Data Science Academy · Pelajaran

Matematika Series dan Penyelarasan

Pelajari cara label menyelaraskan diri secara otomatis saat operasi.

Matematika Series dan Penyelarasan adalah pelajaran Data Science Academy gratis di CoddyKit. Ini adalah pelajaran 3 dari 4. Kamu bisa membaca pelajaran lengkapnya di bawah secara gratis — lalu praktikkan langsung di browser dengan editor kode bawaan dan tutor AI 24/7. Ini adalah bagian dari jalur belajar Data Science Academy, dan progresmu tersinkronisasi di web dan aplikasi CoddyKit. Kursus Data Science Academy mencakup 4 pelajaran total.

Bagian dari pelajaran ini belum diterjemahkan dan ditampilkan dalam bahasa Inggris.

Math on Whole Columns

You can do math on an entire Series at once. Operations apply to every value together, so there is no loop to write. ⚡

Add a Scalar

Adding a single number to a Series adds it to every value. This broadcast happens automatically across the whole column.

import pandas as pd
s = pd.Series([10, 20, 30])
print(s + 5)

All the Operators Work

Subtraction, multiplication, and division behave the same way. Each one is vectorized, touching all values in a single fast pass.

print(s * 2)

Add Two Series

When you add two Series, pandas lines them up by their index labels first. This step is called alignment and it is the headline feature. 🔗

Matching Labels Combine

Where both Series share a label, their values are combined. Alignment means position does not matter, only the labels do.

a = pd.Series([1, 2], index=['x', 'y'])
b = pd.Series([10, 20], index=['x', 'y'])
print(a + b)

Order Does Not Matter

Even if the labels appear in a different order, pandas still matches them correctly. It pairs label to label, never row to row.

b = pd.Series([20, 10], index=['y', 'x'])
print(a + b)

Missing Labels Make NaN

If a label exists in only one Series, the result for it becomes NaN, meaning Not a Number. There was nothing to pair it with.

c = pd.Series([1], index=['x'])
print(a + c)

Fill the Gaps

Use the .add method with fill_value to treat missing labels as a default instead of NaN. Here zero plugs the holes.

print(a.add(c, fill_value=0))

Apply a Function

Many NumPy functions work directly on a Series and return a new one. Each value is transformed while its index stays intact.

import numpy as np
print(np.sqrt(pd.Series([4, 9, 16])))

Compare to Make Masks

Comparisons also run element-wise, giving a Series of True and False. That boolean mask is the start of filtering data.

print(s > 15)

Why Alignment Wins

Automatic alignment quietly prevents a whole class of bugs from mismatched rows. Trust the labels and let pandas pair them for you. 🛡️

Quick Check

Let's confirm how alignment handles a label gap.

Recap

You saw Series math is vectorized, that operations align by index label, and that unmatched labels yield NaN unless you fill them. Great progress! 🎉

Pertanyaan yang Sering Diajukan

Apakah pelajaran “Matematika Series dan Penyelarasan” gratis?

Ya — teks lengkap “Matematika Series dan Penyelarasan” gratis dibaca di sini di web. Untuk praktiknya secara interaktif (editor kode bawaan dan tutor AI 24/7) dan buka sisa kursus Data Science Academy, upgrade ke CoddyKit PRO. Kursus Data Science Academy mencakup 4 pelajaran total.

Apa yang akan aku pelajari di “Matematika Series dan Penyelarasan”?

Pelajari cara label menyelaraskan diri secara otomatis saat operasi. Kamu berlatih Data Science Academy dengan kode praktik yang langsung kamu jalankan di browser, dan tutor AI 24/7 menjawab pertanyaanmu saat kamu mengerjakan pelajaran ini.

Apakah aku perlu pengalaman untuk memulai Data Science Academy?

Tidak diperlukan pengalaman sebelumnya. Data Science Academy di CoddyKit dirancang untuk pemula hingga pelajar tingkat lanjut, jadi kamu bisa memulai di sini atau dari awal dan belajar sesuai kecepatan kamu sendiri. Ini adalah pelajaran 3 dari 4.

Berapa lama pelajaran “Matematika Series dan Penyelarasan” memakan waktu?

Sebagian besar pelajaran CoddyKit memakan waktu sekitar 5–10 menit. Setiap pelajaran ringkas dan interaktif, jadi kamu membuat kemajuan stabil dan melanjutkan dari tempat kamu tinggalkan di web dan aplikasi.

Bisakah aku menulis dan menjalankan kode dalam pelajaran Data Science Academy ini?

Ya. Setiap pelajaran Data Science Academy menyertakan editor kode bawaan, jadi kamu menulis dan menjalankan kode nyata langsung di browser dan mendapatkan umpan balik AI instan — tidak diperlukan penyiapan lokal.

Semua pelajaran dalam kursus ini

← Kembali ke Data Science Academy