Menggunakan Pandas untuk Manipulasi Data di Python – Bagian 1

Published by Fazry on

1. Pendahuluan

Pandas adalah library open-source yang sangat populer dalam bahasa pemrograman Python, digunakan secara luas untuk analisis dan manipulasi data. Library ini menyediakan struktur data yang fleksibel dan intuitif, yaitu DataFrame dan Series, yang memungkinkan pengguna untuk bekerja dengan data yang terstruktur dengan cara yang efisien dan mudah dipahami. Dikembangkan oleh Wes McKinney pada tahun 2008, Pandas telah menjadi alat yang penting bagi para ilmuwan data, analis bisnis, dan pengembang perangkat lunak dalam menjalankan berbagai tugas analisis data.

Daftar Isi

Pandas sangat penting untuk manipulasi data di Python karena beberapa alasan utama. Pertama, Pandas menyediakan berbagai fungsi untuk membaca, menulis, dan memanipulasi data dari berbagai sumber seperti file CSV, Excel, database SQL, dan lainnya. Kemampuan ini memungkinkan pengguna untuk mengakses dan mengintegrasikan data dari berbagai format dengan mudah. Kedua, Pandas memungkinkan manipulasi data dengan cara yang efisien, termasuk penyaringan, penggabungan, dan agregasi data. Fitur ini sangat penting dalam analisis data yang membutuhkan transformasi dan pembersihan data sebelum dapat digunakan untuk analisis lebih lanjut atau visualisasi.

Selain itu, Pandas dirancang untuk menangani dataset besar yang mungkin tidak muat dalam memori. Library ini juga kompatibel dengan banyak library lain di ekosistem Python, seperti NumPy, Matplotlib, dan Scikit-Learn, yang memperluas fungsionalitasnya dalam analisis data. Dengan Pandas, pengguna dapat melakukan operasi kompleks pada data dengan sintaks yang sederhana dan dapat dibaca, yang tidak hanya meningkatkan produktivitas tetapi juga meminimalkan kemungkinan kesalahan dalam kode.

Dalam tutorial ini, kita akan mempelajari dasar-dasar Pandas, mulai dari instalasi hingga berbagai teknik manipulasi data yang sering digunakan. Tujuannya adalah untuk memberikan pemahaman yang komprehensif tentang bagaimana Pandas dapat digunakan untuk memudahkan dan mempercepat proses analisis data di berbagai aplikasi nyata.

2. Persiapan Lingkungan Pengembangan

Sebelum kita mulai menggunakan Pandas untuk manipulasi data, langkah pertama yang perlu dilakukan adalah menginstal Pandas dan library terkait lainnya. Pandas dapat diinstal dengan mudah menggunakan package manager seperti pip atau conda. Untuk menginstal Pandas dengan pip, cukup jalankan perintah berikut di terminal atau command prompt:

pip install pandas

Jika Anda menggunakan Anaconda, yang merupakan distribusi Python yang populer untuk data science, Anda dapat menggunakan conda untuk menginstal Pandas:

conda install pandas

Selain Pandas, mungkin Anda juga ingin menginstal library terkait lainnya seperti NumPy untuk operasi numerik dan Matplotlib atau Seaborn untuk visualisasi data. Semua library ini dapat diinstal dengan pip atau conda menggunakan perintah yang serupa.

Setelah menginstal Pandas dan library terkait, langkah berikutnya adalah mengatur lingkungan pengembangan. Ada beberapa opsi yang bisa Anda pilih, tergantung pada preferensi dan kebutuhan Anda. IDE seperti PyCharm atau Visual Studio Code (VS Code) sangat cocok untuk pengembangan skala besar dan menyediakan banyak fitur yang berguna untuk debugging dan pengelolaan proyek. Untuk menginstal Jupyter Notebook, yang merupakan alat yang sangat populer di kalangan data scientist untuk eksperimen data interaktif, Anda bisa menggunakan perintah:

pip install notebook

atau

conda install jupyter

Jupyter Notebook memungkinkan Anda untuk menulis dan menjalankan kode Python di dalam browser, membuatnya sangat nyaman untuk analisis data interaktif. Alternatif lain adalah menggunakan Google Colab, platform berbasis web yang menyediakan notebook Jupyter secara online dan gratis. Google Colab tidak memerlukan instalasi lokal dan menyediakan akses ke GPU untuk mempercepat komputasi.

Setelah lingkungan pengembangan Anda siap, langkah terakhir adalah memverifikasi instalasi Pandas untuk memastikan semuanya berfungsi dengan baik. Anda bisa melakukannya dengan membuka Jupyter Notebook atau IDE pilihan Anda dan menjalankan beberapa baris kode sederhana untuk mengimpor Pandas dan memeriksa versinya:

import pandas as pd
print(pd.__version__)Code language: JavaScript (javascript)

Jika Pandas berhasil diimpor dan versi ditampilkan tanpa error, berarti instalasi Anda telah berhasil dan Anda siap untuk mulai menggunakan Pandas. Langkah-langkah ini memastikan bahwa Anda memiliki semua alat yang diperlukan untuk mengikuti tutorial ini dan memaksimalkan manfaat dari Pandas dalam analisis dan manipulasi data.

3. Memahami DataFrame dan Series

A. Pengertian DataFrame dan Series

Pandas adalah library yang sangat kuat untuk analisis dan manipulasi data di Python, dan dua struktur data utamanya adalah Series dan DataFrame. Memahami kedua struktur data ini sangat penting untuk memanfaatkan Pandas secara maksimal.

Series adalah struktur data satu dimensi yang mirip dengan array, list, atau kolom dalam tabel database. Setiap elemen dalam Series memiliki label, yang disebut indeks. Ini memungkinkan akses cepat dan manipulasi data. Sebagai contoh, Series dapat digunakan untuk menyimpan data waktu, harga saham, atau nilai dari suatu variabel tunggal. Series dapat dibuat dari berbagai jenis data seperti list, array NumPy, atau bahkan scalar. Berikut adalah contoh sederhana membuat Series:

import pandas as pd

data = [10, 20, 30, 40, 50]
series = pd.Series(data)
print(series)Code language: JavaScript (javascript)

Output dari kode di atas adalah:

0    10
1    20
2    30
3    40
4    50
dtype: int64

Setiap nilai dalam Series diindeks secara otomatis dari 0 hingga n-1, di mana n adalah jumlah elemen dalam Series. Indeks ini bisa disesuaikan dengan label lain sesuai kebutuhan.

DataFrame adalah struktur data dua dimensi yang menyerupai tabel data dengan baris dan kolom. DataFrame adalah kumpulan dari Series yang berbagi indeks yang sama. DataFrame sangat fleksibel dan dapat digunakan untuk menyimpan dan mengelola data dalam jumlah besar yang terstruktur, seperti dataset tabular dari file CSV, tabel SQL, atau data lainnya. Berikut adalah contoh sederhana membuat DataFrame:

data = {
    'Name': ['Alice', 'Bob', 'Charlie'],
    'Age': [25, 30, 35],
    'City': ['New York', 'San Francisco', 'Los Angeles']
}

df = pd.DataFrame(data)
print(df)Code language: PHP (php)

Output dari kode di atas adalah:

      Name  Age           City
0    Alice   25       New York
1      Bob   30  San Francisco
2  Charlie   35    Los AngelesCode language: PHP (php)

Di sini, data adalah dictionary di mana setiap kunci merupakan nama kolom dan setiap nilai adalah list yang berisi data untuk kolom tersebut. DataFrame juga mendukung berbagai operasi seperti pengindeksan, filtering, dan agregasi yang memudahkan manipulasi dan analisis data.

Dalam rangkaian tutorial ini, kita akan sering menggunakan Series dan DataFrame untuk berbagai operasi data, termasuk pembacaan, pembersihan, analisis, dan visualisasi data. Dengan pemahaman yang kuat tentang struktur dasar ini, Anda akan lebih siap untuk mengeksplorasi kemampuan Pandas lebih lanjut.

B. Membuat DataFrame dan Series dari Berbagai Sumber

Pandas memudahkan kita untuk membuat Series dan DataFrame dari berbagai sumber data seperti list, dictionary, file CSV, dan Excel. Kemampuan ini sangat penting karena data sering kali tersedia dalam berbagai format dan kita perlu dapat mengimpor dan memprosesnya dengan mudah.

  1. Membuat Series dari List dan Dictionary: Membuat Series dari list sangat mudah. Berikut adalah contohnya:
   import pandas as pd

   data_list = [1, 2, 3, 4, 5]
   series_from_list = pd.Series(data_list)
   print(series_from_list)Code language: JavaScript (javascript)

Output:

   0    1
   1    2
   2    3
   3    4
   4    5
   dtype: int64

Selain list, kita juga bisa membuat Series dari dictionary:

   data_dict = {'a': 1, 'b': 2, 'c': 3}
   series_from_dict = pd.Series(data_dict)
   print(series_from_dict)Code language: PHP (php)

Output:

   a    1
   b    2
   c    3
   dtype: int64

Dalam contoh ini, kunci dictionary menjadi indeks dari Series.

  1. Membuat DataFrame dari List dan Dictionary: Kita dapat membuat DataFrame dari list of lists atau list of dictionaries. Contoh berikut menunjukkan cara membuat DataFrame dari list of lists:
   data_list_of_lists = [[1, 'Alice', 25], [2, 'Bob', 30], [3, 'Charlie', 35]]
   df_from_list = pd.DataFrame(data_list_of_lists, columns=['ID', 'Name', 'Age'])
   print(df_from_list)Code language: PHP (php)

Output:

      ID     Name  Age
   0   1    Alice   25
   1   2      Bob   30
   2   3  Charlie   35

Membuat DataFrame dari dictionary juga sangat umum:

   data_dict = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
   df_from_dict = pd.DataFrame(data_dict)
   print(df_from_dict)Code language: PHP (php)

Output:

        Name  Age
   0    Alice   25
   1      Bob   30
   2  Charlie   35
  1. Membuat DataFrame dari File CSV: CSV adalah format file yang umum digunakan untuk menyimpan data tabular. Pandas menyediakan fungsi read_csv untuk membaca file CSV dan mengubahnya menjadi DataFrame. Berikut adalah contohnya:
   df_from_csv = pd.read_csv('path/to/your/file.csv')
   print(df_from_csv)Code language: PHP (php)

Dalam contoh ini, Pandas akan membaca file CSV yang terletak di path/to/your/file.csv dan mengembalikan DataFrame.

  1. Membuat DataFrame dari File Excel: Selain CSV, data juga sering disimpan dalam format Excel. Pandas menyediakan fungsi read_excel untuk membaca file Excel. Contoh berikut menunjukkan cara membaca data dari file Excel:
   df_from_excel = pd.read_excel('path/to/your/file.xlsx')
   print(df_from_excel)Code language: PHP (php)

Anda juga dapat membaca sheet tertentu dengan menambahkan parameter sheet_name:

   df_from_excel = pd.read_excel('path/to/your/file.xlsx', sheet_name='Sheet1')
   print(df_from_excel)Code language: PHP (php)

Dengan kemampuan untuk membuat Series dan DataFrame dari berbagai sumber data, Pandas menawarkan fleksibilitas yang luar biasa dalam mengelola dan memanipulasi data. Hal ini memungkinkan Anda untuk bekerja dengan data dalam berbagai format dan mempersiapkannya untuk analisis lebih lanjut.

C. Operasi Dasar pada DataFrame dan Series

Pandas menyediakan berbagai operasi dasar yang dapat dilakukan pada DataFrame dan Series untuk memanipulasi dan menganalisis data. Berikut adalah beberapa operasi dasar yang sering digunakan:

  1. Mengakses Data: Untuk mengakses data dalam Series, Anda dapat menggunakan indeks atau label:
   import pandas as pd

   series = pd.Series([10, 20, 30], index=['a', 'b', 'c'])
   print(series['a'])  # Output: 10
   print(series[1])    # Output: 20Code language: PHP (php)

Untuk DataFrame, Anda dapat menggunakan nama kolom untuk mengakses kolom tertentu:

   data = {'Name': ['Alice', 'Bob', 'Charlie'], 'Age': [25, 30, 35]}
   df = pd.DataFrame(data)
   print(df['Name'])  # Output: Series dengan data 'Alice', 'Bob', 'Charlie'Code language: PHP (php)

Anda juga dapat mengakses baris tertentu dengan menggunakan metode loc dan iloc:

   print(df.loc[0])   # Output: Baris pertama dengan label
   print(df.iloc[1])  # Output: Baris kedua berdasarkan posisiCode language: CSS (css)
  1. Mengubah Data: Mengubah data dalam Series dan DataFrame sangat mudah. Anda cukup menggunakan indeks atau label untuk menentukan lokasi elemen yang ingin diubah:
   series['a'] = 15
   print(series)  # Output: Series dengan 'a' berubah menjadi 15

   df.at[0, 'Name'] = 'Alex'
   print(df)  # Output: DataFrame dengan nama pada baris pertama berubah menjadi 'Alex'Code language: PHP (php)
  1. Menambahkan dan Menghapus Data: Menambahkan data ke Series dan DataFrame juga dapat dilakukan dengan mudah. Anda bisa menambahkan elemen baru ke Series:
   series['d'] = 40
   print(series)  # Output: Series dengan elemen baru 'd' = 40Code language: PHP (php)

Untuk menambahkan kolom atau baris baru ke DataFrame:

   df['Salary'] = [50000, 60000, 70000]  # Menambahkan kolom baru
   print(df)

   df.loc[3] = ['David', 40, 80000]  # Menambahkan baris baru
   print(df)Code language: PHP (php)

Menghapus data dari Series dan DataFrame dapat dilakukan dengan metode drop:

   series = series.drop('d')
   print(series)  # Output: Series tanpa elemen 'd'

   df = df.drop(3)  # Menghapus baris ke-4
   print(df)Code language: PHP (php)
  1. Operasi Matematika: Pandas mendukung berbagai operasi matematika pada Series dan DataFrame. Operasi ini dilakukan secara elemen-wise dan sangat berguna untuk analisis data:
   series2 = pd.Series([1, 2, 3], index=['a', 'b', 'c'])
   result = series + series2
   print(result)  # Output: Penjumlahan elemen-wise SeriesCode language: PHP (php)

Untuk DataFrame, operasi matematika juga bisa dilakukan antar kolom:

   df['Double Age'] = df['Age'] * 2
   print(df)  # Output: DataFrame dengan kolom baru 'Double Age'Code language: PHP (php)
  1. Menggunakan Fungsi Agregasi: Fungsi agregasi seperti sum(), mean(), min(), dan max() sangat berguna untuk mendapatkan ringkasan statistik dari data:
   print(df['Age'].sum())   # Output: Jumlah total usia
   print(df['Salary'].mean())  # Output: Rata-rata gajiCode language: CSS (css)
  1. Mengubah Bentuk Data: Reshaping atau mengubah bentuk DataFrame adalah operasi yang sering dilakukan dalam analisis data. Metode seperti pivot(), melt(), dan transpose() sangat berguna untuk tugas ini:
   df_transposed = df.T
   print(df_transposed)  # Output: DataFrame yang ditransposisiCode language: PHP (php)

Operasi dasar ini membentuk dasar dari banyak manipulasi data yang lebih kompleks. Dengan pemahaman yang baik tentang bagaimana mengakses, mengubah, menambahkan, dan menghapus data dalam Pandas, serta menggunakan operasi matematika dan fungsi agregasi, Anda dapat dengan mudah memanipulasi dataset untuk memenuhi kebutuhan analisis Anda.

D. Menyimpan DataFrame ke Format CSV dan Excel

Pandas menyediakan metode yang sangat mudah digunakan untuk menyimpan DataFrame ke berbagai format file seperti CSV dan Excel. Hal ini sangat berguna ketika Anda ingin membagikan, menyimpan, atau memproses lebih lanjut data yang telah Anda manipulasi.

  1. Menyimpan DataFrame ke Format CSV: Format CSV (Comma Separated Values) adalah salah satu format file yang paling umum digunakan untuk menyimpan data tabular. Untuk menyimpan DataFrame ke file CSV, Anda dapat menggunakan metode to_csv() yang disediakan oleh Pandas.
   import pandas as pd

   # Membuat DataFrame sederhana
   data = {
       'Name': ['Alice', 'Bob', 'Charlie'],
       'Age': [25, 30, 35],
       'City': ['New York', 'Los Angeles', 'Chicago']
   }
   df = pd.DataFrame(data)

   # Menyimpan DataFrame ke file CSV
   df.to_csv('output.csv', index=False)Code language: PHP (php)

Pada contoh di atas, DataFrame df disimpan ke file output.csv di direktori kerja saat ini. Argumen index=False digunakan untuk tidak menyimpan indeks DataFrame sebagai kolom di file CSV. Jika Anda ingin menyertakan indeks, Anda bisa menghilangkan argumen ini atau mengaturnya ke True.

  1. Menyimpan DataFrame ke Format Excel: Format Excel juga sangat populer, terutama dalam lingkungan bisnis, untuk menyimpan dan menganalisis data. Pandas menyediakan metode to_excel() untuk menyimpan DataFrame ke file Excel. Untuk menggunakan metode ini, Anda perlu memastikan bahwa modul openpyxl (untuk file .xlsx) atau xlwt (untuk file .xls) telah terinstal.
   # Menyimpan DataFrame ke file Excel
   df.to_excel('output.xlsx', index=False, sheet_name='Sheet1')Code language: PHP (php)

Pada contoh di atas, DataFrame df disimpan ke file output.xlsx dengan nama sheet ‘Sheet1’. Sama seperti pada metode to_csv(), argumen index=False digunakan untuk menghilangkan indeks DataFrame dari file Excel.

  1. Mengatur Opsi Penyimpanan: Baik metode to_csv() maupun to_excel() memungkinkan Anda untuk mengatur berbagai opsi tambahan untuk penyesuaian lebih lanjut. Misalnya, Anda bisa menentukan delimiter khusus untuk file CSV atau mengatur format sel khusus untuk file Excel.
   # Menyimpan DataFrame ke file CSV dengan delimiter ';'
   df.to_csv('output_semicolon.csv', index=False, sep=';')

   # Menyimpan DataFrame ke file Excel dengan pengaturan format tanggal
   df['Date'] = pd.to_datetime(['2023-01-01', '2023-02-01', '2023-03-01'])
   df.to_excel('output_with_date.xlsx', index=False, date_format='YYYY-MM-DD')Code language: PHP (php)

Contoh di atas menunjukkan bagaimana mengubah delimiter menjadi ‘;’ untuk file CSV dan mengatur format tanggal untuk file Excel.

Dengan kemampuan untuk menyimpan DataFrame ke berbagai format file, Pandas memberikan fleksibilitas yang besar dalam hal penyimpanan dan pertukaran data. Ini memungkinkan Anda untuk dengan mudah beralih antara analisis di lingkungan Python dan berbagai alat lain yang mendukung format CSV atau Excel.

E. Menangani Missing Data Saat Membaca File

Dalam analisis data, seringkali kita dihadapkan pada situasi di mana data yang kita baca dari file memiliki nilai yang hilang (missing values). Nilai yang hilang bisa menyebabkan masalah dalam analisis jika tidak ditangani dengan benar. Pandas menyediakan beberapa cara untuk menangani missing data saat membaca file.

  1. Mendeteksi Missing Data: Ketika Anda membaca file seperti CSV atau Excel ke dalam DataFrame menggunakan pd.read_csv() atau pd.read_excel(), Pandas secara otomatis mendeteksi dan mengatur nilai yang hilang sebagai NaN (Not a Number). Contoh berikut menunjukkan bagaimana Pandas membaca file CSV yang memiliki missing data:
   import pandas as pd

   # Membaca file CSV
   df = pd.read_csv('data_with_missing_values.csv')

   # Menampilkan DataFrame
   print(df)Code language: PHP (php)

Output:

      Name   Age      City
   0  Alice  25.0   New York
   1    Bob   NaN  Los Angeles
   2 Charlie  35.0   ChicagoCode language: CSS (css)

Dalam contoh ini, kita melihat bahwa nilai Age untuk Bob adalah NaN, menunjukkan bahwa data tersebut hilang.

  1. Mengisi Missing Data (Imputation): Salah satu cara untuk menangani missing data adalah dengan mengisi nilai yang hilang menggunakan metode tertentu. Misalnya, Anda bisa mengisi nilai yang hilang dengan nilai rata-rata, nilai median, atau nilai tertentu lainnya. Pandas menyediakan metode fillna() untuk tujuan ini.
   # Mengisi missing data dengan nilai tertentu (misalnya 0)
   df_filled = df.fillna(0)

   # Mengisi missing data dengan nilai rata-rata dari kolom
   df_filled_mean = df.fillna(df.mean())Code language: PHP (php)

Dengan menggunakan fillna(0), semua nilai yang hilang diisi dengan 0. Alternatifnya, fillna(df.mean()) akan mengisi nilai yang hilang dengan rata-rata dari setiap kolom.

  1. Menghapus Missing Data: Jika jumlah missing data terlalu besar atau pengisian nilai yang hilang tidak sesuai, Anda bisa memilih untuk menghapus baris atau kolom yang memiliki missing data menggunakan metode dropna().
   # Menghapus baris yang memiliki missing data
   df_dropped_rows = df.dropna()

   # Menghapus kolom yang memiliki missing data
   df_dropped_columns = df.dropna(axis=1)Code language: PHP (php)

dropna() tanpa argumen akan menghapus semua baris yang memiliki setidaknya satu nilai yang hilang. Dengan argumen axis=1, Pandas akan menghapus kolom yang memiliki nilai yang hilang.

  1. Mengatur Nilai Missing Data Saat Membaca File: Anda juga bisa mengatur bagaimana Pandas menangani missing data saat membaca file. Misalnya, Anda bisa menentukan nilai tertentu yang harus dianggap sebagai missing data menggunakan argumen na_values di pd.read_csv() atau pd.read_excel().
   # Menganggap nilai tertentu sebagai missing data
   df = pd.read_csv('data.csv', na_values=['NA', 'N/A', 'Missing'])Code language: PHP (php)

Dalam contoh ini, nilai-nilai ‘NA’, ‘N/A’, dan ‘Missing’ dalam file CSV akan dianggap sebagai missing data (NaN).

Dengan menggunakan metode-metode ini, Anda dapat menangani missing data dengan lebih efektif, sehingga analisis data Anda menjadi lebih akurat dan andal. Penanganan missing data yang tepat adalah langkah penting dalam memastikan bahwa hasil analisis Anda tidak bias atau menyesatkan.

4. Seleksi dan Indeksasi Data

A. Seleksi Data Menggunakan Label (loc) dan Posisi (iloc)

Seleksi dan indeksasi data adalah keterampilan dasar yang sangat penting dalam analisis data menggunakan Pandas. Dua metode utama yang digunakan untuk seleksi data adalah loc dan iloc. Kedua metode ini memungkinkan kita untuk mengakses data dalam DataFrame berdasarkan label atau posisi.

  1. Seleksi Data Menggunakan Label (loc): Metode loc digunakan untuk seleksi data berdasarkan label dari indeks atau kolom. Ini sangat berguna ketika Anda ingin mengakses data dengan nama baris atau kolom yang spesifik. Berikut adalah contoh penggunaan loc:
   import pandas as pd

   # Membuat DataFrame contoh
   data = {
       'Name': ['Alice', 'Bob', 'Charlie'],
       'Age': [25, 30, 35],
       'City': ['New York', 'Los Angeles', 'Chicago']
   }
   df = pd.DataFrame(data)

   # Seleksi data menggunakan label
   alice_data = df.loc[0]  # Mengakses baris pertama
   age_city = df.loc[:, ['Age', 'City']]  # Mengakses kolom 'Age' dan 'City'

   print(alice_data)
   print(age_city)Code language: PHP (php)

Output:

   Name      Alice
   Age          25
   City    New York
   Name: 0, dtype: object

      Age         City
   0   25     New York
   1   30  Los Angeles
   2   35      ChicagoCode language: PHP (php)

Dalam contoh di atas, df.loc[0] mengakses seluruh baris pertama berdasarkan label indeks, sedangkan df.loc[:, ['Age', 'City']] mengakses semua baris untuk kolom ‘Age’ dan ‘City’.

  1. Seleksi Data Menggunakan Posisi (iloc): Metode iloc digunakan untuk seleksi data berdasarkan posisi integer dari baris dan kolom. Ini berguna ketika Anda tahu posisi pasti dari data yang ingin diakses. Berikut adalah contoh penggunaan iloc:
   # Seleksi data menggunakan posisi
   first_row = df.iloc[0]  # Mengakses baris pertama
   first_two_rows = df.iloc[:2]  # Mengakses dua baris pertama
   specific_cell = df.iloc[1, 2]  # Mengakses nilai di baris kedua dan kolom ketiga

   print(first_row)
   print(first_two_rows)
   print(specific_cell)Code language: PHP (php)

Output:

   Name      Alice
   Age          25
   City    New York
   Name: 0, dtype: object

      Name  Age         City
   0  Alice   25     New York
   1    Bob   30  Los Angeles

   Los AngelesCode language: PHP (php)

Dalam contoh di atas, df.iloc[0] mengakses seluruh baris pertama berdasarkan posisi, df.iloc[:2] mengakses dua baris pertama, dan df.iloc[1, 2] mengakses nilai pada baris kedua dan kolom ketiga.

  1. Perbedaan Antara loc dan iloc:
  • loc digunakan untuk mengakses data berdasarkan label (nama) dari indeks dan kolom.
  • iloc digunakan untuk mengakses data berdasarkan posisi integer dari indeks dan kolom. Contoh ini menyoroti betapa fleksibelnya Pandas dalam mengakses dan memanipulasi data. Dengan memahami dan menggunakan loc dan iloc, Anda bisa melakukan seleksi dan indeksasi data dengan lebih efektif, memungkinkan analisis data yang lebih mendalam dan terstruktur.

B. Seleksi Data Berdasarkan Kondisi

Seleksi data berdasarkan kondisi adalah teknik yang sangat berguna dalam analisis data untuk menyaring dan mengekstrak subset data yang memenuhi kriteria tertentu. Pandas menyediakan cara yang efisien untuk melakukan seleksi ini menggunakan operasi logika dan operator pembanding. Berikut adalah beberapa cara untuk melakukan seleksi data berdasarkan kondisi:

  1. Seleksi Data Menggunakan Operator Pembanding: Anda dapat menggunakan operator pembanding seperti ==, !=, <, >, <=, dan >= untuk membuat kondisi seleksi. Misalnya, jika Anda memiliki DataFrame yang berisi data tentang orang-orang, Anda dapat memilih orang-orang yang berusia di atas 30 tahun sebagai berikut:
   import pandas as pd

   # Membuat DataFrame contoh
   data = {
       'Name': ['Alice', 'Bob', 'Charlie', 'David'],
       'Age': [25, 30, 35, 40],
       'City': ['New York', 'Los Angeles', 'Chicago', 'Houston']
   }
   df = pd.DataFrame(data)

   # Seleksi data berdasarkan kondisi
   over_30 = df[df['Age'] > 30]

   print(over_30)Code language: PHP (php)

Output:

       Name  Age     City
   2  Charlie   35  Chicago
   3    David   40  Houston

Dalam contoh di atas, df[df['Age'] > 30] mengekstrak baris di mana nilai dalam kolom ‘Age’ lebih besar dari 30.

  1. Menggunakan Beberapa Kondisi: Anda juga bisa menggabungkan beberapa kondisi menggunakan operator logika & (dan), | (atau), dan ~ (tidak). Misalnya, untuk memilih orang yang berusia di atas 30 tahun dan tinggal di Chicago atau Houston:
   # Seleksi data dengan beberapa kondisi
   over_30_in_cities = df[(df['Age'] > 30) & (df['City'].isin(['Chicago', 'Houston']))]

   print(over_30_in_cities)Code language: PHP (php)

Output:

       Name  Age     City
   2  Charlie   35  Chicago
   3    David   40  Houston

Dalam contoh ini, df[(df['Age'] > 30) & (df['City'].isin(['Chicago', 'Houston']))] memilih baris yang memenuhi kedua kondisi: usia lebih dari 30 dan kota adalah Chicago atau Houston.

  1. Seleksi Data Menggunakan Fungsi query: Pandas juga menyediakan metode query yang memungkinkan Anda untuk menulis kondisi sebagai string, yang bisa lebih intuitif untuk beberapa pengguna. Berikut adalah contohnya:
   # Seleksi data menggunakan query
   over_30_in_cities_query = df.query('Age > 30 and City in ["Chicago", "Houston"]')

   print(over_30_in_cities_query)Code language: PHP (php)

Output:

       Name  Age     City
   2  Charlie   35  Chicago
   3    David   40  Houston

Metode query memberikan cara yang bersih dan mudah dibaca untuk melakukan seleksi data berdasarkan kondisi.

  1. Seleksi Data dengan Metode loc: Anda juga dapat menggabungkan metode loc dengan kondisi untuk seleksi data yang lebih kompleks. Misalnya, untuk memilih dan hanya menampilkan kolom ‘Name’ dari orang-orang yang berusia di atas 30 tahun:
   # Seleksi data menggunakan loc
   names_over_30 = df.loc[df['Age'] > 30, 'Name']

   print(names_over_30)Code language: PHP (php)

Output:

   2    Charlie
   3      David
   Name: Name, dtype: object

Dengan menggunakan loc, Anda dapat menentukan baris dan kolom yang ingin Anda akses berdasarkan kondisi yang diberikan.

Seleksi data berdasarkan kondisi adalah teknik yang sangat kuat dalam analisis data. Ini memungkinkan Anda untuk menyaring dan mengekstrak informasi yang relevan dari dataset yang besar dengan cepat dan efisien, sehingga mempermudah proses analisis dan pengambilan keputusan.

C. Menyaring dengan Metode Query

Metode query dalam Pandas memberikan cara yang kuat dan mudah digunakan untuk menyaring data berdasarkan kondisi yang ditentukan dalam bentuk string. Ini memungkinkan Anda untuk menulis kondisi secara langsung sebagai string, mirip dengan bahasa SQL, yang membuat kode menjadi lebih bersih dan mudah dibaca.

Misalnya, jika Anda memiliki DataFrame yang berisi data tentang mahasiswa dan Anda ingin menyaring semua baris di mana nilai ‘Grade’ lebih besar dari 80 dan ‘Age’ kurang dari 25, Anda dapat melakukannya dengan menggunakan metode query:

# Contoh penggunaan metode query
high_grades_young_students = df.query('Grade > 80 and Age < 25')Code language: PHP (php)

Dalam contoh ini, query('Grade > 80 and Age < 25') akan menyaring DataFrame df untuk baris-baris di mana nilai ‘Grade’ lebih besar dari 80 dan nilai ‘Age’ kurang dari 25.

Metode query juga mendukung penggunaan variabel dalam string query. Misalnya, jika Anda memiliki variabel threshold_grade yang menentukan ambang batas untuk nilai ‘Grade’, Anda dapat menggunakan variabel ini dalam query:

threshold_grade = 80
high_grades = df.query('Grade > @threshold_grade')Code language: JavaScript (javascript)

Dengan menggunakan tanda @ sebelum nama variabel, Anda memberi tahu Pandas bahwa Anda ingin menggunakan nilai variabel tersebut dalam query.

Penggunaan metode query sangat berguna ketika Anda perlu melakukan penyaringan data berdasarkan beberapa kondisi yang kompleks atau ketika Anda ingin membuat kode Anda lebih mudah dibaca dan dipahami. Ini adalah alat yang kuat dalam toolbox analisis data Pandas.

D. Mengubah Indeks DataFrame

Indeks DataFrame adalah cara untuk mengidentifikasi setiap baris secara unik. Secara default, Pandas menggunakan indeks bilangan bulat yang dimulai dari 0. Namun, terkadang kita perlu mengubah indeks DataFrame agar sesuai dengan kebutuhan analisis data kita.

Misalnya, jika kita memiliki data tentang penjualan produk dengan tanggal sebagai indeksnya, maka akan lebih bermanfaat untuk menggunakan tanggal sebagai indeks daripada bilangan bulat. Hal ini memungkinkan kita untuk melakukan operasi berdasarkan tanggal dengan lebih mudah.

Untuk mengubah indeks DataFrame, kita dapat menggunakan metode set_index() dengan kolom yang ingin kita jadikan indeks. Misalnya:

# Mengubah kolom 'Date' menjadi indeks DataFrame
df.set_index('Date', inplace=True)Code language: PHP (php)

Dengan demikian, kolom ‘Date’ sekarang menjadi indeks DataFrame. Kita juga dapat memberikan beberapa kolom sebagai indeks, yang disebut sebagai indeks hierarkis, yang berguna untuk data yang lebih kompleks.

# Mengubah beberapa kolom menjadi indeks hierarkis
df.set_index(['Category', 'Date'], inplace=True)Code language: PHP (php)

Ini akan membuat indeks yang terdiri dari dua tingkat: ‘Category’ dan ‘Date’, yang memungkinkan kita untuk mengakses data dengan cara yang lebih terstruktur.

Mengubah indeks DataFrame berguna ketika kita ingin melakukan analisis berdasarkan kategori atau waktu, atau ketika kita ingin memanfaatkan keunggulan indeks hierarkis untuk menyimpan dan mengakses data dengan lebih efisien.

Artikel selanjutnya Menggunakan Pandas untuk Manipulasi Data di Python – Bagian 2

Categories: Python
Tags:

0 Comments

Leave a Reply

Avatar placeholder

Related Posts

Menggunakan Pandas untuk Manipulasi Data di Python
Python

Menggunakan Pandas untuk Manipulasi Data di Python – Bagian 2

Artikel ini merupakan lanjutan dari artikel sebelumnya tentang Pandas. Artikel menjelaskan teknik-teknik dasar dalam mengolah dan mentransformasi data menggunakan Pandas di Python seperti manipulasi data, penanganan missing values serta analisis dan agregasi data.

Belajar Dasar-dasar Python untuk Pemula
Python

Belajar Dasar-dasar Python untuk Pemula

1. Pendahuluan Python adalah bahasa pemrograman tingkat tinggi yang pertama kali diperkenalkan oleh Guido van Rossum pada tahun 1991. Dirancang dengan tujuan untuk mengutamakan keterbacaan kode, Python telah menjadi salah satu bahasa pemrograman yang paling Read more…

Implementasi Test Driven Development (TDD) dengan Python
Python

Implementasi Test Driven Development (TDD) dengan Python

I. Pendahuluan Pengembangan perangkat lunak merupakan proses yang kompleks dan seringkali menantang. Salah satu aspek penting dalam pengembangan perangkat lunak adalah pengujian, yang bertujuan untuk memastikan kualitas, keandalan, dan kinerja aplikasi. Test Driven Development (TDD) Read more…