Pengantar Pandas

Pandas adalah pustaka Python yang andal untuk analisis dan manipulasi data. Pandas menyediakan struktur data seperti DataFrame dan Series yang memudahkan Anda membersihkan, mentransformasi, dan menganalisis data.

Dalam pelajaran ini, Anda akan mempelajari dasar-dasar Pandas dan cara menggunakannya untuk analisis data.

Memasang Pandas

Untuk memasang Pandas, gunakan perintah berikut di terminal Anda:

pip install pandas

Setelah terpasang, Anda dapat mengimpor Pandas dalam skrip Python Anda:

# Importing pandas
import pandas as pd

print("Pandas imported successfully")

Apa Itu DataFrame?

DataFrame adalah struktur data berbentuk tabel dua dimensi dalam Pandas. Struktur ini mirip dengan lembar lajur atau tabel SQL.

Anda dapat membuat DataFrame dari kamus, daftar, atau berkas eksternal:

# Creating a DataFrame from a dictionary
data = {
    "Name": ["Alice", "Bob", "Charlie"],
    "Age": [25, 30, 35],
    "City": ["New York", "London", "Paris"]
}
df = pd.DataFrame(data)
print(df)

Membaca Data dari Berkas

Pandas memudahkan Anda membaca data dari berkas eksternal, seperti berkas CSV, Excel, dan JSON:

# Reading data from a CSV file
df = pd.read_csv("data.csv")
print(df.head())  # Displays the first 5 rows

Memeriksa DataFrame

Anda dapat memeriksa struktur dan isi DataFrame menggunakan metode seperti head(), info(), dan describe():

# Inspecting a DataFrame
df = pd.read_csv("data.csv")
print(df.info())  # Displays information about the DataFrame
print(df.describe())  # Provides statistical summaries

Memfilter dan Memilih Data

Pandas memungkinkan Anda memfilter baris dan memilih kolom dengan mudah menggunakan kondisi dan pengindeksan:

# Filtering and selecting data
filtered_df = df[df['Age'] > 30]  # Select rows where Age > 30
print(filtered_df[['Name', 'City']])  # Select specific columns

Pembersihan Data

Pandas menyediakan metode untuk membersihkan data, seperti menangani nilai yang hilang, mengganti nama kolom, dan menghapus duplikat:

# Handling missing values
df.fillna(0, inplace=True)  # Replace NaN values with 0

# Renaming columns
df.rename(columns={"Name": "Full Name"}, inplace=True)

# Dropping duplicates
df.drop_duplicates(inplace=True)
print(df)

Melakukan Agregasi

Pandas memungkinkan Anda melakukan agregasi, seperti menjumlahkan, menghitung rata-rata, dan mengelompokkan data:

# Grouping and aggregating data
grouped = df.groupby('City')['Age'].mean()
print(grouped)  # Displays average age for each city

Kesalahan Umum dalam Pandas

Berikut beberapa kesalahan yang perlu dihindari:

• Tidak menangani nilai yang hilang dengan benar.
• Menggunakan perulangan yang tidak efisien, bukan operasi berbasis vektor.
• Lupa menentukan inplace=True untuk operasi yang mengubah data.

Apa yang Telah Kita Pelajari?

Dalam pelajaran ini, Anda telah mempelajari:

• Cara memasang dan mengimpor Pandas.
• Struktur DataFrames dan cara membuatnya.
• Cara membaca, membersihkan, memfilter, dan mengagregasi data menggunakan Pandas.

Kerja bagus! Mari lanjut ke topik berikutnya.