01-10T08:07:11.715Z" }, + { url = "https://files.pythonhosted.org/packages/34/b0/ca92b90859070a1487827dbc672f998da95ce83edce1270fc23f96f1f61a/scikit_learn-1.6.1-cp313-cp313-win_amd64.whl", hash = "sha256:7a1c43c8ec9fde528d664d947dc4c0789be4077a3647f232869f41d9bf50e0fb", size = 11071865, upload-time = "2025-01-10T08:07:16.088Z" }, + { url = "https://files.pythonhosted.org/packages/12/ae/993b0fb24a356e71e9a894e42b8a9eec528d4c70217353a1cd7a48bc25d4/scikit_learn-1.6.1-cp313-cp313t-macosx_10_13_x86_64.whl", hash = "sha256:a17c1dea1d56dcda2fac315712f3651a1fea86565b64b48fa1bc090249cbf236", size = 11955804, upload-time = "2025-01-10T08:07:20.385Z" }, + { url = "https://files.pythonhosted.org/packages/d6/54/32fa2ee591af44507eac86406fa6bba968d1eb22831494470d0a2e4a1eb1/scikit_learn-1.6.1-cp313-cp313t-macosx_12_0_arm64.whl", hash = "sha256:6a7aa5f9908f0f28f4edaa6963c0a6183f1911e63a69aa03782f0d924c830a35", size = 11100530, upload-time = "2025-01-10T08:07:23.675Z" }, + { url = "https://files.pythonhosted.org/packages/3f/58/55856da1adec655bdce77b502e94a267bf40a8c0b89f8622837f89503b5a/scikit_learn-1.6.1-cp313-cp313t-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:0650e730afb87402baa88afbf31c07b84c98272622aaba002559b614600ca691", size = 12433852, upload-time = "2025-01-10T08:07:26.817Z" }, + { url = "https://files.pythonhosted.org/packages/ff/4f/c83853af13901a574f8f13b645467285a48940f185b690936bb700a50863/scikit_learn-1.6.1-cp313-cp313t-win_amd64.whl", hash = "sha256:3f59fe08dc03ea158605170eb52b22a105f238a5d512c4470ddeca71feae8e5f", size = 11337256, upload-time = "2025-01-10T08:07:31.084Z" }, +] + +[[package]] +name = "scipy" +version = "1.15.2" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "numpy" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/b7/b9/31ba9cd990e626574baf93fbc1ac61cf9ed54faafd04c479117517661637/scipy-1.15.2.tar.gz", hash = "sha256:cd58a314d92838f7e6f755c8a2167ead4f27e1fd5c1251fd54289569ef3495ec", size = 59417316, upload-time = "2025-02-17T00:42:24.791Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/53/40/09319f6e0f276ea2754196185f95cd191cb852288440ce035d5c3a931ea2/scipy-1.15.2-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:01edfac9f0798ad6b46d9c4c9ca0e0ad23dbf0b1eb70e96adb9fa7f525eff0bf", size = 38717587, upload-time = "2025-02-17T00:32:53.196Z" }, + { url = "https://files.pythonhosted.org/packages/fe/c3/2854f40ecd19585d65afaef601e5e1f8dbf6758b2f95b5ea93d38655a2c6/scipy-1.15.2-cp313-cp313-macosx_12_0_arm64.whl", hash = "sha256:08b57a9336b8e79b305a143c3655cc5bdbe6d5ece3378578888d2afbb51c4e37", size = 30100266, upload-time = "2025-02-17T00:32:59.318Z" }, + { url = "https://files.pythonhosted.org/packages/dd/b1/f9fe6e3c828cb5930b5fe74cb479de5f3d66d682fa8adb77249acaf545b8/scipy-1.15.2-cp313-cp313-macosx_14_0_arm64.whl", hash = "sha256:54c462098484e7466362a9f1672d20888f724911a74c22ae35b61f9c5919183d", size = 22373768, upload-time = "2025-02-17T00:33:04.091Z" }, + { url = "https://files.pythonhosted.org/packages/15/9d/a60db8c795700414c3f681908a2b911e031e024d93214f2d23c6dae174ab/scipy-1.15.2-cp313-cp313-macosx_14_0_x86_64.whl", hash = "sha256:cf72ff559a53a6a6d77bd8eefd12a17995ffa44ad86c77a5df96f533d4e6c6bb", size = 25154719, upload-time = "2025-02-17T00:33:08.909Z" }, + { url = "https://files.pythonhosted.org/packages/37/3b/9bda92a85cd93f19f9ed90ade84aa1e51657e29988317fabdd44544f1dd4/scipy-1.15.2-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:9de9d1416b3d9e7df9923ab23cd2fe714244af10b763975bea9e4f2e81cebd27", size = 35163195, upload-time = "2025-02-17T00:33:15.352Z" }, + { url = "https://files.pythonhosted.org/packages/03/5a/fc34bf1aa14dc7c0e701691fa8685f3faec80e57d816615e3625f28feb43/scipy-1.15.2-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:fb530e4794fc8ea76a4a21ccb67dea33e5e0e60f07fc38a49e821e1eae3b71a0", size = 37255404, upload-time = "2025-02-17T00:33:22.21Z" }, + { url = "https://files.pythonhosted.org/packages/4a/71/472eac45440cee134c8a180dbe4c01b3ec247e0338b7c759e6cd71f199a7/scipy-1.15.2-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:5ea7ed46d437fc52350b028b1d44e002646e28f3e8ddc714011aaf87330f2f32", size = 36860011, upload-time = "2025-02-17T00:33:29.446Z" }, + { url = "https://files.pythonhosted.org/packages/01/b3/21f890f4f42daf20e4d3aaa18182dddb9192771cd47445aaae2e318f6738/scipy-1.15.2-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:11e7ad32cf184b74380f43d3c0a706f49358b904fa7d5345f16ddf993609184d", size = 39657406, upload-time = "2025-02-17T00:33:39.019Z" }, + { url = "https://files.pythonhosted.org/packages/0d/76/77cf2ac1f2a9cc00c073d49e1e16244e389dd88e2490c91d84e1e3e4d126/scipy-1.15.2-cp313-cp313-win_amd64.whl", hash = "sha256:a5080a79dfb9b78b768cebf3c9dcbc7b665c5875793569f48bf0e2b1d7f68f6f", size = 40961243, upload-time = "2025-02-17T00:34:51.024Z" }, + { url = "https://files.pythonhosted.org/packages/4c/4b/a57f8ddcf48e129e6054fa9899a2a86d1fc6b07a0e15c7eebff7ca94533f/scipy-1.15.2-cp313-cp313t-macosx_10_13_x86_64.whl", hash = "sha256:447ce30cee6a9d5d1379087c9e474628dab3db4a67484be1b7dc3196bfb2fac9", size = 38870286, upload-time = "2025-02-17T00:33:47.62Z" }, + { url = "https://files.pythonhosted.org/packages/0c/43/c304d69a56c91ad5f188c0714f6a97b9c1fed93128c691148621274a3a68/scipy-1.15.2-cp313-cp313t-macosx_12_0_arm64.whl", hash = "sha256:c90ebe8aaa4397eaefa8455a8182b164a6cc1d59ad53f79943f266d99f68687f", size = 30141634, upload-time = "2025-02-17T00:33:54.131Z" }, + { url = "https://files.pythonhosted.org/packages/44/1a/6c21b45d2548eb73be9b9bff421aaaa7e85e22c1f9b3bc44b23485dfce0a/scipy-1.15.2-cp313-cp313t-macosx_14_0_arm64.whl", hash = "sha256:def751dd08243934c884a3221156d63e15234a3155cf25978b0a668409d45eb6", size = 22415179, upload-time = "2025-02-17T00:33:59.948Z" }, + { url = "https://files.pythonhosted.org/packages/74/4b/aefac4bba80ef815b64f55da06f62f92be5d03b467f2ce3668071799429a/scipy-1.15.2-cp313-cp313t-macosx_14_0_x86_64.whl", hash = "sha256:302093e7dfb120e55515936cb55618ee0b895f8bcaf18ff81eca086c17bd80af", size = 25126412, upload-time = "2025-02-17T00:34:06.328Z" }, + { url = "https://files.pythonhosted.org/packages/b1/53/1cbb148e6e8f1660aacd9f0a9dfa2b05e9ff1cb54b4386fe868477972ac2/scipy-1.15.2-cp313-cp313t-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:7cd5b77413e1855351cdde594eca99c1f4a588c2d63711388b6a1f1c01f62274", size = 34952867, upload-time = "2025-02-17T00:34:12.928Z" }, + { url = "https://files.pythonhosted.org/packages/2c/23/e0eb7f31a9c13cf2dca083828b97992dd22f8184c6ce4fec5deec0c81fcf/scipy-1.15.2-cp313-cp313t-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:6d0194c37037707b2afa7a2f2a924cf7bac3dc292d51b6a925e5fcb89bc5c776", size = 36890009, upload-time = "2025-02-17T00:34:19.55Z" }, + { url = "https://files.pythonhosted.org/packages/03/f3/e699e19cabe96bbac5189c04aaa970718f0105cff03d458dc5e2b6bd1e8c/scipy-1.15.2-cp313-cp313t-musllinux_1_2_aarch64.whl", hash = "sha256:bae43364d600fdc3ac327db99659dcb79e6e7ecd279a75fe1266669d9a652828", size = 36545159, upload-time = "2025-02-17T00:34:26.724Z" }, + { url = "https://files.pythonhosted.org/packages/af/f5/ab3838e56fe5cc22383d6fcf2336e48c8fe33e944b9037fbf6cbdf5a11f8/scipy-1.15.2-cp313-cp313t-musllinux_1_2_x86_64.whl", hash = "sha256:f031846580d9acccd0044efd1a90e6f4df3a6e12b4b6bd694a7bc03a89892b28", size = 39136566, upload-time = "2025-02-17T00:34:34.512Z" }, + { url = "https://files.pythonhosted.org/packages/0a/c8/b3f566db71461cabd4b2d5b39bcc24a7e1c119535c8361f81426be39bb47/scipy-1.15.2-cp313-cp313t-win_amd64.whl", hash = "sha256:fe8a9eb875d430d81755472c5ba75e84acc980e4a8f6204d402849234d3017db", size = 40477705, upload-time = "2025-02-17T00:34:43.619Z" }, +] + +[[package]] +name = "setuptools" +version = "75.8.2" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/d1/53/43d99d7687e8cdef5ab5f9ec5eaf2c0423c2b35133a2b7e7bc276fc32b21/setuptools-75.8.2.tar.gz", hash = "sha256:4880473a969e5f23f2a2be3646b2dfd84af9028716d398e46192f84bc36900d2", size = 1344083, upload-time = "2025-02-26T20:45:19.103Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/a9/38/7d7362e031bd6dc121e5081d8cb6aa6f6fedf2b67bf889962134c6da4705/setuptools-75.8.2-py3-none-any.whl", hash = "sha256:558e47c15f1811c1fa7adbd0096669bf76c1d3f433f58324df69f3f5ecac4e8f", size = 1229385, upload-time = "2025-02-26T20:45:17.259Z" }, +] + +[[package]] +name = "six" +version = "1.17.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/94/e7/b2c673351809dca68a0e064b6af791aa332cf192da575fd474ed7d6f16a2/six-1.17.0.tar.gz", hash = "sha256:ff70335d468e7eb6ec65b95b99d3a2836546063f63acc5171de367e834932a81", size = 34031, upload-time = "2024-12-04T17:35:28.174Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/b7/ce/149a00dd41f10bc29e5921b496af8b574d8413afcd5e30dfa0ed46c2cc5e/six-1.17.0-py2.py3-none-any.whl", hash = "sha256:4721f391ed90541fddacab5acf947aa0d3dc7d27b2e1e8eda2be8970586c3274", size = 11050, upload-time = "2024-12-04T17:35:26.475Z" }, +] + +[[package]] +name = "soupsieve" +version = "2.6" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/d7/ce/fbaeed4f9fb8b2daa961f90591662df6a86c1abf25c548329a86920aedfb/soupsieve-2.6.tar.gz", hash = "sha256:e2e68417777af359ec65daac1057404a3c8a5455bb8abc36f1a9866ab1a51abb", size = 101569, upload-time = "2024-08-13T13:39:12.166Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/d1/c2/fe97d779f3ef3b15f05c94a2f1e3d21732574ed441687474db9d342a7315/soupsieve-2.6-py3-none-any.whl", hash = "sha256:e72c4ff06e4fb6e4b5a9f0f55fe6e81514581fca1515028625d0f299c602ccc9", size = 36186, upload-time = "2024-08-13T13:39:10.986Z" }, +] + +[[package]] +name = "statsmodels" +version = "0.14.4" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "numpy" }, + { name = "packaging" }, + { name = "pandas" }, + { name = "patsy" }, + { name = "scipy" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/1f/3b/963a015dd8ea17e10c7b0e2f14d7c4daec903baf60a017e756b57953a4bf/statsmodels-0.14.4.tar.gz", hash = "sha256:5d69e0f39060dc72c067f9bb6e8033b6dccdb0bae101d76a7ef0bcc94e898b67", size = 20354802, upload-time = "2024-10-03T16:15:36.273Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/31/f8/2662e6a101315ad336f75168fa9bac71f913ebcb92a6be84031d84a0f21f/statsmodels-0.14.4-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:b5a24f5d2c22852d807d2b42daf3a61740820b28d8381daaf59dcb7055bf1a79", size = 10186886, upload-time = "2024-10-03T17:10:44.074Z" }, + { url = "https://files.pythonhosted.org/packages/fa/c0/ee6e8ed35fc1ca9c7538c592f4974547bf72274bc98db1ae4a6e87481a83/statsmodels-0.14.4-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:df4f7864606fa843d7e7c0e6af288f034a2160dba14e6ccc09020a3cf67cb092", size = 9880066, upload-time = "2024-10-03T17:10:56.972Z" }, + { url = "https://files.pythonhosted.org/packages/d1/97/3380ca6d8fd66cfb3d12941e472642f26e781a311c355a4e97aab2ed0216/statsmodels-0.14.4-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:91341cbde9e8bea5fb419a76e09114e221567d03f34ca26e6d67ae2c27d8fe3c", size = 10283521, upload-time = "2024-10-03T17:14:06.216Z" }, + { url = "https://files.pythonhosted.org/packages/fe/2a/55c5b5c5e5124a202ea3fe0bcdbdeceaf91b4ec6164b8434acb9dd97409c/statsmodels-0.14.4-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:1322286a7bfdde2790bf72d29698a1b76c20b8423a55bdcd0d457969d0041f72", size = 10723228, upload-time = "2024-10-03T17:14:19.587Z" }, + { url = "https://files.pythonhosted.org/packages/4f/76/67747e49dc758daae06f33aad8247b718cd7d224f091d2cd552681215bb2/statsmodels-0.14.4-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:e31b95ac603415887c9f0d344cb523889cf779bc52d68e27e2d23c358958fec7", size = 10859503, upload-time = "2024-10-03T17:14:32.798Z" }, + { url = "https://files.pythonhosted.org/packages/1d/eb/cb8b01f5edf8f135eb3d0553d159db113a35b2948d0e51eeb735e7ae09ea/statsmodels-0.14.4-cp313-cp313-win_amd64.whl", hash = "sha256:81030108d27aecc7995cac05aa280cf8c6025f6a6119894eef648997936c2dd0", size = 9817574, upload-time = "2024-10-03T16:14:37.461Z" }, +] + +[[package]] +name = "stevedore" +version = "5.4.1" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "pbr" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/28/3f/13cacea96900bbd31bb05c6b74135f85d15564fc583802be56976c940470/stevedore-5.4.1.tar.gz", hash = "sha256:3135b5ae50fe12816ef291baff420acb727fcd356106e3e9cbfa9e5985cd6f4b", size = 513858, upload-time = "2025-02-20T14:03:57.285Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/f7/45/8c4ebc0c460e6ec38e62ab245ad3c7fc10b210116cea7c16d61602aa9558/stevedore-5.4.1-py3-none-any.whl", hash = "sha256:d10a31c7b86cba16c1f6e8d15416955fc797052351a56af15e608ad20811fcfe", size = 49533, upload-time = "2025-02-20T14:03:55.849Z" }, +] + +[[package]] +name = "symengine" +version = "0.13.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/6b/ff/a2041497a482a0ae585672fe12cc8983c7fc46ce792811b55a067e5e5516/symengine-0.13.0.tar.gz", hash = "sha256:ab83a08897ebf12579702c2b71ba73d4732fb706cc4291d810aedf39c690c14c", size = 114237, upload-time = "2024-09-30T22:06:25.16Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/f2/51/36ea8d87b61f34d585d09ff585cdc2ba136c501e0a96e861fe81fd0efa5b/symengine-0.13.0-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:5d34df77971538e4c29f2d8e5ef7f459c2179465e6cdb7dfd48b79b87ecd8f4d", size = 25838153, upload-time = "2024-09-30T22:04:35.743Z" }, + { url = "https://files.pythonhosted.org/packages/2a/f7/73cd707633c01760df27d340ac2868788fa0a35034aa09f51f6a289d9a07/symengine-0.13.0-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:ab2661d9b18867e7c6edbfa7a74b8b0a2a694bd24aa08003dc3214f77cb9d6f2", size = 22706111, upload-time = "2024-09-30T22:04:38.922Z" }, + { url = "https://files.pythonhosted.org/packages/bc/e7/a1ddc4cc3f2604b18965342523cddd6160b6406d1ef21b58a2dea1c46312/symengine-0.13.0-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:53f27b9013878ee4419d8e853664d8ae4b68419e3f4b9b5b7f503d32bf904755", size = 60848269, upload-time = "2024-09-30T22:04:43.816Z" }, + { url = "https://files.pythonhosted.org/packages/8a/f5/b127d236a8ccce8b85cec8bcb0221cbb6a4e651d6f5511da925e10714a4c/symengine-0.13.0-cp313-cp313-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:27987f75ce08c64f453e2b9b74fec6ffc5ca418c4deca0b75580979d4a4e242a", size = 89679345, upload-time = "2024-09-30T22:04:50.53Z" }, + { url = "https://files.pythonhosted.org/packages/49/d0/b07c71dfb6f7f47f90495d67cb0b2264f94f2fb9380e528fe4fcec4c5cfa/symengine-0.13.0-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:e9ea9410330ea15ed4137d7a0a3c43caccacb71490e18036ce5182d08c93baf8", size = 49582795, upload-time = "2024-09-30T22:04:56.705Z" }, + { url = "https://files.pythonhosted.org/packages/de/c6/3ce562ec269b033a738b99aa75729d564bfe465a765a5b5810200924f5c9/symengine-0.13.0-cp313-cp313-win_amd64.whl", hash = "sha256:5031eb7a5c6675d5195bb57f93cc7d9ac5a7a9a826d4ad6f6b2927746ed7e6e6", size = 17786679, upload-time = "2024-09-30T22:05:30.754Z" }, + { url = "https://files.pythonhosted.org/packages/ca/0f/02031b4ed54fb088ade94082e4658160333c2d5c6629ca7e567ea5a23720/symengine-0.13.0-cp313-cp313t-macosx_10_13_x86_64.whl", hash = "sha256:ce0e5dfb19943bcf3e44a4485bcac4c5533ba3705c63083494eed0b3bf246076", size = 25795209, upload-time = "2024-09-30T22:05:05.713Z" }, + { url = "https://files.pythonhosted.org/packages/34/c0/03e9e34a4e2af73dd786fb966ee3ad7ffa57659e79e4ac390be9e9f6aded/symengine-0.13.0-cp313-cp313t-macosx_11_0_arm64.whl", hash = "sha256:c3b77dc54bf1181f6bd3b3338c4e6e5973a8b0fa20a189d15563ef5626e57b04", size = 22670484, upload-time = "2024-09-30T22:05:08.721Z" }, + { url = "https://files.pythonhosted.org/packages/9d/13/66c8510403089ee157f0a8930a2e043e6f4de9ee514c8084adb958934058/symengine-0.13.0-cp313-cp313t-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:ca7c3f6c168f6f5b06b421833c3d3baae56067a94b671bdffbe09b8e4fefd9be", size = 60739889, upload-time = "2024-09-30T22:05:13.331Z" }, + { url = "https://files.pythonhosted.org/packages/70/fe/d0c778204d855257865e713fcbfef11dde34621e07fee439d4d117f43203/symengine-0.13.0-cp313-cp313t-manylinux_2_17_ppc64le.manylinux2014_ppc64le.whl", hash = "sha256:847523de682416811bacb3ad11507e663b3522fbb35cd27184757e9956d0eaf0", size = 89405899, upload-time = "2024-09-30T22:05:20.504Z" }, + { url = "https://files.pythonhosted.org/packages/66/f6/f546e527caf35b7d0f14dbcea278134d4e46d7431821b9ca9f5ec3388a6a/symengine-0.13.0-cp313-cp313t-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:ec2fc1b7d96426463f0c9011e9fb88459d906477c1baa8a996dde6fb2bfa99d4", size = 49474632, upload-time = "2024-09-30T22:05:26.083Z" }, +] + +[[package]] +name = "sympy" +version = "1.13.3" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "mpmath" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/11/8a/5a7fd6284fa8caac23a26c9ddf9c30485a48169344b4bd3b0f02fef1890f/sympy-1.13.3.tar.gz", hash = "sha256:b27fd2c6530e0ab39e275fc9b683895367e51d5da91baa8d3d64db2565fec4d9", size = 7533196, upload-time = "2024-09-18T21:54:25.591Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/99/ff/c87e0622b1dadea79d2fb0b25ade9ed98954c9033722eb707053d310d4f3/sympy-1.13.3-py3-none-any.whl", hash = "sha256:54612cf55a62755ee71824ce692986f23c88ffa77207b30c1368eda4a7060f73", size = 6189483, upload-time = "2024-09-18T21:54:23.097Z" }, +] + +[[package]] +name = "tensorboard" +version = "2.20.0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "absl-py" }, + { name = "grpcio" }, + { name = "markdown" }, + { name = "numpy" }, + { name = "packaging" }, + { name = "pillow" }, + { name = "protobuf" }, + { name = "setuptools" }, + { name = "tensorboard-data-server" }, + { name = "werkzeug" }, +] +wheels = [ + { url = "https://files.pythonhosted.org/packages/9c/d9/a5db55f88f258ac669a92858b70a714bbbd5acd993820b41ec4a96a4d77f/tensorboard-2.20.0-py3-none-any.whl", hash = "sha256:9dc9f978cb84c0723acf9a345d96c184f0293d18f166bb8d59ee098e6cfaaba6", size = 5525680, upload-time = "2025-07-17T19:20:49.638Z" }, +] + +[[package]] +name = "tensorboard-data-server" +version = "0.7.2" +source = { registry = "https://pypi.org/simple" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/7a/13/e503968fefabd4c6b2650af21e110aa8466fe21432cd7c43a84577a89438/tensorboard_data_server-0.7.2-py3-none-any.whl", hash = "sha256:7e0610d205889588983836ec05dc098e80f97b7e7bbff7e994ebb78f578d0ddb", size = 2356, upload-time = "2023-10-23T21:23:32.16Z" }, + { url = "https://files.pythonhosted.org/packages/b7/85/dabeaf902892922777492e1d253bb7e1264cadce3cea932f7ff599e53fea/tensorboard_data_server-0.7.2-py3-none-macosx_10_9_x86_64.whl", hash = "sha256:9fe5d24221b29625dbc7328b0436ca7fc1c23de4acf4d272f1180856e32f9f60", size = 4823598, upload-time = "2023-10-23T21:23:33.714Z" }, + { url = "https://files.pythonhosted.org/packages/73/c6/825dab04195756cf8ff2e12698f22513b3db2f64925bdd41671bfb33aaa5/tensorboard_data_server-0.7.2-py3-none-manylinux_2_31_x86_64.whl", hash = "sha256:ef687163c24185ae9754ed5650eb5bc4d84ff257aabdc33f0cc6f74d8ba54530", size = 6590363, upload-time = "2023-10-23T21:23:35.583Z" }, +] + +[[package]] +name = "tensorflow" +version = "2.20.0" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "absl-py" }, + { name = "astunparse" }, + { name = "flatbuffers" }, + { name = "gast" }, + { name = "google-pasta" }, + { name = "grpcio" }, + { name = "h5py" }, + { name = "keras" }, + { name = "libclang" }, + { name = "ml-dtypes" }, + { name = "numpy" }, + { name = "opt-einsum" }, + { name = "packaging" }, + { name = "protobuf" }, + { name = "requests" }, + { name = "setuptools" }, + { name = "six" }, + { name = "tensorboard" }, + { name = "termcolor" }, + { name = "typing-extensions" }, + { name = "wrapt" }, +] +wheels = [ + { url = "https://files.pythonhosted.org/packages/04/82/af283f402f8d1e9315644a331a5f0f326264c5d1de08262f3de5a5ade422/tensorflow-2.20.0-cp313-cp313-macosx_12_0_arm64.whl", hash = "sha256:197f0b613b38c0da5c6a12a8295ad4a05c78b853835dae8e0f9dfae3ce9ce8a5", size = 200671458, upload-time = "2025-08-13T16:53:16.568Z" }, + { url = "https://files.pythonhosted.org/packages/ea/4c/c1aa90c5cc92e9f7f9c78421e121ef25bae7d378f8d1d4cbad46c6308836/tensorflow-2.20.0-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:47c88e05a07f1ead4977b4894b3ecd4d8075c40191065afc4fd9355c9db3d926", size = 259663776, upload-time = "2025-08-13T16:53:24.507Z" }, + { url = "https://files.pythonhosted.org/packages/43/fb/8be8547c128613d82a2b006004026d86ed0bd672e913029a98153af4ffab/tensorflow-2.20.0-cp313-cp313-manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:5fa3729b0126f75a99882b89fb7d536515721eda8014a63e259e780ba0a37372", size = 620815537, upload-time = "2025-08-13T16:53:42.577Z" }, + { url = "https://files.pythonhosted.org/packages/9b/9e/02e201033f8d6bd5f79240b7262337de44c51a6cfd85c23a86c103c7684d/tensorflow-2.20.0-cp313-cp313-win_amd64.whl", hash = "sha256:c25edad45e8cb9e76366f7a8c835279f9169028d610f3b52ce92d332a1b05438", size = 332012220, upload-time = "2025-08-13T16:53:57.303Z" }, +] + +[[package]] +name = "termcolor" +version = "2.5.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/37/72/88311445fd44c455c7d553e61f95412cf89054308a1aa2434ab835075fc5/termcolor-2.5.0.tar.gz", hash = "sha256:998d8d27da6d48442e8e1f016119076b690d962507531df4890fcd2db2ef8a6f", size = 13057, upload-time = "2024-10-06T19:50:04.115Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/7f/be/df630c387a0a054815d60be6a97eb4e8f17385d5d6fe660e1c02750062b4/termcolor-2.5.0-py3-none-any.whl", hash = "sha256:37b17b5fc1e604945c2642c872a3764b5d547a48009871aea3edd3afa180afb8", size = 7755, upload-time = "2024-10-06T19:50:02.097Z" }, +] + +[[package]] +name = "threadpoolctl" +version = "3.5.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/bd/55/b5148dcbf72f5cde221f8bfe3b6a540da7aa1842f6b491ad979a6c8b84af/threadpoolctl-3.5.0.tar.gz", hash = "sha256:082433502dd922bf738de0d8bcc4fdcbf0979ff44c42bd40f5af8a282f6fa107", size = 41936, upload-time = "2024-04-29T13:50:16.544Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/4b/2c/ffbf7a134b9ab11a67b0cf0726453cedd9c5043a4fe7a35d1cefa9a1bcfb/threadpoolctl-3.5.0-py3-none-any.whl", hash = "sha256:56c1e26c150397e58c4926da8eeee87533b1e32bef131bd4bf6a2f45f3185467", size = 18414, upload-time = "2024-04-29T13:50:14.014Z" }, +] + +[[package]] +name = "types-requests" +version = "2.32.0.20250301" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "urllib3" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/87/88/365d6b46f1088ddeccbc89c26190c3180088ef6e7c8d162fc619496aab96/types_requests-2.32.0.20250301.tar.gz", hash = "sha256:3d909dc4eaab159c0d964ebe8bfa326a7afb4578d8706408d417e17d61b0c500", size = 22977, upload-time = "2025-03-01T02:51:59.759Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/b9/c2/e44564e8995dbc1738c2acacb8009d59c8cb19327da95a1b5c5d9cb68364/types_requests-2.32.0.20250301-py3-none-any.whl", hash = "sha256:0003e0124e2cbefefb88222ff822b48616af40c74df83350f599a650c8de483b", size = 20671, upload-time = "2025-03-01T02:51:58.246Z" }, +] + +[[package]] +name = "typing-extensions" +version = "4.12.2" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/df/db/f35a00659bc03fec321ba8bce9420de607a1d37f8342eee1863174c69557/typing_extensions-4.12.2.tar.gz", hash = "sha256:1a7ead55c7e559dd4dee8856e3a88b41225abfe1ce8df57b7c13915fe121ffb8", size = 85321, upload-time = "2024-06-07T18:52:15.995Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/26/9f/ad63fc0248c5379346306f8668cda6e2e2e9c95e01216d2b8ffd9ff037d0/typing_extensions-4.12.2-py3-none-any.whl", hash = "sha256:04e5ca0351e0f3f85c6853954072df659d0d13fac324d0072316b67d7794700d", size = 37438, upload-time = "2024-06-07T18:52:13.582Z" }, +] + +[[package]] +name = "tzdata" +version = "2025.1" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/43/0f/fa4723f22942480be4ca9527bbde8d43f6c3f2fe8412f00e7f5f6746bc8b/tzdata-2025.1.tar.gz", hash = "sha256:24894909e88cdb28bd1636c6887801df64cb485bd593f2fd83ef29075a81d694", size = 194950, upload-time = "2025-01-21T19:49:38.686Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/0f/dd/84f10e23edd882c6f968c21c2434fe67bd4a528967067515feca9e611e5e/tzdata-2025.1-py2.py3-none-any.whl", hash = "sha256:7e127113816800496f027041c570f50bcd464a020098a3b6b199517772303639", size = 346762, upload-time = "2025-01-21T19:49:37.187Z" }, +] + +[[package]] +name = "urllib3" +version = "2.3.0" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/aa/63/e53da845320b757bf29ef6a9062f5c669fe997973f966045cb019c3f4b66/urllib3-2.3.0.tar.gz", hash = "sha256:f8c5449b3cf0861679ce7e0503c7b44b5ec981bec0d1d3795a07f1ba96f0204d", size = 307268, upload-time = "2024-12-22T07:47:30.032Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/c8/19/4ec628951a74043532ca2cf5d97b7b14863931476d117c471e8e2b1eb39f/urllib3-2.3.0-py3-none-any.whl", hash = "sha256:1cee9ad369867bfdbbb48b7dd50374c0967a0bb7710050facf0dd6911440e3df", size = 128369, upload-time = "2024-12-22T07:47:28.074Z" }, +] + +[[package]] +name = "virtualenv" +version = "20.29.2" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "distlib" }, + { name = "filelock" }, + { name = "platformdirs" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/f1/88/dacc875dd54a8acadb4bcbfd4e3e86df8be75527116c91d8f9784f5e9cab/virtualenv-20.29.2.tar.gz", hash = "sha256:fdaabebf6d03b5ba83ae0a02cfe96f48a716f4fae556461d180825866f75b728", size = 4320272, upload-time = "2025-02-10T19:03:53.117Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/93/fa/849483d56773ae29740ae70043ad88e068f98a6401aa819b5d6bee604683/virtualenv-20.29.2-py3-none-any.whl", hash = "sha256:febddfc3d1ea571bdb1dc0f98d7b45d24def7428214d4fb73cc486c9568cce6a", size = 4301478, upload-time = "2025-02-10T19:03:48.221Z" }, +] + +[[package]] +name = "werkzeug" +version = "3.1.3" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "markupsafe" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/9f/69/83029f1f6300c5fb2471d621ab06f6ec6b3324685a2ce0f9777fd4a8b71e/werkzeug-3.1.3.tar.gz", hash = "sha256:60723ce945c19328679790e3282cc758aa4a6040e4bb330f53d30fa546d44746", size = 806925, upload-time = "2024-11-08T15:52:18.093Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/52/24/ab44c871b0f07f491e5d2ad12c9bd7358e527510618cb1b803a88e986db1/werkzeug-3.1.3-py3-none-any.whl", hash = "sha256:54b78bf3716d19a65be4fceccc0d1d7b89e608834989dfae50ea87564639213e", size = 224498, upload-time = "2024-11-08T15:52:16.132Z" }, +] + +[[package]] +name = "wheel" +version = "0.45.1" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/8a/98/2d9906746cdc6a6ef809ae6338005b3f21bb568bea3165cfc6a243fdc25c/wheel-0.45.1.tar.gz", hash = "sha256:661e1abd9198507b1409a20c02106d9670b2576e916d58f520316666abca6729", size = 107545, upload-time = "2024-11-23T00:18:23.513Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/0b/2c/87f3254fd8ffd29e4c02732eee68a83a1d3c346ae39bc6822dcbcb697f2b/wheel-0.45.1-py3-none-any.whl", hash = "sha256:708e7481cc80179af0e556bbf0cc00b8444c7321e2700b8d8580231d13017248", size = 72494, upload-time = "2024-11-23T00:18:21.207Z" }, +] + +[[package]] +name = "wrapt" +version = "1.17.2" +source = { registry = "https://pypi.org/simple" } +sdist = { url = "https://files.pythonhosted.org/packages/c3/fc/e91cc220803d7bc4db93fb02facd8461c37364151b8494762cc88b0fbcef/wrapt-1.17.2.tar.gz", hash = "sha256:41388e9d4d1522446fe79d3213196bd9e3b301a336965b9e27ca2788ebd122f3", size = 55531, upload-time = "2025-01-14T10:35:45.465Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/ce/b9/0ffd557a92f3b11d4c5d5e0c5e4ad057bd9eb8586615cdaf901409920b14/wrapt-1.17.2-cp313-cp313-macosx_10_13_universal2.whl", hash = "sha256:6ed6ffac43aecfe6d86ec5b74b06a5be33d5bb9243d055141e8cabb12aa08125", size = 53800, upload-time = "2025-01-14T10:34:21.571Z" }, + { url = "https://files.pythonhosted.org/packages/c0/ef/8be90a0b7e73c32e550c73cfb2fa09db62234227ece47b0e80a05073b375/wrapt-1.17.2-cp313-cp313-macosx_10_13_x86_64.whl", hash = "sha256:35621ae4c00e056adb0009f8e86e28eb4a41a4bfa8f9bfa9fca7d343fe94f998", size = 38824, upload-time = "2025-01-14T10:34:22.999Z" }, + { url = "https://files.pythonhosted.org/packages/36/89/0aae34c10fe524cce30fe5fc433210376bce94cf74d05b0d68344c8ba46e/wrapt-1.17.2-cp313-cp313-macosx_11_0_arm64.whl", hash = "sha256:a604bf7a053f8362d27eb9fefd2097f82600b856d5abe996d623babd067b1ab5", size = 38920, upload-time = "2025-01-14T10:34:25.386Z" }, + { url = "https://files.pythonhosted.org/packages/3b/24/11c4510de906d77e0cfb5197f1b1445d4fec42c9a39ea853d482698ac681/wrapt-1.17.2-cp313-cp313-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:5cbabee4f083b6b4cd282f5b817a867cf0b1028c54d445b7ec7cfe6505057cf8", size = 88690, upload-time = "2025-01-14T10:34:28.058Z" }, + { url = "https://files.pythonhosted.org/packages/71/d7/cfcf842291267bf455b3e266c0c29dcb675b5540ee8b50ba1699abf3af45/wrapt-1.17.2-cp313-cp313-manylinux_2_5_i686.manylinux1_i686.manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:49703ce2ddc220df165bd2962f8e03b84c89fee2d65e1c24a7defff6f988f4d6", size = 80861, upload-time = "2025-01-14T10:34:29.167Z" }, + { url = "https://files.pythonhosted.org/packages/d5/66/5d973e9f3e7370fd686fb47a9af3319418ed925c27d72ce16b791231576d/wrapt-1.17.2-cp313-cp313-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:8112e52c5822fc4253f3901b676c55ddf288614dc7011634e2719718eaa187dc", size = 89174, upload-time = "2025-01-14T10:34:31.702Z" }, + { url = "https://files.pythonhosted.org/packages/a7/d3/8e17bb70f6ae25dabc1aaf990f86824e4fd98ee9cadf197054e068500d27/wrapt-1.17.2-cp313-cp313-musllinux_1_2_aarch64.whl", hash = "sha256:9fee687dce376205d9a494e9c121e27183b2a3df18037f89d69bd7b35bcf59e2", size = 86721, upload-time = "2025-01-14T10:34:32.91Z" }, + { url = "https://files.pythonhosted.org/packages/6f/54/f170dfb278fe1c30d0ff864513cff526d624ab8de3254b20abb9cffedc24/wrapt-1.17.2-cp313-cp313-musllinux_1_2_i686.whl", hash = "sha256:18983c537e04d11cf027fbb60a1e8dfd5190e2b60cc27bc0808e653e7b218d1b", size = 79763, upload-time = "2025-01-14T10:34:34.903Z" }, + { url = "https://files.pythonhosted.org/packages/4a/98/de07243751f1c4a9b15c76019250210dd3486ce098c3d80d5f729cba029c/wrapt-1.17.2-cp313-cp313-musllinux_1_2_x86_64.whl", hash = "sha256:703919b1633412ab54bcf920ab388735832fdcb9f9a00ae49387f0fe67dad504", size = 87585, upload-time = "2025-01-14T10:34:36.13Z" }, + { url = "https://files.pythonhosted.org/packages/f9/f0/13925f4bd6548013038cdeb11ee2cbd4e37c30f8bfd5db9e5a2a370d6e20/wrapt-1.17.2-cp313-cp313-win32.whl", hash = "sha256:abbb9e76177c35d4e8568e58650aa6926040d6a9f6f03435b7a522bf1c487f9a", size = 36676, upload-time = "2025-01-14T10:34:37.962Z" }, + { url = "https://files.pythonhosted.org/packages/bf/ae/743f16ef8c2e3628df3ddfd652b7d4c555d12c84b53f3d8218498f4ade9b/wrapt-1.17.2-cp313-cp313-win_amd64.whl", hash = "sha256:69606d7bb691b50a4240ce6b22ebb319c1cfb164e5f6569835058196e0f3a845", size = 38871, upload-time = "2025-01-14T10:34:39.13Z" }, + { url = "https://files.pythonhosted.org/packages/3d/bc/30f903f891a82d402ffb5fda27ec1d621cc97cb74c16fea0b6141f1d4e87/wrapt-1.17.2-cp313-cp313t-macosx_10_13_universal2.whl", hash = "sha256:4a721d3c943dae44f8e243b380cb645a709ba5bd35d3ad27bc2ed947e9c68192", size = 56312, upload-time = "2025-01-14T10:34:40.604Z" }, + { url = "https://files.pythonhosted.org/packages/8a/04/c97273eb491b5f1c918857cd26f314b74fc9b29224521f5b83f872253725/wrapt-1.17.2-cp313-cp313t-macosx_10_13_x86_64.whl", hash = "sha256:766d8bbefcb9e00c3ac3b000d9acc51f1b399513f44d77dfe0eb026ad7c9a19b", size = 40062, upload-time = "2025-01-14T10:34:45.011Z" }, + { url = "https://files.pythonhosted.org/packages/4e/ca/3b7afa1eae3a9e7fefe499db9b96813f41828b9fdb016ee836c4c379dadb/wrapt-1.17.2-cp313-cp313t-macosx_11_0_arm64.whl", hash = "sha256:e496a8ce2c256da1eb98bd15803a79bee00fc351f5dfb9ea82594a3f058309e0", size = 40155, upload-time = "2025-01-14T10:34:47.25Z" }, + { url = "https://files.pythonhosted.org/packages/89/be/7c1baed43290775cb9030c774bc53c860db140397047cc49aedaf0a15477/wrapt-1.17.2-cp313-cp313t-manylinux_2_17_aarch64.manylinux2014_aarch64.whl", hash = "sha256:40d615e4fe22f4ad3528448c193b218e077656ca9ccb22ce2cb20db730f8d306", size = 113471, upload-time = "2025-01-14T10:34:50.934Z" }, + { url = "https://files.pythonhosted.org/packages/32/98/4ed894cf012b6d6aae5f5cc974006bdeb92f0241775addad3f8cd6ab71c8/wrapt-1.17.2-cp313-cp313t-manylinux_2_5_i686.manylinux1_i686.manylinux_2_17_i686.manylinux2014_i686.whl", hash = "sha256:a5aaeff38654462bc4b09023918b7f21790efb807f54c000a39d41d69cf552cb", size = 101208, upload-time = "2025-01-14T10:34:52.297Z" }, + { url = "https://files.pythonhosted.org/packages/ea/fd/0c30f2301ca94e655e5e057012e83284ce8c545df7661a78d8bfca2fac7a/wrapt-1.17.2-cp313-cp313t-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_17_x86_64.manylinux2014_x86_64.whl", hash = "sha256:9a7d15bbd2bc99e92e39f49a04653062ee6085c0e18b3b7512a4f2fe91f2d681", size = 109339, upload-time = "2025-01-14T10:34:53.489Z" }, + { url = "https://files.pythonhosted.org/packages/75/56/05d000de894c4cfcb84bcd6b1df6214297b8089a7bd324c21a4765e49b14/wrapt-1.17.2-cp313-cp313t-musllinux_1_2_aarch64.whl", hash = "sha256:e3890b508a23299083e065f435a492b5435eba6e304a7114d2f919d400888cc6", size = 110232, upload-time = "2025-01-14T10:34:55.327Z" }, + { url = "https://files.pythonhosted.org/packages/53/f8/c3f6b2cf9b9277fb0813418e1503e68414cd036b3b099c823379c9575e6d/wrapt-1.17.2-cp313-cp313t-musllinux_1_2_i686.whl", hash = "sha256:8c8b293cd65ad716d13d8dd3624e42e5a19cc2a2f1acc74b30c2c13f15cb61a6", size = 100476, upload-time = "2025-01-14T10:34:58.055Z" }, + { url = "https://files.pythonhosted.org/packages/a7/b1/0bb11e29aa5139d90b770ebbfa167267b1fc548d2302c30c8f7572851738/wrapt-1.17.2-cp313-cp313t-musllinux_1_2_x86_64.whl", hash = "sha256:4c82b8785d98cdd9fed4cac84d765d234ed3251bd6afe34cb7ac523cb93e8b4f", size = 106377, upload-time = "2025-01-14T10:34:59.3Z" }, + { url = "https://files.pythonhosted.org/packages/6a/e1/0122853035b40b3f333bbb25f1939fc1045e21dd518f7f0922b60c156f7c/wrapt-1.17.2-cp313-cp313t-win32.whl", hash = "sha256:13e6afb7fe71fe7485a4550a8844cc9ffbe263c0f1a1eea569bc7091d4898555", size = 37986, upload-time = "2025-01-14T10:35:00.498Z" }, + { url = "https://files.pythonhosted.org/packages/09/5e/1655cf481e079c1f22d0cabdd4e51733679932718dc23bf2db175f329b76/wrapt-1.17.2-cp313-cp313t-win_amd64.whl", hash = "sha256:eaf675418ed6b3b31c7a989fd007fa7c3be66ce14e5c3b27336383604c9da85c", size = 40750, upload-time = "2025-01-14T10:35:03.378Z" }, + { url = "https://files.pythonhosted.org/packages/2d/82/f56956041adef78f849db6b289b282e72b55ab8045a75abad81898c28d19/wrapt-1.17.2-py3-none-any.whl", hash = "sha256:b18f2d1533a71f069c7f82d524a52599053d4c7166e9dd374ae2136b7f40f7c8", size = 23594, upload-time = "2025-01-14T10:35:44.018Z" }, +] + +[[package]] +name = "xgboost" +version = "2.1.4" +source = { registry = "https://pypi.org/simple" } +dependencies = [ + { name = "numpy" }, + { name = "nvidia-nccl-cu12", marker = "platform_machine != 'aarch64' and sys_platform == 'linux'" }, + { name = "scipy" }, +] +sdist = { url = "https://files.pythonhosted.org/packages/e2/5e/860a1ef13ce38db8c257c83e138be64bcffde8f401e84bf1e2e91838afa3/xgboost-2.1.4.tar.gz", hash = "sha256:ab84c4bbedd7fae1a26f61e9dd7897421d5b08454b51c6eb072abc1d346d08d7", size = 1091127, upload-time = "2025-02-06T18:18:20.192Z" } +wheels = [ + { url = "https://files.pythonhosted.org/packages/b6/fe/7a1d2342c2e93f22b41515e02b73504c7809247b16ae395bd2ee7ef11e19/xgboost-2.1.4-py3-none-macosx_10_15_x86_64.macosx_11_0_x86_64.macosx_12_0_x86_64.whl", hash = "sha256:78d88da184562deff25c820d943420342014dd55e0f4c017cc4563c2148df5ee", size = 2140692, upload-time = "2025-02-06T18:16:59.23Z" }, + { url = "https://files.pythonhosted.org/packages/f5/b6/653a70910739f127adffbefb688ebc22b51139292757de7c22b1e04ce792/xgboost-2.1.4-py3-none-macosx_12_0_arm64.whl", hash = "sha256:523db01d4e74b05c61a985028bde88a4dd380eadc97209310621996d7d5d14a7", size = 1939418, upload-time = "2025-02-06T18:17:02.494Z" }, + { url = "https://files.pythonhosted.org/packages/43/06/905fee34c10fb0d0c3baa15106413b76f360d8e958765ec57c9eddf762fa/xgboost-2.1.4-py3-none-manylinux2014_aarch64.whl", hash = "sha256:57c7e98111aceef4b689d7d2ce738564a1f7fe44237136837a47847b8b33bade", size = 4442052, upload-time = "2025-02-06T18:17:04.029Z" }, + { url = "https://files.pythonhosted.org/packages/f8/6a/41956f91ab984f2fa44529b2551d825a20d33807eba051a60d06ede2a87c/xgboost-2.1.4-py3-none-manylinux2014_x86_64.whl", hash = "sha256:f1343a512e634822eab30d300bfc00bf777dc869d881cc74854b42173cfcdb14", size = 4533170, upload-time = "2025-02-06T18:17:05.753Z" }, + { url = "https://files.pythonhosted.org/packages/b1/53/37032dca20dae7a88ad1907f817a81f232ca6e935f0c28c98db3c0a0bd22/xgboost-2.1.4-py3-none-manylinux_2_28_aarch64.whl", hash = "sha256:d366097d0db047315736f46af852feaa907f6d7371716af741cdce488ae36d20", size = 4206715, upload-time = "2025-02-06T18:17:08.448Z" }, + { url = "https://files.pythonhosted.org/packages/e4/3c/e3a93bfa7e8693c825df5ec02a40f7ff5f0950e02198b1e85da9315a8d47/xgboost-2.1.4-py3-none-manylinux_2_28_x86_64.whl", hash = "sha256:8df6da72963969ab2bf49a520c3e147b1e15cbeddd3aa0e3e039b3532c739339", size = 223642416, upload-time = "2025-02-06T18:17:25.08Z" }, + { url = "https://files.pythonhosted.org/packages/43/80/0b5a2dfcf5b4da27b0b68d2833f05d77e1a374d43db951fca200a1f12a52/xgboost-2.1.4-py3-none-win_amd64.whl", hash = "sha256:8bbfe4fedc151b83a52edbf0de945fd94358b09a81998f2945ad330fd5f20cd6", size = 124910381, upload-time = "2025-02-06T18:17:43.202Z" }, +] diff --git a/web_programming/README.md b/web_programming/README.md index 8295682f..dd353057 100644 --- a/web_programming/README.md +++ b/web_programming/README.md @@ -1,3 +1,3 @@ ## Web Programming -Topik Selanjutnya: Coming Soon \ No newline at end of file +Topik Selanjutnya: Coming Soon diff --git a/web_programming/covid_stat_xpath.py b/web_programming/covid_stat_xpath.py new file mode 100644 index 00000000..4d3cb24a --- /dev/null +++ b/web_programming/covid_stat_xpath.py @@ -0,0 +1,18 @@ +# fetching covid 19 dari wordlmeters menggunakan lxml +from collections import namedtuple + +import requests +from lxml import html # type: ignore + +covid_data = namedtuple("covid_data", "cases deaths recovered") + + +def covid_stats(url: str = "https://www.worldometers.info/coronavirus/") -> covid_data: + xpath_str = '//div[@class = "maincounter-number"]/span/text()' + return covid_data(*html.fromstring(requests.get(url).content).xpath(xpath_str)) + + +fmt = """total kasus covid 18 di dunia: {} +total kematian akibat covid di dunia: {} +total sembuh dari covid : {}""" +print(fmt.format(*covid_stats())) diff --git a/web_programming/emisi_co2.py b/web_programming/emisi_co2.py new file mode 100644 index 00000000..be7c9413 --- /dev/null +++ b/web_programming/emisi_co2.py @@ -0,0 +1,25 @@ +# contoh sederhana emisi CO2 dari sebuah negara inggris +# yang menggunakan API dari https://api.carbonintensity.org.uk + +from datetime import date + +import requests + +BASE_URL = "https://api.carbonintensity.org.uk/intensity" + + +# emisi dalam setengah jam terakhir +def emisi_stngh_jam() -> str: + setengah_jam = requests.get(BASE_URL).json()["data"][0] + return setengah_jam["intensity"]["actual"] + + +# emisi dalam waktu spesifik +def emisi(start, end) -> list: + return requests.get(f"{BASE_URL}/{start}/{end}").json()["data"] + + +if __name__ == "__main__": + for entry in emisi(start=date(2020, 10, 1), end=date(2020, 10, 3)): + print("dari {from} ke {to}: {intensity[actual]}".format(**entry)) + print(f"{emisi_stngh_jam()}") diff --git a/web_programming/get_random_quote.py b/web_programming/get_random_quote.py new file mode 100644 index 00000000..9ca7ac38 --- /dev/null +++ b/web_programming/get_random_quote.py @@ -0,0 +1,32 @@ +import json + +import requests + + +def get_random_quote(): + # Fungsi ini akan mengambil quote secara random dari API Quotable + # dan mengembalikan quote yang diambil. + # + # Link repository API Quotable: + # https://github.com/lukePeavey/quotable + url = "https://api.quotable.io/random" + r = requests.get(url) + quote = json.loads(r.text) + return quote + + +def main(): + import os + + quote = get_random_quote() + + # clear screen + os.system("cls" if os.name == "nt" else "clear") + print(f"\n\n{quote['content']} - {quote['author']}") + + if input("\n\nKetik 'y' untuk coba lagi: ") == "y": + main() + + +if __name__ == "__main__": + main()